Gemini 4 Argon per programmare: test e benchmark

👁 116 letture

Gemini 4 Argon ha superato tutti i 51 test unitari dei miei quattro esercizi di programmazione: ho speso circa 0,0249 € e aspettato in tutto 25 secondi. Nessun altro modello di punta ha ottenuto lo stesso risultato a un costo inferiore o in meno tempo. I benchmark di coding, però, restituiscono un quadro più sfumato: secondo Google Argon è in testa a DeepSWE, ma perde in FrontierSWE e Terminal-Bench 4.0; nella classifica indipendente Arena Code WebDev è solo ottavo. Qui trovi il mio test, i dati dei benchmark e gli strumenti con cui oggi puoi programmare usando Argon. Per una panoramica del modello, leggi la guida a Gemini 4 Argon.

Quattro esercizi, 51 test

Gli esercizi sono brevi, ma ognuno include un caso insidioso in cui i modelli possono sbagliare. Il test originale è stato svolto in polacco e contiene regole e formati specifici della Polonia:

• Validazione del NIP: identificativo fiscale polacco, con trattini, spazi e prefisso PL; controllo della somma ponderata e caso in cui un resto pari a 10 indica un identificativo non valido.
• Unione di intervalli: gli intervalli contigui, con la fine del primo uguale all’inizio del successivo, vanno uniti; quelli inseriti al contrario, come (5, 2), vanno invertiti.
• Giorni lavorativi in Polonia: anni dal 2024 al 2030, festività mobili e vigilia di Natale, non festiva fino al 2024 compreso.
• Importo in lettere per una fattura: forme grammaticali polacche, arrotondamento al grosz e importi fino a un miliardo.

Le descrizioni degli esercizi qui sopra sono traduzioni del materiale di test originale in polacco; non si tratta di una nuova prova in italiano.

Com’è il codice di Argon

Argon ha restituito il codice direttamente, senza introduzioni, con tipi e commenti in polacco. Il passaggio più interessante è l’elenco delle festività nell’esercizio sui giorni lavorativi: il giorno prima Gemini 3.8 Flash aveva sbagliato proprio qui. Il codice seguente è una traduzione dei commenti del codice prodotto durante il test originale in polacco, non il risultato di un nuovo test in italiano:

def ottieni_festivita(anno: int) -> set[datetime.date]:
    pasqua = calcola_pasqua(anno)
    festivita = {
        datetime.date(anno, 1, 1),   # Capodanno
        datetime.date(anno, 1, 6),   # Epifania
        pasqua,                      # Domenica di Pasqua
        pasqua + datetime.timedelta(days=1),   # Lunedì di Pasqua
        datetime.date(anno, 5, 1),   # Festa del lavoro
        datetime.date(anno, 5, 3),   # Festa nazionale del 3 maggio
        pasqua + datetime.timedelta(days=49),  # Pentecoste (domenica)
        pasqua + datetime.timedelta(days=60),  # Corpus Domini (giovedì)
        datetime.date(anno, 8, 15),  # Assunzione di Maria
        datetime.date(anno, 11, 1),  # Ognissanti
        datetime.date(anno, 11, 11), # Festa nazionale dell'indipendenza
        datetime.date(anno, 12, 25), # Natale
        datetime.date(anno, 12, 26), # Santo Stefano
    }
    # Secondo le regole polacche considerate nel test, dal 2025
    # anche la vigilia di Natale, il 24 dicembre, è un giorno festivo.
    if anno >= 2025:
        festivita.add(datetime.date(anno, 12, 24))
    return festivita

Per calcolare la Pasqua usa l’algoritmo Meeus/Jones/Butcher e si affida solo alla libreria standard, come richiesto. Gemini 3.8 Flash aveva considerato la vigilia di Natale festiva per tutti gli anni e aveva fallito il test su dicembre 2024. Nell’esercizio sull’importo in lettere, Argon ha aggiunto un ValueErrorper i valori fuori intervallo e ha convertito correttamente in polacco l’importo originale equivalente a 12,13: proprio in quel caso Muse Wonder aveva inventato una forma inesistente, indicata con dicitura corrotta nel test originale polacco. Tale dicitura è riportata come esempio del risultato originale, non come testo del test in italiano.

Argon a confronto con gli altri modelli

Tra i modelli senza errori, Argon costa quasi tre volte meno di Opus 5.5 e 4,6 volte meno di GPT-6 Astra. Va detto, però, che si tratta di piccole funzioni di poche decine di righe. Questo test verifica se il modello gestisce correttamente le particolarità polacche e non commette errori banali; non dice come se la cavi con un repository ampio, molti file o un agente che lavora a lungo nel terminale. Per questo servono i benchmark.

Benchmark di coding secondo Google

Nella tabella del 30 settembre Google mostra Argon con l’impostazione di ragionamento più elevata. Nei tre test di programmazione i risultati sono contrastanti:

Nella stessa tabella Claude Fable 5.1 ottiene il 67,4% in DeepSWE, il 56,3% in FrontierSWE e il 57,9% in Terminal-Bench. Nel complesso dei 19 test di Google, Argon è in testa in 13. Ma in due dei tre benchmark di programmazione è dietro alla concorrenza e in Terminal-Bench 4.0 perde 9 punti percentuali rispetto a Opus 5.5.

Cosa mostrano le valutazioni indipendenti

• Artificial Analysis, Terminal-Bench 4.0: Argon 57%, Claude Sonnet 5.5 64%, Claude Opus 5.5 60%, GPT-6 Astra 59%. La valutazione indipendente conferma che nel lavoro da terminale Argon è dietro ai modelli di Anthropic e OpenAI.
• Arena, Code Arena: WebDev: ottavo posto con 1679 punti. Per confronto, nella Text Arena lo stesso Argon (High) è primo con 1525 punti, un risultato preliminare.

Bloomberg: dubbi tra i dipendenti di Google

Il 30 settembre Bloomberg, citato da Techmeme, ha scritto che secondo alcuni dipendenti di Google il modello rende peggio di quanto suggeriscano i benchmark in una parte dei compiti di programmazione reali. Google contesta questa valutazione. Il mio piccolo test non permette di risolvere la questione: Argon scrive senza problemi funzioni brevi. I risultati indipendenti di Terminal-Bench e l’ottavo posto in WebDev, però, sembrano più vicini alla versione di Bloomberg che ai migliori risultati della tabella di Google.

Dove programmare con Argon

• Google Antigravity (app per computer e CLI): Argon è disponibile solo nel piano Google AI Ultra. Il piano Google AI Pro dà accesso ad Antigravity, ma non ad Argon. I ricercatori possono ottenere gratuitamente per 6 mesi il livello più alto di Antigravity. Ho descritto i primi passaggi nella guida Antigravity: come iniziare.
• Gemini API: identificativo gemini-4-argon, disponibile per tutti gli account a pagamento. Fino al 30 novembre 2026 il costo è di circa 1,7817 € (2 USD) per milione di token in input e 8,9087 € (10 USD) in output; dal 1° dicembre sale a circa 3,5635 € (4 USD) e 17,8174 € (20 USD). Il limite complessivo è di 1 milione di token tra input e output. Secondo 9to5Google, l’accesso ad Argon nell’interfaccia AI Studio e in Android Studio (Canary) richiede invece Ultra.
• OpenRouter: google/gemini-4-argon, stessi prezzi e contesto di 1 048 576 token. Ho svolto qui il test: il 13 ottobre 2026 funzionava senza problemi dalla Polonia. Può essere usato in tutti gli strumenti che accettano una chiave OpenRouter. La disponibilità può variare: controlla quella attuale presso il provider.

Gli importi in euro sono conversioni indicative dei prezzi ufficiali in USD, non prezzi locali né importi di checkout. Conversione al tasso di riferimento BCE del 19 ottobre 2026: 1 EUR = 1,1225 USD. Fonte: BCE.

Verdetto

Per scrivere singole funzioni, script e correzioni, Argon è il modello di punta meno costoso che ho provato finora e non ha commesso errori nel test. Per il lavoro prolungato di un agente su un repository e nel terminale, i benchmark, anche quelli indipendenti, indicano piuttosto Claude Opus 5.5. Se programmi tramite API, vale la pena provare Argon sul tuo codice prima del 30 novembre, quando costa la metà del prezzo previsto dal 1° dicembre. Per confrontare altri strumenti, consulta la selezione di strumenti di AI per programmare.

// continua a leggereGemini 4 Argon: Google DeepMind porta l’IA nella roboticaNotizieGoogle Gemini 4 Argon: nuovo modello per compiti complessiNotizieGemini 4 Argon: finestra di contesto da 1.000.000 tokenNotizie