Gemini 4 Argon 코딩 테스트: 8개 과제와 숨은 테스트

Gemini 4 Argon과 Claude Opus 5.5에 같은 8개 과제를 하나씩 맡겼습니다. 두 모델 모두 볼 수 없는 숨은 테스트도 함께 돌렸습니다. Python 3.14에서 두 모델은 105개 검사를 모두 통과했습니다. Argon의 총 소요 시간은 139.6초, Opus 5.5는 57.2초였습니다. 각 사의 정가로 계산하면 비용은 Argon $0.042, Opus 5.5 $0.112입니다.

과제마다 한 번씩만 실행했으므로 실제 동작으로 읽어 주십시오. 정확성에서는 두 모델이 비겼습니다. 차이는 시간과 비용, 그리고 한 답변이 더 새로운 Python을 요구한 점입니다. Google은 Argon을 2026년 10월 13일부터 정식 제공 중이며, 입력 100만 토큰 $2, 출력 100만 토큰 $10의 도입 가격은 11월 30일까지입니다. 12월 1일부터는 $4와 $20으로 두 배가 됩니다(Google 가격 페이지, 2026년 11월 4일 확인).

검증 방법

2026년 11월 4일, 각 과제를 gemini-4-argon과 claude-opus-5-5에 보냈습니다. 과제당 모델당 한 번의 호출이며 시스템 프롬프트와 추론 설정은 없습니다. 두 모델 모두 기본 단계로 실행했습니다. Argon은 medium(Google의 thinking 문서, 2026년 11월 4일 확인), Opus 5.5도 medium(Anthropic의 effort 문서, 같은 날)입니다. 과제마다 모델별로 채점 대상 답변 하나가 나왔습니다.

시간은 각 API가 호출마다 보고한 지연 시간을 더한 값이며, 저희 채점 실행은 포함하지 않습니다. 비용은 각 사의 정가를 API가 반환한 토큰 수에 곱해 계산했습니다. OmniaKey에서도 두 모델을 제공하므로 테스트는 키 하나로 돌렸습니다. 모든 가격은 Google과 Anthropic의 정가입니다.

스크립트는 각 답변에서 코드 블록을 꺼내, 두 모델 모두 보지 못한 숨은 unittest 파일에 대해 시간 제한을 둔 별도 Python 프로세스에서 실행했습니다. 첫 채점은 머신의 시스템 Python 3.9.6에서 했고, 이후 저장해 둔 같은 답변을 Python 3.14.3에서 다시 채점했습니다. 호출과 비용은 늘지 않았습니다.

8개 과제

모두 일상에서 만나는 작은 Python 작업입니다. 버그 수정 하나, 작은 클래스 둘, 리팩터링, 파서, 시간 포매터, 일정 도우미, 그래프 탐색입니다. 프롬프트는 필요한 동작을 평범한 문장으로 설명했고, 테스트는 하나도 넣지 않았습니다.

과제 1: 구간 병합 버그 고치기

merge_intervals는 구간을 정렬해 병합하지만 (1, 3)과 (3, 5)처럼 맞닿은 쌍을 따로 남겼습니다. 비교 한 곳을 고치면 됩니다.

• Gemini 4 Argon(5.6초): 12/12.
• Claude Opus 5.5(2.9초): 12/12.

결론: 검사는 비겼습니다. Opus는 절반 정도의 시간에 답했습니다.

과제 2: 토큰 버킷 속도 제한기

TokenBucket(rate_per_second, capacity)는 토큰을 계속 채우고, 용량을 넘지 않으며, now가 뒤로 가는 경우도 처리해야 했습니다.

• Gemini 4 Argon(6.6초): 10/10.
• Claude Opus 5.5(4.8초): 10/10.

결론: 비겼습니다. 둘 다 시계가 뒤로 가는 경우를 처리했습니다.

과제 3: 적중과 실패를 세는 LRU 캐시

LRUCache에는 축출 순서, 제자리 갱신, stats() 집계, 가장 오래 쓰지 않은 순서의 키 목록이 필요했습니다.

• Gemini 4 Argon(7.1초): 10/10.
• Claude Opus 5.5(4.1초): 10/10.

결론: 비겼습니다. Opus가 3초 빨랐습니다.

과제 4: 동작을 바꾸지 않고 리팩터링

모듈은 원래 동작했습니다. 답변은 slugify와 slug_counts를 유지하고, 유니코드 문자와 문장 부호, 반복되는 구분자에서 같은 동작을 보여야 했습니다.

• Gemini 4 Argon(15.9초): 12/12.
• Claude Opus 5.5(8.7초): 12/12.

결론: 비겼습니다. 둘 다 고정된 모든 사례를 지켰습니다.

과제 5: 로그 한 줄을 dict로 파싱

key=value 파서입니다. 따옴표로 감싼 값, 이스케이프된 따옴표와 백슬래시, UTC 타임스탬프를 처리하고, 중복 키와 값이 없는 key=, 쓰레기 입력에는 ValueError를 냅니다.

• Gemini 4 Argon(16.1초): 13/13.
• Claude Opus 5.5(10.9초): 13/13.

결론: 비겼습니다. 둘 다 첫 시도에 이스케이프를 맞혔습니다.

과제 6: 시간 형식 만들기와 파싱

format_duration과 parse_duration은 반올림을 0에서 먼 쪽으로 하고, 빈 요소를 없애며(3601은 1h1s), 잘못된 형식을 거부하고, 모든 값이 왕복해야 했습니다. 일 단위는 출력하지 않습니다. 90000은 25h가 됩니다.

• Gemini 4 Argon(60.9초): Python 3.9에서 0/14, 3.14에서 14/14.
• Claude Opus 5.5(14.0초): 두 버전 모두 14/14.

결론: 3.14에서는 비겼습니다. 3.9에서는 Argon 답변이 임포트조차 되지 않았고, 다음 절에서 설명합니다.

과제 7: 회의실 빈 시간 찾기

free_slots는 예약을 근무 시간 안으로 자르고, 맞닿은 예약을 합치고, 15분 미만의 빈틈을 버리고, 잘못된 입력을 거부해야 했습니다.

• Gemini 4 Argon(18.9초): 17/17.
• Claude Opus 5.5(5.0초): 17/17.

결론: 검사는 비겼습니다. Argon은 거의 네 배가 걸렸습니다.

과제 8: 동점 규칙이 있는 최단 경로

shortest_path는 Dijkstra를 쓰고, 길이가 같은 경로 중 사전순으로 가장 작은 것을 고르며, 평행 간선과 자기 루프, 경로 없음까지 처리해야 했습니다.

• Gemini 4 Argon(8.5초): 17/17.
• Claude Opus 5.5(6.8초): 17/17.

결론: 비겼습니다. 8개 과제 중 가장 근소했습니다.

결과: 통과 수, 시간, 비용

Python 3.14에서 두 모델은 105개 검사를 모두 통과했습니다. Python 3.9.6에서 Argon은 91개를 통과했습니다. 답변 하나를 임포트하지 못했기 때문입니다.

Opus 5.5는 모든 과제에서 더 빨랐습니다. 차이가 가장 작은 것은 그래프 탐색(8.5초 대 6.8초), 가장 큰 것은 시간 형식(60.9초 대 14.0초)입니다.

정가로 계산하면 8개 과제 비용은 Argon $0.042, Opus 5.5 $0.112로 약 2.7배입니다. Argon 답변은 입력 3,346개, 출력 3,525개 토큰을 썼습니다. Opus 5.5는 4,419개와 4,692개입니다. 두 API 모두 모든 호출에서 thinking 토큰을 0으로 보고했으므로 사고 과정은 청구서에 더해지지 않았습니다.

Google 정가는 2026년 11월 30일까지 입력 100만 토큰 $2, 출력 100만 토큰 $10이고 이후 $4와 $20입니다(Gemini API 가격, 2026년 11월 4일 확인). Anthropic의 Opus 5.5 정가는 $4와 $20입니다(Anthropic 가격, 같은 날). 12월 1일부터 같은 토큰이 Argon에서 두 배가 되면 둘의 차이는 줄어듭니다. 두 모델의 가격은 가격 페이지에 있습니다.

8개 과제로 두 프런티어 모델의 품질을 가르기는 어렵습니다. 고를 때는 속도와 가격, 그리고 테스트를 돌리는 Python 버전을 보십시오.

써 본 사람들의 반응

공개 댓글에서도 이런 갈림이 보입니다. Hacker News 10월 31일 글에서 A_D_E_P_T는 이렇게 썼습니다. “Gemini 4-Argon is very good at coding. I prefer Opus 5.5 -- in large part because I've grown accustomed to Claude Code -- but Argon is undeniably strong.” 10월 28일 글에서 seizethecheese는 로컬 코딩 에이전트에 대해 “Argon is really bad. Literally the worst model in our initial ranking”이라고 썼고, Opus 5.5를 1위로 올렸습니다. 10월 13일 글에서 ariwilson은 Argon이 자기 프로젝트의 작은 버그 수정을 “10 of 11”개 해결했다고 보고했습니다.

모두 각자의 환경에 대한 의견이며 통제된 테스트가 아닙니다. 부정적인 댓글은 에이전트 하네스를 시험하던 사람의 것이고, API를 직접 호출한 이번 조건과는 다릅니다.

유일한 실패: Python 3.9는 Argon 답변을 임포트하지 못합니다

Argon의 시간 답변은 도우미 함수에 float | int | Decimal 타입 주석을 붙였습니다. Python 3.9는 임포트 시점에 이를 계산하지 못해 모듈이 TypeError: unsupported operand type(s) for |: 'type' and 'type'를 내고, 14개 테스트가 실행 전에 모두 실패했습니다.

로직에는 문제가 없었습니다. 같은 파일은 Python 3.14.3에서 정상적으로 임포트되어 14개를 모두 통과했습니다. 이 유니언 문법은 Python 3.10 이상이 필요합니다.

점수는 인터프리터에 따라 달라집니다. 머신의 시스템 Python 3.9.6에서는 Argon이 105개 중 91개, Opus 5.5가 105개였습니다. 3.14에서는 둘 다 105개입니다.

서버 이미지나 CI 머신이 아직 3.9라면 여기가 함정입니다. 습관 두 가지면 피할 수 있습니다. 프롬프트에 Python 버전을 적고, 지원하는 가장 오래된 버전에서 채점하는 것입니다. 3.9가 대상이라면 Union[float, int]를 요구하거나 파일 맨 위에 from __future__ import annotations를 쓰게 하십시오.

Google 자체 벤치마크는 어떤가

Google의 Argon 모델 카드(2026년 11월 4일 확인)에는 코딩과 보안 항목에서 Opus 5.5 수치가 함께 있는 테스트 다섯 개가 실려 있습니다. Argon이 셋에서 앞서고 둘에서 뒤집니다.

수치의 날짜는 2026년 10월입니다. 이 행들의 Notes 열은 비어 있어 thinking 단계와 하네스, 시도 횟수가 적혀 있지 않습니다. 테스트도 이번의 작은 함수보다 에이전트 성격이 강합니다.

Google은 10월 13일 발표 글에서 코딩을 포함한 Vals Index 1위라고 밝혔고, Antigravity 안에서 에이전트가 제출한 코드가 35% 이상 늘었다고 보고했습니다. 둘 다 Google 자체 수치입니다.

10월 23일 GPT-6 Astra와의 3과제 비교에서 Argon은 청구 버그 수정에서 숨은 테스트 12개를 모두 통과했습니다. 그 과제와 이번 과제 1 모두 전부 통과했고, 새 결과도 이를 뒷받침합니다.

같은 테스트를 직접 돌리려면

과제마다 프롬프트 파일 하나를 만들어 그대로 두 모델에 보내면 됩니다. 사용한 엔드포인트는 https://api.omniakey.com/v1이고, 두 모델은 Gemini 4 Argon과 Claude Opus 5.5 모델 페이지에 있습니다.

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://api.omniakey.com/v1",
    api_key=os.environ["OMNIAKEY_API_KEY"],
)
prompt = open("task6-duration.md").read()

for model in ("gemini-4-argon", "claude-opus-5-5"):
    reply = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": prompt}],
        max_tokens=8000,
    )
    open(f"{model}.md", "w").write(reply.choices[0].message.content)

1. 과제마다 프롬프트 파일을 따로 저장하고 시스템 프롬프트 없이 그대로 보내, 두 모델이 같은 문장을 받게 합니다.
2. 프롬프트를 모델별로 한 번씩 기본 thinking 단계에서 보내고 모델 ID, 시간, 토큰 수를 기록합니다.
3. 각 답변에서 코드 블록을 잘라 테스트가 임포트할 모듈로 저장합니다.
4. 숨은 테스트를 별도 프로세스에서 시간 제한을 두고 실행하고 통과 수와 전체 수를 함께 출력합니다.
5. 지원하는 가장 오래된 Python에서 채점을 다시 합니다. Argon의 유일한 실수는 3.9 실행에서 나왔습니다.
6. 반환된 토큰 수와 각 사 정가로 비용을 계산합니다.

자주 묻는 질문

Gemini 4 Argon은 코딩에 좋은가요?

이번 8개 과제에서 Python 3.14 기준 숨은 테스트 105개를 모두 통과했습니다. Opus 5.5도 같습니다. Google 자체 표에서는 Argon이 다섯 줄 중 셋에서 앞서고 둘에서 뒤집니다.

Gemini 4 Argon으로 코딩하면 비용이 얼마인가요?

Google은 입력 100만 토큰 $2, 출력 100만 토큰 $10을 2026년 11월 30일까지 받고 이후 $4와 $20으로 올립니다. 이번 8개 과제는 도입 가격으로 $0.042였습니다. Opus 5.5는 Anthropic의 $4와 $20으로 $0.112입니다.

Gemini 4 Argon이 Claude Opus 5.5보다 빠른가요?

아니요. 이번 테스트에서 Opus 5.5가 8개 과제 모두 더 빨랐고 합계 57.2초였습니다. Argon은 139.6초입니다. 차이가 가장 큰 것은 시간 형식으로 14.0초 대 60.9초였습니다.

Argon은 왜 한 과제에서 실패했나요?

실패한 곳은 임포트이고 로직은 맞았습니다. 시간 답변이 float | int | Decimal 주석을 썼고 Python 3.9가 임포트 시점에 계산하지 못해 14개 테스트가 실행 전에 떨어졌습니다. 같은 파일은 Python 3.14에서 14개를 모두 통과합니다.

출처

• Gemini 4 Argon 모델 페이지
• Gemini API 가격
• Gemini API thinking 단계
• Gemini 4 Argon 모델 카드
• Gemini 4 Argon 발표 글
• Vertex AI의 Gemini 4 Argon
• Anthropic API 가격
• Claude Opus 5.5 개요
• Anthropic effort 설정

모두 2026년 11월 4일에 확인했습니다.

업데이트 기록

• 2026년 11월 4일: 처음 공개. 테스트는 11월 4일에 실행했고 Python 3.9.6과 3.14.3에서 채점했습니다.