Wir haben Gemini 4 Argon und Gemini 3.1 Pro Preview bei Browseraufgaben verglichen

Wenn Ihr Browseragent aktuell Gemini 3.1 Pro Preview verwendet, würden wir einen Wechsel zu Gemini 4 Argon empfehlen. In unseren Benchmark-Versuchen mit Gemini 4 Argon und Gemini 3.1 Pro bearbeitete jedes Modell 15 Browseraufgaben: ein kleines, aber anspruchsvolles Testset. Von diesen 15 Versuchen bestand Argon 11, während 3.1 Pro nur 5 bestand.
Argon bestand jede Aufgabe, die 3.1 Pro bestand, mit ungefähr halb so viel Arbeit. Es benötigte 23.9 Tool-Aufrufe pro Aufgabe, während 3.1 Pro 52.1 benötigte. Bei langen Aufgaben über mehrere Websites schöpfte 3.1 Pro dreimal sein Budget von 100 Schritten aus, ohne ein Ergebnis zu liefern. Bei Argon kam das nie vor.
Bei gleicher Arbeit liegen die Kosten der beiden Modelle gleichauf. Zählt man auch fehlgeschlagene Versuche mit, ist Argon günstiger. Bei den 5 Aufgaben, die beide bestanden, kostete Argon $0.588 pro Aufgabe und 3.1 Pro $0.598. Über alle Versuche hinweg gab Argon $1.62 pro erfolgreichem Versuch aus, 3.1 Pro dagegen $4.02. Allerdings verdoppelt sich Googles Listenpreis für Argon am 1. Dezember 2026. Behalten Sie diese Preiserhöhung im Blick.
| Modell | Erfolgsquote | Kosten pro Aufgabe, 5 von beiden bestandene Aufgaben | Kosten pro erfolgreichem Versuch, alle 15 Aufgaben |
|---|---|---|---|
| Gemini 4 Argon | 73.3% (11/15) | $0.588 | $1.62 |
| Gemini 3.1 Pro Preview | 33.3% (5/15) | $0.598 | $4.02 |
(Kosten zu Googles Listenpreisen bis einschließlich 30. November 2026)
Aufgabenerfolg
In unserem Testset ist Gemini 4 Argon das zuverlässigere Modell. Argon bestand 6 Aufgaben, an denen 3.1 Pro scheiterte. Umgekehrt bestand 3.1 Pro keine Aufgabe, an der Argon scheiterte. Bei den übrigen Aufgaben hatten beide Modelle dieselben Ergebnisse. Zu den 6 Aufgaben mit Argons Vorsprung gehören Datensammlung über mehrere Websites, Überprüfung in sozialen Medien und Such- und Vergleichsaufgaben.
Die beiden Modelle scheiterten auf unterschiedliche Weise. Drei der 10 fehlgeschlagenen Versuche von 3.1 Pro schöpften das Budget von 100 Schritten ohne Antwort aus. Alle betrafen Aufgaben über 9 oder mehr Websites. Fünf waren schlicht Halluzinationen oder falsche Antworten. Bei einem Inflationsbriefing nannte 3.1 Pro 324,000 als CPI-Jahresdurchschnitt für 2025. Dieser Wert ist jedoch der Durchschnitt des zweiten Halbjahrs in der BLS-Tabelle. Bei solchen Fehlern wären wir besonders vorsichtig: Die Zahl steht tatsächlich in der Quelle und wirkt dadurch glaubwürdig, beantwortet aber nicht die Frage.
Argon bestand dieselbe Aufgabe in ego(lite) und schöpfte bei diesen 15 Aufgaben nie die verfügbaren Schritte aus. Bei drei seiner 4 Fehlschläge lieferte es zwei Werte für ein Feld, was als falsche Antwort zählt. Bei einer Informationsrecherche zu Modellen mit offenen Gewichten gab Argon die korrekte Gesamtzahl von 668.95 Milliarden Parametern an und nannte danach 664.95 Milliarden als Alternative. Dieser Zusatz führte zum Scheitern der Aufgabe. Wenn Ihr Code die Antwort des Agenten ausliest, stellen Sie sicher, dass jedes Feld nur einen Wert enthält.
Kosten
Bis einschließlich November kosten beide Modelle ungefähr gleich viel. Im Dezember steigt jedoch Argons Preis. Bei den 5 von beiden bestandenen Aufgaben kostete Argon im Mittel $0.588 pro Aufgabe und 3.1 Pro $0.598. Zu den Tarifen von 3.1 Pro hätte Argons Nutzung bei diesen Aufgaben $0.646 gekostet. Sein niedrigerer Preis pro Token gleicht also die etwas höhere Nutzung aus. Nicht zwischengespeicherte Eingaben machen $0.421 von Argons $0.588 und $0.212 von den $0.598 bei 3.1 Pro aus.
Der größere Kostenunterschied entsteht bei fehlgeschlagenen Versuchen. Jeder der 3 Versuche von 3.1 Pro, bei denen die Schritte ausgingen, kostete im Mittel $3.48: das 4.3-Fache der durchschnittlichen Kosten seiner anderen Versuche. Keiner lieferte eine Antwort. Diese 3 Versuche verursachten 51.8% aller Ausgaben von 3.1 Pro. Zählt man jeden Versuch mit, gab Argon $1.62 pro erfolgreichem Versuch aus und 3.1 Pro $4.02.
Googles Preisseite zur Gemini API nennt für Argon ab dem 1. Dezember 2026 $4 pro Million Eingabe-Token, $20 pro Million Ausgabe-Token und $0.20 pro Million zwischengespeicherter Token. Das ist doppelt so viel wie zuvor. Für 3.1 Pro ist keine Preisänderung angekündigt.
| Gemini 4 Argon, bis einschließlich 30. November | Gemini 4 Argon, ab 1. Dezember | Gemini 3.1 Pro Preview | |
|---|---|---|---|
| Kosten pro Aufgabe, 5 von beiden bestandene Aufgaben | $0.588 | $1.176 | $0.598 |
| Kosten pro erfolgreichem Versuch, alle 15 Aufgaben | $1.62 | $3.25 | $4.02 |
Die Kosten zu den Preisen im Dezember ergeben sich, indem Googles neuer Listenpreis auf den von uns aufgezeichneten Tokenverbrauch angewendet wird.
Ab Dezember bezahlt man den Aufpreis für Argon für mehr Zuverlässigkeit. Wenn Ihr Agent Aufgaben bearbeitet, die 3.1 Pro bereits besteht, kostet 3.1 Pro pro Aufgabe weniger: Zu den Preisen im Dezember war es bei allen 5 von beiden Modellen bestandenen Aufgaben günstiger. Wenn Ihre Aufgaben auch solche umfassen, an denen 3.1 Pro scheitert, besteht Argon mehr davon und kostet pro erfolgreichem Versuch weiterhin weniger: $3.25 gegenüber $4.02.
So arbeiten die beiden Modelle
Gemini 4 Argon öffnet oft mehrere Websites mit einem Browserbefehl, während 3.1 Pro jeweils eine Seite öffnet und dann fortfährt. Ein Browserbefehl ist ein Skript, das das Modell an ego-browser sendet. Über die 15 Aufgaben hinweg öffneten 22.4% von Argons 246 Browserbefehlen zwei oder mehr Seiten, gegenüber 2.5% der 489 Befehle von 3.1 Pro. Argon benötigte 16.4 Browserbefehle pro Aufgabe, 3.1 Pro dagegen 32.6.
Die Zentralbankaufgabe zeigt, was das bei einer langen Aufgabe bedeutet. Gefragt war die erste Zinsentscheidung von 2026 für jede von 12 Zentralbanken: Datum, Entscheidung, Zinssatz, etwaige abweichende Stimmen und nächster Sitzungstermin. Argon war nach 16 Browserbefehlen fertig; 14 davon öffneten jeweils Seiten von 2 bis 7 Banken. Es bestand mit 29 Tool-Aufrufen bei Kosten von $1.24. 3.1 Pro sendete 73 Browserbefehle, von denen keiner mehr als eine Seite öffnete. Es verbrauchte alle 100 Schritte, stoppte beim Öffnen der 9. Bank, der Bank of Korea, und gab keine Antwort. Dieser Versuch kostete $3.36.

Beide Modelle nutzten denselben Browser auf denselben Websites. Der Unterschied lag daher darin, wie viel jede Antwort abdeckte. Dadurch blieb Argon bei Aufgaben, die eine Liste von Websites abarbeiten, innerhalb des Budgets von 100 Schritten.
Mehr über Gemini 4 Argon
Um zu untersuchen, wie Argon schwierigere Aufgaben bewältigt, haben wir eigens 13 weitere Tests für Argon entworfen. Bei insgesamt 28 Browseraufgaben sinkt die Erfolgsquote mit der Zahl der beteiligten Websites.
| Aufgabengröße | Anzahl der Aufgaben | Erfolgsquote | Kosten pro Aufgabe | Tool-Aufrufe pro Aufgabe |
|---|---|---|---|---|
| Eine bis drei Websites | 11 | 72.7% (8/11) | $0.469 | 16.4 |
| Neun oder mehr Websites | 14 | 57.1% (8/14) | $2.377 | 35.2 |
Bei Aufgaben über neun oder mehr Websites bestand Argon 8 von 14. Der höchste Wert lag bei 67 Tool-Aufrufen von 100 erlaubten, ohne das Budget jemals auszuschöpfen. Bei diesen Aufgaben über mehr als neun Websites kostete Argon im Mittel $2.377 pro Aufgabe. Vier der sechs Fehlschläge waren falsche Antworten; 2 davon lieferten zwei Werte für ein Feld. Das bestätigt das Muster zusätzlicher Antworten.
Bei kürzeren Aufgaben über eine bis drei Websites bestand Argon 8 von 11 bei mittleren Kosten von $0.469. Zwei seiner 3 Fehlschläge lieferten zwei Werte für ein Feld; der dritte war eine falsche Antwort bei einer Webapp-Aufgabe.
Unser Rat: Planen Sie entsprechend dem Umfang Ihrer Aufgaben. Eine kurze Abfrage mit Argon kostet weniger als fünfzig US-Cent. Eine lange Aufgabe über mehrere Websites kostet einige Dollar, kann fast eine Stunde dauern und war in 57% der Fälle erfolgreich.
Welches Modell wählen
Wechseln Sie zu Gemini 4 Argon, wenn Sie mit der aktuellen Erfolgsquote Ihres 3.1 Pro unzufrieden sind. Bei den Kosten pro Aufgabe liegt es bis einschließlich November gleichauf mit 3.1 Pro und bleibt auch nach der Preisänderung im Dezember pro erfolgreichem Versuch günstiger, weil es die Aufgabe erledigt, ohne Token zu verschwenden.
In einem Fall ist es sinnvoll, bei Gemini 3.1 Pro Preview zu bleiben. Ab dem 1. Dezember kostet es bei Aufgaben, die es bereits besteht, pro Aufgabe weniger. In unseren Durchläufen waren das 5 von 15 Aufgaben.
Wir haben Argon als gemini-4-argon mit dem Thinking-Level high im Agenten-Framework pi ausgeführt, mit ego-browser als Browser. ego-browser wird mit ego(lite) ausgeliefert und steuert das Programm als Browser des Agenten.
Häufige Fragen
Ist Gemini 4 Argon für Browseragenten besser als Gemini 3.1 Pro? Ja. Gemini 4 Argon war bei 11 von 15 Versuchen mit Browseraufgaben erfolgreich, Gemini 3.1 Pro Preview bei 5. Argon bestand jede Aufgabe, die 3.1 Pro bestand, und zusätzlich 6, an denen 3.1 Pro scheiterte. Die größten Fortschritte gab es bei Aufgaben über 9 oder mehr Websites, bei denen 3.1 Pro dreimal sein Budget von 100 Schritten ausschöpfte.
Sollte ich von Gemini 3.1 Pro zu Gemini 4 Argon wechseln? Wechseln Sie, wenn Ihr Agent mehr Aufgaben abschließen soll: Gemini 4 Argon war bei 11 von 15 Versuchen erfolgreich, Gemini 3.1 Pro Preview bei 5. Bis zum 30. November 2026 kosteten beide bei den Aufgaben, die beide bestanden, etwa $0.59 bis $0.60 pro Aufgabe. Ab dem 1. Dezember verdoppelt sich Argons Listenpreis. Deshalb kostet 3.1 Pro bei Aufgaben, die es bereits besteht, weniger.
Ist Gemini 4 Argon günstiger als Gemini 3.1 Pro? Zu den bis zum 30. November 2026 geltenden Preisen kostete Gemini 4 Argon bei den 5 Aufgaben, die beide Modelle bestanden, $0.588 pro Aufgabe und Gemini 3.1 Pro Preview $0.598. Einschließlich der fehlgeschlagenen Versuche gab Argon $1.62 pro erfolgreichem Versuch aus, 3.1 Pro dagegen $4.02. Die Fehlschläge von 3.1 Pro waren teuer: Die 3 Versuche, bei denen das Schrittkontingent aufgebraucht wurde, kosteten im Mittel jeweils $3.48.
Wie viel kostet Gemini 4 Argon nach dem 1. Dezember 2026? Google führt Gemini 4 Argon ab dem 1. Dezember 2026 mit $4 pro Million Eingabetokens, $20 pro Million Ausgabetokens und $0.20 pro Million gecachten Tokens auf. Zu diesen Preisen würden unsere Durchläufe bei den 5 Aufgaben, die beide Modelle bestanden, $1.176 pro Aufgabe kosten, gegenüber $0.598 für Gemini 3.1 Pro Preview. Pro erfolgreichem Versuch würde Argon $3.25 kosten und 3.1 Pro $4.02.
Braucht Gemini 4 Argon weniger Schritte als Gemini 3.1 Pro? Ja. Bei denselben 15 Aufgaben nutzte Gemini 4 Argon 23.9 Toolaufrufe pro Aufgabe, Gemini 3.1 Pro Preview dagegen 52.1. Argon öffnete in 22.4% seiner Browserbefehle zwei oder mehr Seiten, gegenüber 2.5% bei 3.1 Pro. Seine längste Aufgabe benötigte 67 Toolaufrufe bei einem Kontingent von 100 Schritten.
Warum gehen Gemini 3.1 Pro bei Browseraufgaben die Schritte aus? Gemini 3.1 Pro Preview verbrauchte bei 3 von 15 Aufgaben sein Kontingent von 100 Schritten vollständig. Alle drei Aufgaben erstreckten sich über 9 oder mehr Websites. Es öffnete pro Browserbefehl eine Seite, sodass eine Aufgabe zu 12 Banken mehr Antworten erforderte, als das Kontingent zuließ. Bei derselben Aufgabe im selben Browser war Gemini 4 Argon nach 29 Toolaufrufen fertig.
Wie bewältigt Gemini 4 Argon die Datenerhebung über mehrere Websites hinweg? Gemini 4 Argon bestand 8 der 14 bearbeiteten Aufgaben, die sich über neun oder mehr Websites erstreckten. Bei keiner dieser Aufgaben gingen ihm die Schritte aus. Allerdings erreichten 2 Versuche das Zeitlimit von einer Stunde, ohne eine Antwort zu liefern. Diese Aufgaben kosteten im Mittel $2.377 pro Aufgabe.
Welche Fehler macht Gemini 4 Argon weiterhin? Gemini 4 Argon scheiterte bei 4 seiner 15 gemeinsam getesteten Aufgabenversuche. Bei 3 dieser Fehlschläge gab es zwei Werte für dasselbe Feld an. Bei einer Aufgabe nannte es die korrekten 668.95 Milliarden Parameter und bot anschließend 664.95 Milliarden als Alternative an. Gemini 3.1 Pro Preview tat bei 2 seiner Fehlschläge dasselbe. Prüfen Sie deshalb, ob jedes Feld einer Antwort genau einen Wert enthält.
Lohnt sich Gemini 3.1 Pro weiterhin? Gemini 3.1 Pro Preview bestand 5 von 15 Versuchen und kostet bei diesen 5 Aufgaben ab dem 1. Dezember 2026 weniger als Gemini 4 Argon. Zu den Preisen im Dezember war es bei allen 5 günstiger. Bei Aufgaben, die es noch nicht besteht, war Argon bei mehr Aufgaben erfolgreich und gab pro erfolgreichem Versuch weniger aus.
Kann Gemini 4 Argon mit ego-browser einen Browseragenten betreiben? Ja. Wir führten Gemini 4 Argon mit hoher Denkintensität im Agentenframework pi und mit ego-browser aus. Es bestand 11 von 15 Versuchen. Das Modell schrieb über das bash-Tool des Agenten ego-browser-Skripte und las den Seitentext, den jedes Skript zurückgab. Seine längste Aufgabe benötigte 67 Toolaufrufe bei einem Kontingent von 100 Schritten.
So haben wir getestet
Wir verglichen Gemini 4 Argon (google/gemini-4-argon) und Gemini 3.1 Pro Preview (gemini-3.1-pro-preview), beide mit hoher Denkintensität. Beide liefen im Agentenframework pi, Version 1.5.0, mit demselben ego-browser-Build in ego(lite) unter macOS. Das Modell erhält die ego-browser-Skilldatei, schreibt über sein bash-Tool Browserskripte und liest den Seitentext, den jedes Skript zurückgibt. Argon wurde über ZenMux aufgerufen, 3.1 Pro über Googles Gemini API. Argon lief am 4. November 2026, 3.1 Pro am 5. November 2026.
Jedes Modell bearbeitete 28 Aufgaben aus unserem Effizienz-Aufgabensatz; 15 davon wurden von beiden Modellen bearbeitet. Der Vergleich umfasst diese 15 gemeinsamen Aufgaben mit einem Versuch pro Modell und Aufgabe. Ein Versuch ist ein Durchlauf einer Aufgabe mit einem Modell. Der Abschnitt zum Aufgabenumfang berücksichtigt alle 28 Aufgaben von Argon. Die gemeinsamen Aufgaben sind in fünf Gruppen eingeteilt, wobei jede Aufgabe genau einer Gruppe angehört. Die Gruppen umfassen das Erheben derselben Felder auf vielen offiziellen Websites, das Prüfen von X-Beiträgen anhand offizieller Seiten, das Nachschlagen auf einer bis drei Websites, ergebnisoffene Recherche und eine geschäftliche Webanwendung.
Jeder Versuch hatte ein Kontingent von 100 Schritten und einer Stunde. Ein Schritt ist eine Antwort des Modells, die in der Regel einen Toolaufruf auslöst. Ein Toolaufruf ist ein Befehl, den das Modell über den Agenten sendet. Ein Browserbefehl ist ein Toolaufruf, der ein ego-browser-Skript ausführt. Anhand der Seitennavigationen im Skript zählen wir, ob ein Befehl zwei oder mehr Seiten öffnet. Ein Versuch gilt nur dann als bestanden, wenn seine abschließende Antwort sämtliche Punkte des Lösungsschlüssels der Aufgabe erfüllt. Eine Antwort mit zwei Werten für dasselbe Feld gilt als nicht bestanden.
Die Kosten ergeben sich aus dem Tokenverbrauch jedes Versuchs, bewertet zu Googles bis zum 30. November 2026 geltenden Listenpreisen für die Gemini API. Für Argon sind das $2 pro Million Eingabetokens, $10 pro Million Ausgabetokens und $0.10 pro Million gecachten Tokens. Für 3.1 Pro Preview gelten bis zu 200 000 Tokens pro Prompt $2, $12 und $0.20; darüber sind es $4, $18 und $0.40. Die Kosten pro Aufgabe sind der Mittelwert der 5 Aufgaben, die beide Modelle bestanden. Für die Kosten pro erfolgreichem Versuch werden die Kosten aller 15 Versuche durch die Anzahl der erfolgreichen Versuche geteilt.
Vollständige Ergebnisse
Jede Zelle zeigt das Ergebnis eines Versuchs und dessen Kosten zu den bis zum 30. November 2026 geltenden Listenpreisen. „Schrittkontingent aufgebraucht“ kennzeichnet einen Versuch, der die 100 Schritte verbrauchte, ohne eine Antwort zu liefern. „Zeitlimit erreicht“ kennzeichnet einen Versuch, der das Zeitlimit von einer Stunde ohne Antwort erreichte.
| Aufgabe | Gruppe | Gemini 4 Argon | Gemini 3.1 Pro Preview |
|---|---|---|---|
| Zinsentscheidungen von 12 Zentralbanken | Viele offizielle Websites | Bestanden, $1.243 | Nicht bestanden, Schrittkontingent aufgebraucht, $3.356 |
| 9 Modelle mit offenen Gewichten | Viele offizielle Websites | Nicht bestanden, $3.548 | Nicht bestanden, Schrittkontingent aufgebraucht, $4.324 |
| Mindestlohn in 9 Rechtsordnungen | Viele offizielle Websites | Bestanden, $3.269 | Nicht bestanden, Schrittkontingent aufgebraucht, $2.745 |
| Compliance von 9 SaaS-Anbietern | Viele offizielle Websites | Bestanden, $2.590 | Nicht bestanden, $1.176 |
| Sicherheitsveröffentlichungen von 8 Open-Source-Projekten: X-Beiträge anhand von Sicherheitshinweisen prüfen | X-Beiträge | Bestanden, $1.490 | Bestanden, $1.564 |
| 8 Produkteinführungen: X-Beiträge anhand von Pressemitteilungen prüfen | X-Beiträge | Bestanden, $1.211 | Nicht bestanden, $1.005 |
| SpaceX-Beiträge zu Raketenstarts auf X anhand von Wikipedia prüfen | X-Beiträge | Bestanden, $0.483 | Bestanden, $0.325 |
| KYC-Momentaufnahme von vier britischen Unternehmen | Eine bis drei Websites | Nicht bestanden, $0.525 | Nicht bestanden, $0.955 |
| Klinische Studien den Arzneimittel-Fachinformationen zuordnen | Eine bis drei Websites | Nicht bestanden, $1.203 | Nicht bestanden, $0.831 |
| Inflationsbericht aus FRED, anhand von BLS geprüft | Eine bis drei Websites | Bestanden, $0.248 | Nicht bestanden, $0.267 |
| Webfunktionen auf MDN und Can I use | Eine bis drei Websites | Bestanden, $0.560 | Nicht bestanden, $0.967 |
| Lernnotizen aus einer Vorlesung, Code und einer wissenschaftlichen Arbeit | Eine bis drei Websites | Bestanden, $0.283 | Bestanden, $0.403 |
| Modelle oberhalb der EU-Schwellenwerte für den Rechenaufwand | Ergebnisoffene Recherche | Bestanden, $0.300 | Bestanden, $0.287 |
| Eine Wikipedia-Tabelle bis zu ihren Quellen zurückverfolgen | Ergebnisoffene Recherche | Nicht bestanden, $0.528 | Nicht bestanden, $1.495 |
| Dienstüberwachungen an einen Standard anpassen | Geschäftliche Webanwendung | Bestanden, $0.384 | Bestanden, $0.412 |
Die weiteren 13 Aufgaben von Gemini 4 Argon, die im Abschnitt zum Aufgabenumfang berücksichtigt werden. Jede Zelle entspricht einem Versuch.
| Aufgabe | Websites | Gemini 4 Argon |
|---|---|---|
| Neueste stabile Version von 9 Desktopbrowsern | 13 | Bestanden, $0.726 |
| Kostenlose Tarife von 9 CI-Diensten | 9 | Nicht bestanden, Zeitlimit erreicht, $3.393 |
| 8 Entwicklerumfragen | 8 | Nicht bestanden, $4.987 |
| Ein Erdbeben bei 9 Fachstellen | 9 | Nicht bestanden, $4.039 |
| Ein Spiel bei 8 Altersfreigabestellen | 8 | Nicht bestanden, $4.180 |
| Eine Druckgrafik in 10 Museumssammlungen | 10 | Bestanden, $3.296 |
| Die protobuf-Laufzeit in 9 Paketregistries | 9 | Nicht bestanden, $0.856 |
| Aktuelle Ausgaben von 9 Standards | 9 | Bestanden, $2.143 |
| 8 Vereinsneuzugänge: X-Beiträge anhand der Vereinswebsites prüfen | 16 | Nicht bestanden, Zeitlimit erreicht, $4.947 |
| 10 Aussagen in einem wöchentlichen KI-Rückblick prüfen | 7 | Bestanden, $1.316 |
| Pünktlichkeitsprüfung und Warnregeln für Transportunternehmen | 1 | Nicht bestanden, $0.769 |
| Bereitschaftsschichten unter Berücksichtigung von Abwesenheiten besetzen | 1 | Bestanden, $0.182 |
| Tägliche Verpflegungspauschalen beantragen | 1 | Bestanden, $0.217 |
Änderungsprotokoll: Erstveröffentlichung am 9. November 2026. Testdurchläufe am 4. und 5. November 2026.
