# Gemini 4 Argon: teste de programação com 8 tarefas e testes ocultos > Oito tarefas, testes ocultos e uma chamada por modelo: Gemini 4 Argon e Claude Opus 5.5 passam nas 105 verificações no Python 3.14, com tempos e custos. - Canonical HTML: https://omniakey.com/pt-BR/blog/gemini-4-argon-coding-test - Markdown: https://omniakey.com/pt-BR/blog/gemini-4-argon-coding-test.md - Published: 2026-11-04 (updated 2026-11-04) - Author: Kiki, COO at OmniaKey - Language: pt-BR - Category: Comparison - Reading time: 10 min - All posts: https://omniakey.com/blog/llms.txt --- Colocamos [Gemini 4 Argon](https://omniakey.com/pt-BR/gemini-4-argon) e [Claude Opus 5.5](https://omniakey.com/pt-BR/claude-opus-5-5) nas mesmas oito tarefas, com uma chamada por tarefa e testes ocultos que nenhum dos dois podia ver. No Python 3.14, os dois passaram nas 105 verificações. O Argon levou 139.6 segundos no total, contra 57.2 do Opus 5.5, e custou $0.042 contra $0.112 no preço de tabela de cada fornecedor. São oito tarefas com uma execução cada, então leia como comportamento real. Em correção, os dois empataram. As diferenças estão no tempo, no custo e numa resposta que exige um Python mais novo. O Google oferece o Argon como disponibilidade geral desde 13 de outubro de 2026, e o preço de lançamento de $2 por milhão de tokens de entrada e $10 por milhão de saída vai até 30 de novembro; a partir de 1º de dezembro ele dobra para $4 e $20 (página de preços do Google, consultada em 4 de novembro de 2026). - **Gemini 4 Argon** (Escolha o Argon se o custo manda): As mesmas 105 verificações por $0.042 em oito tarefas no preço de tabela do Google. Mais lento em todas, e uma resposta precisa de Python 3.10 ou mais novo. - **Claude Opus 5.5** (Escolha o Opus 5.5 se a velocidade manda): As mesmas 105 verificações, 57.2 segundos no total e $0.112 no preço da Anthropic. Mais rápido nas oito tarefas. ## Como testamos Em 4 de novembro de 2026, enviamos cada tarefa para `gemini-4-argon` e `claude-opus-5-5`, com uma chamada por tarefa e por modelo, sem prompt de sistema e sem ajuste de raciocínio. Os dois rodaram no nível padrão: medium para o Argon ([documentação de thinking do Google](https://ai.google.dev/gemini-api/docs/thinking), consultada em 4 de novembro de 2026) e medium para o Opus 5.5 ([documentação de effort da Anthropic](https://platform.claude.com/docs/en/build-with-claude/effort), no mesmo dia). Cada tarefa gerou uma resposta pontuada por modelo. O tempo é a latência que cada fornecedor informa em cada chamada, somada; nossas execuções de pontuação ficam de fora. O custo aplica o preço de tabela de cada fornecedor aos tokens que a API devolveu. A OmniaKey também vende os dois modelos, então o teste passou por ela com uma única chave; cada preço aqui é a tarifa do Google ou da Anthropic. Um script extraía o bloco de código de cada resposta e o executava contra um arquivo `unittest` oculto que nenhum modelo viu, num processo Python isolado com limite de tempo. A primeira rodada usou o Python 3.9.6 do sistema; depois pontuamos as mesmas respostas salvas no Python 3.14.3, sem chamadas novas e sem custo extra. ## As oito tarefas Todas são trabalhos pequenos de Python que aparecem num dia normal: uma correção de bug, duas classes pequenas, um refactor, um parser, um formatador de durações, um assistente de agenda e uma busca em grafo. Cada enunciado descrevia o comportamento pedido em prosa simples, e nenhum trazia os testes. ### Tarefa 1: corrigir um bug de mesclagem de intervalos `merge_intervals` ordenava e mesclava faixas, mas deixava separados os pares que se tocam, como `(1, 3)` e `(3, 5)`. Uma comparação resolve. - **Gemini 4 Argon** (5.6 s): 12 de 12. - **Claude Opus 5.5** (2.9 s): 12 de 12. **Veredito:** empate nas verificações. O Opus respondeu na metade do tempo. ### Tarefa 2: um limitador de taxa com balde de tokens `TokenBucket(rate_per_second, capacity)` precisava recarregar continuamente, ficar dentro da capacidade e lidar com valores de `now` que andam para trás. - **Gemini 4 Argon** (6.6 s): 10 de 10. - **Claude Opus 5.5** (4.8 s): 10 de 10. **Veredito:** empate. Os dois lidaram com o relógio voltando. ### Tarefa 3: um cache LRU com contadores de acertos e erros `LRUCache` precisava da ordem de despejo, da atualização no lugar, das contagens em `stats()` e de uma lista de chaves da menos usada para a mais recente. - **Gemini 4 Argon** (7.1 s): 10 de 10. - **Claude Opus 5.5** (4.1 s): 10 de 10. **Veredito:** empate. O Opus foi 3 s mais rápido. ### Tarefa 4: refatorar sem mudar o comportamento O módulo funcionava. A resposta precisava manter `slugify` e `slug_counts` e se comportar igual com letras Unicode, pontuação e separadores repetidos. - **Gemini 4 Argon** (15.9 s): 12 de 12. - **Claude Opus 5.5** (8.7 s): 12 de 12. **Veredito:** empate. Os dois mantiveram todos os casos fixados. ### Tarefa 5: transformar uma linha de log em dict Um parser de `key=value` com valores entre aspas, aspas escapadas e barras invertidas, carimbo de tempo UTC, e `ValueError` para chaves duplicadas, um `key=` vazio e lixo. - **Gemini 4 Argon** (16.1 s): 13 de 13. - **Claude Opus 5.5** (10.9 s): 13 de 13. **Veredito:** empate. Os dois acertaram o escape na primeira tentativa. ### Tarefa 6: formatar e analisar durações `format_duration` e `parse_duration` precisavam arredondar a metade para longe do zero, cortar partes vazias (3601 vira 1h1s), recusar formatos inválidos e fazer ida e volta com todos os valores. Dias não aparecem: 90000 vira 25h. - **Gemini 4 Argon** (60.9 s): 0 de 14 no Python 3.9, 14 de 14 no 3.14. - **Claude Opus 5.5** (14.0 s): 14 de 14 nos dois. **Veredito:** empate no 3.14. No 3.9 a resposta do Argon nem foi importada, e a seção seguinte conta por quê. ### Tarefa 7: achar horários livres de salas de reunião `free_slots` precisava cortar as reservas no horário de trabalho, juntar as que se tocam, descartar vãos de menos de 15 minutos e recusar entradas inválidas. - **Gemini 4 Argon** (18.9 s): 17 de 17. - **Claude Opus 5.5** (5.0 s): 17 de 17. **Veredito:** empate nas verificações. O Argon levou quase quatro vezes mais. ### Tarefa 8: caminho mais curto com desempate `shortest_path` exigia Dijkstra com o caminho lexicograficamente menor entre os de mesmo comprimento, além de arestas paralelas, laços e o caso sem caminho. - **Gemini 4 Argon** (8.5 s): 17 de 17. - **Claude Opus 5.5** (6.8 s): 17 de 17. **Veredito:** empate. O mais apertado dos oito. ## Resultados: acertos, tempo e custo No Python 3.14 os dois modelos passaram nas 105 verificações. No Python 3.9.6 o Argon passou em 91, porque uma resposta não pôde ser importada. |Tarefa|Verificações|Argon|Opus 5.5|Argon s|Opus s| |-|-|-|-|-|-| |Mesclar intervalos|12|12/12|12/12|5.6|2.9| |Balde de tokens|10|10/10|10/10|6.6|4.8| |Cache LRU|10|10/10|10/10|7.1|4.1| |Refactor de slugify|12|12/12|12/12|15.9|8.7| |Linha de log|13|13/13|13/13|16.1|10.9| |Durações|14|14/14|14/14|60.9|14.0| |Horários de salas|17|17/17|17/17|18.9|5.0| |Caminho mais curto|17|17/17|17/17|8.5|6.8| O Opus 5.5 respondeu mais rápido em todas as tarefas. A menor diferença foi na tarefa de grafo (8.5 s contra 6.8 s) e a maior na de durações (60.9 s contra 14.0 s). No preço de tabela, as oito tarefas custaram $0.042 no Argon e $0.112 no Opus 5.5, cerca de 2.7 vezes mais. As respostas do Argon usaram 3,346 tokens de entrada e 3,525 de saída no total; as do Opus 5.5, 4,419 e 4,692. As duas APIs informaram 0 token de pensamento em cada chamada, então o raciocínio não entrou na conta. O preço de tabela do Google é $2 por milhão de tokens de entrada e $10 por milhão de saída até 30 de novembro de 2026, e depois $4 e $20 ([preços da API Gemini](https://ai.google.dev/gemini-api/docs/pricing), consultados em 4 de novembro de 2026). O preço de tabela da Anthropic para o Opus 5.5 é $4 e $20 ([preços da Anthropic](https://platform.claude.com/docs/en/about-claude/pricing), no mesmo dia). A partir de 1º de dezembro os mesmos tokens custam o dobro no Argon, o que aproxima os dois. As tarifas dos dois modelos estão na [página de preços](https://omniakey.com/pt-BR/pricing). Oito tarefas não separam dois modelos de fronteira em qualidade. Escolha por velocidade, preço e pela versão de Python em que seus testes rodam. ### O que dizem quem usa A divisão também aparece nos comentários públicos. No [Hacker News, em 31 de outubro](https://news.ycombinator.com/item?id=50312107), A\_D\_E\_P\_T escreveu: “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.” Em [28 de outubro](https://news.ycombinator.com/item?id=50277901), seizethecheese escreveu sobre agentes de código locais: “Argon is really bad. Literally the worst model in our initial ranking”, com o Opus 5.5 no topo. Em [13 de outubro](https://news.ycombinator.com/item?id=50077034), ariwilson contou que o Argon “solved 10 of 11” pequenas correções de bug dos próprios projetos. São opiniões de usuários sobre os próprios ambientes, não testes controlados. O comentário negativo veio de alguém testando um harness de agente, e não de uma chamada direta de API como as nossas. ## A única falha: Python 3.9 não importa a resposta do Argon A resposta de durações do Argon colocou uma anotação de tipo `float | int | Decimal` numa função auxiliar. O Python 3.9 não consegue avaliar isso na importação, então o módulo lançou `TypeError: unsupported operand type(s) for |: 'type' and 'type'` e os 14 testes falharam antes de rodar. A lógica estava certa. O mesmo arquivo importou e passou 14 de 14 no Python 3.14.3. Essa sintaxe de união precisa de Python 3.10 ou mais novo. A pontuação depende do interpretador: no Python 3.9.6 do sistema, o Argon terminou 91 das 105 verificações e o Opus 5.5 terminou 105. No 3.14 os dois terminaram 105. Se uma imagem de servidor ou uma máquina de CI ainda traz o 3.9, a armadilha está aí. Dois hábitos cobrem isso: nomear a versão do Python no enunciado e pontuar na versão mais antiga que você suporta. Para um alvo 3.9, peça `Union[float, int]` ou `from __future__ import annotations` no topo do arquivo. > Só o enunciado da tarefa de grafo citava Python 3.14. A tarefa de durações não indicava versão e a primeira rodada correu no 3.9.6, então uma resposta correta pareceu quebrada. ## O que dizem os benchmarks do Google A ficha do modelo do Argon (consultada em 4 de novembro de 2026) lista cinco testes das seções de código e segurança com um número do Opus 5.5. O Argon ganha em três e perde em dois. |Benchmark|Gemini 4 Argon|Claude Opus 5.5| |-|-|-| |DeepSWE v1.1|77.9%|74.2%| |FrontierSWE v2|55.0%|62.3%| |Vibe Code Bench|91.9%|90.3%| |Terminal-bench 4.0|57.4%|66.4%| |CWE-bench v1|68.0%|67.0%| Esses números são de outubro de 2026; a coluna Notes está vazia nessas linhas, então nível de thinking, harness e número de tentativas não aparecem. Os testes também são bem mais agênticos que nossas funções pequenas. O anúncio do Google em 13 de outubro coloca o Argon no topo do Vals Index, que inclui código, e relata alta de mais de 35% nos envios de código por agentes dentro do Antigravity. Os dois números são do próprio Google. Nossa [comparação de três tarefas com o GPT-6 Astra, de 23 de outubro](https://omniakey.com/pt-BR/blog/gemini-4-argon-vs-gpt-6-astra), teve o Argon passando nos 12 testes ocultos de uma correção de bug de cobrança. O Argon passou em todas as verificações lá e na tarefa 1 aqui, e nenhum resultado novo contradiz isso. ## Como rodar o mesmo teste você mesmo Um arquivo de enunciado por tarefa, enviado sem mudanças aos dois modelos, é toda a preparação. O endpoint que usamos é `https://api.omniakey.com/v1`; os dois modelos têm página em [Gemini 4 Argon](https://omniakey.com/pt-BR/gemini-4-argon) e [Claude Opus 5.5](https://omniakey.com/pt-BR/claude-opus-5-5). ```python 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. Salve cada tarefa no próprio arquivo de enunciado e envie sem mudanças, sem prompt de sistema, para os dois modelos receberem as mesmas palavras. 2. Envie cada enunciado uma vez por modelo no nível de thinking padrão e anote o ID do modelo, o tempo e os tokens. 3. Corte o bloco de código de cada resposta e salve como o módulo que seus testes importam. 4. Rode seus testes ocultos num processo separado com limite de tempo e imprima os acertos ao lado do total. 5. Repita a pontuação no Python mais antigo que você suporta. A única falha do Argon apareceu na rodada 3.9. 6. Calcule o custo com os tokens devolvidos e o preço de tabela de cada fornecedor. ## Perguntas frequentes ### O Gemini 4 Argon é bom para programar? Nas nossas oito tarefas ele passou nos 105 testes ocultos no Python 3.14, assim como o Opus 5.5. Na tabela do Google, o Argon fica à frente em três de cinco linhas e atrás em duas. ### Quanto custa programar com o Gemini 4 Argon? O Google cobra $2 por milhão de tokens de entrada e $10 por milhão de saída até 30 de novembro de 2026, e depois $4 e $20. Nossas oito tarefas saíram por $0.042 no preço de lançamento. O Opus 5.5 saiu por $0.112 com os $4 e $20 da Anthropic. ### O Gemini 4 Argon é mais rápido que o Claude Opus 5.5? Não. O Opus 5.5 foi mais rápido nas oito tarefas: 57.2 segundos no total contra 139.6 do Argon. A maior diferença foi na tarefa de durações, com 14.0 segundos contra 60.9. ### Por que o Argon falhou numa tarefa? Não foi a lógica. A resposta de durações usava uma anotação `float | int | Decimal`, que o Python 3.9 não consegue avaliar na importação, então os 14 testes falharam antes de rodar. O mesmo arquivo passou 14 de 14 no Python 3.14. ## Fontes - [Página do modelo Gemini 4 Argon](https://ai.google.dev/gemini-api/docs/models/gemini-4-argon) - [Preços da API Gemini](https://ai.google.dev/gemini-api/docs/pricing) - [Níveis de thinking da API Gemini](https://ai.google.dev/gemini-api/docs/thinking) - [Ficha do modelo Gemini 4 Argon](https://deepmind.google/models/model-cards/gemini-4-argon/) - [Anúncio do Gemini 4 Argon](https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-argon/) - [Gemini 4 Argon no Vertex AI](https://cloud.google.com/vertex-ai/generative-ai/docs/models/gemini/4-argon) - [Preços da API Anthropic](https://platform.claude.com/docs/en/about-claude/pricing) - [Visão geral do Claude Opus 5.5](https://platform.claude.com/docs/en/models/opus-5-5/overview) - [Ajustes de effort da Anthropic](https://platform.claude.com/docs/en/build-with-claude/effort) Todas consultadas em 4 de novembro de 2026. ## Histórico de atualizações - 4 de novembro de 2026: primeira publicação. Testes rodados em 4 de novembro, pontuados no Python 3.9.6 e de novo no 3.14.3.