谷歌自家榜单打脸：Gemini 4 Argon 编程只排第五，被 Claude 和 GPT-6 甩开

谷歌悄悄更新了自己维护的 Android Bench 榜单，结果有点尴尬：自家最新的旗舰模型 Gemini 4 Argon 首次上榜，只排到第五名，被 Anthropic 和 OpenAI 的模型甩在身后。

核心看点

• Gemini 4 Argon 在谷歌自己的 Android 编程榜单上首秀第五，落后于 Claude Sonnet 5.5、Claude Opus 5.5、GPT-6.1 Sol 和 Claude Fable 5.1
• 榜首 Claude Sonnet 5.5 的通过率达到 40%，GPT-6.1 Sol 为 29.3%，且完成率更高（82.8%）
• 成本差距比分数更刺眼：跑完一整轮测试，Sonnet 5.5 要花 1574.90 美元，GPT-6.1 Sol 只要 99.50 美元
• 发布后曾有内部声音称 Argon “搞不定某些编程任务”，谷歌当时公开表示不认同

这个榜单是什么来头

Android Bench 是谷歌今年早些时候推出的评测，专门衡量 AI 模型在 Android 开发场景里的辅助能力——不只是”能不能写出代码”，还包括是否符合 Android 的开发规范和最佳实践。开发者可以用它快速判断该把哪个模型接进自己的工具链。

这次更新，谷歌一口气补进了 OpenAI 的 GPT-6 Sol、GPT-6.1 Sol，Anthropic 的 Claude Sonnet 5、Claude Sonnet 5.5，当然还有自家的 Gemini 4 Argon。榜单还新增了每个模型使用的推理档位和平均成本，让”贵不贵”和”强不强”能放在一起看。

分数与价格：两个方向的反差

排在第一的是 Claude Sonnet 5.5，通过率 40%、完成率 80.9%，但代价是一轮评测烧掉 1574.90 美元。第二名是十月初才上榜的 Claude Opus 5.5。

真正有意思的是 GPT-6.1 Sol：通过率 29.3%、完成率 82.8%，成本却只有 99.50 美元。分数不算最高，但在”每美元买到多少有效代码”这件事上，它几乎是无敌的。

相比之下，Gemini 4 Argon 的首秀就显得平淡。它排在第五，位次在 Claude Fable 5.1 之后，与其”前沿旗舰”的定位并不匹配。

谷歌的处境

Gemini 4 Argon 是谷歌九月底发布的新一代前沿模型，主打复杂推理、长周期智能体和大型工程任务。十月中旬，它陆续进入 Gemini 应用的 AI Pro / AI Ultra 订阅层，也接入了谷歌的智能体编程工具 Antigravity。

但发布没多久，就有报道称谷歌内部有人认为这款模型”在某些编程任务上比较吃力”。谷歌随后公开力挺，强调实际表现符合预期。现在自家榜单把 Argon 放在第五，等于给了这场争论一个新的注脚——至少在最贴近 Android 开发的场景里，谷歌的优势并不明显。

对开发者意味着什么

第一，别迷信”最新旗舰”这四个字。榜单的价值恰恰在于它足够具体：Android 开发、真实工程任务、算上成本。选模型应该按场景选，而不是按发布会选。

第二，成本正在成为选型的一等公民。Sonnet 5.5 比 GPT-6.1 Sol 强，但贵了将近 16 倍；如果你的任务是批量跑、天长日久地用，这个差距会直接体现在账单上。

第三，谷歌愿意把自己排在第五名公开出来，这件事本身值得肯定。一个由厂商维护、却敢让自家产品难看的榜单，比一堆”我们全面领先”的公关稿有用得多。

一句话总结

Gemini 4 Argon 不弱，但在编程这条赛道上，它还不是第一梯队。谷歌自己把成绩单贴了出来——接下来要看的是，下一代模型能不能把名次往上挪。