हमने ब्राउज़र टास्क पर Gemini 4 Argon और Gemini 3.1 Pro Preview का तुलनात्मक परीक्षण किया

अगर आपका ब्राउज़र एजेंट अभी Gemini 3.1 Pro Preview पर चलता है, तो हम Gemini 4 Argon पर जाने की सलाह देंगे। Gemini 4 Argon बनाम Gemini 3.1 Pro के हमारे तुलनात्मक प्रयोगों में हर मॉडल को 15 ब्राउज़र टास्क पर चलाया गया—यह छोटा, लेकिन चुनौतीपूर्ण टेस्ट सेट था। इन 15 प्रयासों में Argon 11 में सफल रहा, जबकि 3.1 Pro केवल 5 में।
Argon उन सभी टास्क में सफल रहा जिनमें 3.1 Pro सफल रहा, और उसे ऐसा करने के लिए लगभग आधा काम करना पड़ा। उसने प्रति टास्क 23.9 टूल कॉल कीं, जबकि 3.1 Pro ने 52.1 कीं। कई साइटों वाले लंबे टास्क में 3.1 Pro तीन बार नतीजा दिए बिना 100 चरणों की सीमा तक पहुँच गया, जबकि Argon के साथ ऐसा कभी नहीं हुआ।
एक ही काम की लागत में दोनों मॉडल लगभग बराबर हैं, लेकिन असफल प्रयास भी गिनें तो Argon सस्ता है। जिन 5 टास्क में दोनों सफल रहे, उनमें Argon की प्रति टास्क लागत $0.588 थी और 3.1 Pro की $0.598। सभी प्रयास गिनने पर Argon का प्रति सफल प्रयास खर्च $1.62 था और 3.1 Pro का $4.02। हालाँकि, 1 दिसंबर 2026 को Argon के लिए Google की सूचीबद्ध कीमत दोगुनी हो जाती है, इसलिए इस बढ़ोतरी का ध्यान रखें।
| मॉडल | सफलता दर | प्रति टास्क लागत, वे 5 टास्क जिनमें दोनों सफल रहे | प्रति सफल प्रयास लागत, सभी 15 टास्क |
|---|---|---|---|
| Gemini 4 Argon | 73.3% (11/15) | $0.588 | $1.62 |
| Gemini 3.1 Pro Preview | 33.3% (5/15) | $0.598 | $4.02 |
(लागत में 30 नवंबर 2026 तक की Google की सूचीबद्ध दरें इस्तेमाल हुई हैं)
टास्क में सफलता
हमारे टेस्ट सेट पर Gemini 4 Argon अधिक भरोसेमंद मॉडल है। Argon उन 6 टास्क में सफल रहा जिनमें 3.1 Pro असफल रहा, जबकि 3.1 Pro ऐसे किसी टास्क में सफल नहीं रहा जिसमें Argon असफल रहा हो। बाकी टास्क में दोनों मॉडलों के नतीजे समान थे। जिन 6 में Argon बेहतर रहा, उनमें कई साइटों से डेटा इकट्ठा करना, सोशल मीडिया सत्यापन और खोज व तुलना वाले काम शामिल हैं।
दोनों मॉडल अलग-अलग तरीक़ों से असफल रहे। 3.1 Pro के 10 असफल प्रयासों में से तीन में 100 चरणों की सीमा ख़त्म हो गई और कोई जवाब नहीं मिला। ये सभी काम 9 या अधिक साइटों पर थे। पाँच में मनगढ़ंत जानकारी या ग़लत जवाब थे। मुद्रास्फीति का संक्षिप्त विवरण बनाने वाले एक टास्क में 3.1 Pro ने 2025 के सालाना CPI औसत के रूप में 324.000 बताया, लेकिन यह संख्या असल में BLS तालिका में दूसरी छमाही का औसत है। इस तरह की ग़लती को लेकर हम ख़ास सावधानी बरतेंगे: संख्या स्रोत में मौजूद है, इसलिए विश्वसनीय लगती है, लेकिन वह सवाल का जवाब नहीं देती।
Argon, ego(lite) में उसी टास्क में सफल रहा। इन 15 टास्क में उसके चरणों की सीमा कभी ख़त्म नहीं हुई। उसकी 4 असफलताओं में से तीन में एक फ़ील्ड के लिए दो मान दिए गए, जिसे ग़लत जवाब माना जाता है। ओपन-वेट मॉडल के बारे में जानकारी खोजने वाले एक टास्क में Argon ने कुल पैरामीटरों की सही संख्या 668.95 अरब बताई, लेकिन फिर विकल्प के तौर पर 664.95 अरब भी बता दिया। इस अतिरिक्त कदम के कारण वह टास्क में असफल रहा। अगर आपका कोड एजेंट का जवाब पढ़ता है, तो सुनिश्चित करें कि हर फ़ील्ड में केवल एक मान हो।
लागत
नवंबर तक दोनों मॉडलों की लागत लगभग समान है। लेकिन दिसंबर आते ही Argon की कीमत बढ़ती है। जिन 5 टास्क में दोनों सफल रहे, उनमें Argon की औसत प्रति टास्क लागत $0.588 और 3.1 Pro की $0.598 थी। 3.1 Pro की दरों पर उन्हीं टास्क में Argon का टोकन उपयोग $0.646 का पड़ता। यानी Argon की कम प्रति-टोकन कीमत, उसके थोड़े अधिक उपयोग की भरपाई कर देती है। Argon के $0.588 में से $0.421 बिना कैश किए गए इनपुट के हैं और 3.1 Pro के $0.598 में से $0.212।
लागत में बड़ा अंतर असफल प्रयासों से आता है। 3.1 Pro के जिन 3 प्रयासों में चरणों की सीमा ख़त्म हुई, उनकी औसत लागत $3.48 प्रति प्रयास थी—बाकी प्रयासों की औसत लागत का 4.3 गुना—और किसी ने जवाब नहीं दिया। इन 3 प्रयासों पर 3.1 Pro के कुल खर्च का 51.8% लगा। हर प्रयास गिनने पर Argon ने प्रति सफल प्रयास $1.62 खर्च किए और 3.1 Pro ने $4.02।
Google के Gemini API मूल्य-निर्धारण पेज पर 1 दिसंबर 2026 से Argon की दरें प्रति दस लाख इनपुट टोकन $4, प्रति दस लाख आउटपुट टोकन $20 और प्रति दस लाख कैश टोकन $0.20 सूचीबद्ध हैं। यह पहले की कीमत का दोगुना है। 3.1 Pro की कीमत में बदलाव की कोई घोषणा नहीं हुई है।
| Gemini 4 Argon, 30 नवंबर तक | Gemini 4 Argon, 1 दिसंबर से | Gemini 3.1 Pro Preview | |
|---|---|---|---|
| प्रति टास्क लागत, वे 5 टास्क जिनमें दोनों सफल रहे | $0.588 | $1.176 | $0.598 |
| प्रति सफल प्रयास लागत, सभी 15 टास्क | $1.62 | $3.25 | $4.02 |
दिसंबर की लागत, हमारे दर्ज टोकन उपयोग पर Google की नई सूचीबद्ध दरें लागू करके निकाली गई है।
दिसंबर से Argon पर अतिरिक्त खर्च उसकी भरोसेमंदता की कीमत है। अगर आपके एजेंट के टास्क ऐसे हैं जिनमें 3.1 Pro पहले से सफल होता है, तो 3.1 Pro की प्रति टास्क लागत कम होगी: दिसंबर की दरों पर वह उन सभी 5 टास्क में सस्ता था जिनमें दोनों मॉडल सफल रहे। अगर आपके काम में ऐसे टास्क भी हैं जिनमें 3.1 Pro असफल होता है, तो Argon उनमें से अधिक में सफल होता है और उसका प्रति सफल प्रयास खर्च फिर भी कम रहता है: $3.25 बनाम $4.02।
हर मॉडल कैसे काम करता है
Gemini 4 Argon अक्सर एक ब्राउज़र कमांड में कई साइटें खोलता है, जबकि 3.1 Pro एक बार में एक पेज खोलकर आगे बढ़ता है। ब्राउज़र कमांड वह एक स्क्रिप्ट है जो मॉडल ego-browser को भेजता है। 15 टास्क में Argon की 246 ब्राउज़र कमांड में से 22.4% ने दो या अधिक पेज खोले, जबकि 3.1 Pro की 489 कमांड में यह 2.5% था। Argon को प्रति टास्क 16.4 ब्राउज़र कमांड की ज़रूरत पड़ी और 3.1 Pro को 32.6 की।
केंद्रीय बैंकों वाला टास्क दिखाता है कि लंबे काम में इसका क्या मतलब है। इसमें 12 केंद्रीय बैंकों में से हर एक के 2026 के पहले ब्याज-दर फ़ैसले की जानकारी माँगी गई: तारीख़, फ़ैसला, दर, कोई असहमति और अगली बैठक की तारीख़। Argon ने 16 ब्राउज़र कमांड में काम पूरा किया। इनमें 14 ऐसी कमांड थीं, जिनमें से हर एक ने 2 से 7 बैंकों के पेज खोले। वह 29 टूल कॉल के साथ सफल रहा और लागत $1.24 थी। 3.1 Pro ने 73 ब्राउज़र कमांड भेजीं और किसी ने एक से ज़्यादा पेज नहीं खोला। उसने सभी 100 चरण इस्तेमाल किए, 9वें बैंक, Bank of Korea, को खोलते समय रुक गया और कोई जवाब नहीं दिया। उस प्रयास की लागत $3.36 थी।

दोनों मॉडलों ने एक ही ब्राउज़र पर उन्हीं साइटों का उपयोग किया, इसलिए अंतर इस बात से आया कि हर जवाब में कितना काम शामिल था। इसी वजह से Argon साइटों की सूची पर काम करते समय 100 चरणों की सीमा के भीतर रहा।
Gemini 4 Argon के बारे में और जानकारी
Argon कठिन काम कैसे संभालता है, यह जानने के लिए हमने ख़ास तौर पर उसके लिए 13 अलग टेस्ट बनाए। कुल 28 ब्राउज़र टास्क में, शामिल साइटों की संख्या बढ़ने के साथ सफलता दर घटती है।
| काम का दायरा | टास्क | सफलता दर | प्रति टास्क लागत | प्रति टास्क टूल कॉल |
|---|---|---|---|---|
| एक से तीन साइटें | 11 | 72.7% (8/11) | $0.469 | 16.4 |
| नौ या अधिक साइटें | 14 | 57.1% (8/14) | $2.377 | 35.2 |
नौ या अधिक साइटों वाले कामों में Argon 14 में से 8 में सफल रहा। उसने अधिकतम 67 टूल कॉल कीं, जबकि अनुमत सीमा 100 थी; यह सीमा एक बार भी ख़त्म नहीं हुई। नौ से अधिक साइटों वाले इन टास्क पर काम करने की Argon की औसत लागत $2.377 प्रति टास्क थी। छह असफलताओं में से चार में ग़लत जवाब थे और इनमें से 2 में एक फ़ील्ड के दो मान दिए गए। इससे अतिरिक्त जवाब देने वाला पहले देखा गया पैटर्न फिर सामने आया।
एक से तीन साइटों वाले छोटे टास्क में Argon 11 में से 8 में सफल रहा और औसत लागत $0.469 थी। उसकी 3 असफलताओं में से दो में एक फ़ील्ड के दो मान दिए गए और तीसरी में वेब ऐप टास्क का जवाब ग़लत था।
हमारी सलाह है कि टास्क के दायरे के हिसाब से योजना बनाएँ। Argon से छोटी-सी जानकारी खोजने की लागत पचास सेंट से कम है। कई साइटों वाले लंबे काम में कुछ डॉलर खर्च होते हैं, वह लगभग एक घंटा चल सकता है और 57% बार सफल हुआ।
किसे इस्तेमाल करें
अगर आपके 3.1 Pro की मौजूदा सफलता दर संतोषजनक नहीं है, तो Gemini 4 Argon पर जाएँ। नवंबर तक उसकी प्रति टास्क लागत 3.1 Pro के बराबर है। दिसंबर की कीमत बदलने के बाद भी प्रति सफल प्रयास वह सस्ता रहता है, क्योंकि वह टोकन बर्बाद किए बिना काम पूरा करता है।
एक स्थिति में Gemini 3.1 Pro Preview पर बने रहना समझदारी है। 1 दिसंबर से उन टास्क में उसकी प्रति टास्क लागत कम है जिन्हें वह पहले से सफलतापूर्वक पूरा करता है। हमारे रन में ये 15 में से 5 टास्क थे।
हमने Argon को gemini-4-argon के रूप में high थिंकिंग लेवल पर pi एजेंट रनटाइम फ़्रेमवर्क में चलाया, जहाँ ego-browser उसका ब्राउज़र था। ego-browser, ego(lite) के साथ मिलता है और उसे एजेंट के ब्राउज़र के रूप में चलाता है।
अक्सर पूछे जाने वाले सवाल
क्या ब्राउज़र एजेंट के लिए Gemini 4 Argon, Gemini 3.1 Pro से बेहतर है? हाँ, Gemini 4 Argon ब्राउज़र टास्क के 15 प्रयासों में से 11 में सफल रहा और Gemini 3.1 Pro Preview, 5 में। Argon उन सभी टास्क में सफल रहा जिनमें 3.1 Pro सफल रहा, और 6 ऐसे टास्क में भी जिनमें 3.1 Pro असफल रहा। सबसे बड़ा सुधार 9 या अधिक साइटों वाले कामों में था, जहाँ 3.1 Pro ने तीन बार 100 चरणों की सीमा ख़त्म कर दी।
क्या मुझे Gemini 3.1 Pro से Gemini 4 Argon पर जाना चाहिए? अगर आपके एजेंट को अधिक टास्क पूरे करने हैं, तो बदलाव करें: Gemini 4 Argon, 15 में से 11 प्रयासों में सफल रहा और Gemini 3.1 Pro Preview, 5 में। 30 नवंबर 2026 तक, जिन टास्क में दोनों सफल रहे उनकी प्रति टास्क लागत लगभग $0.59 से $0.60 है। 1 दिसंबर से Argon की सूचीबद्ध कीमत दोगुनी हो जाती है, इसलिए जिन टास्क में 3.1 Pro पहले से सफल होता है उनमें वह सस्ता पड़ता है।
क्या Gemini 4 Argon, Gemini 3.1 Pro से सस्ता है? 30 नवंबर 2026 तक की दरों पर, जिन 5 टास्क में दोनों सफल रहे उनमें Gemini 4 Argon की प्रति टास्क लागत $0.588 और Gemini 3.1 Pro Preview की $0.598 थी। असफल प्रयासों को भी शामिल करने पर Argon का प्रति सफल प्रयास खर्च $1.62 और 3.1 Pro का $4.02 था। 3.1 Pro की असफलताएँ महँगी थीं, क्योंकि उसके जिन 3 प्रयासों में चरण ख़त्म हुए उनकी औसत लागत $3.48 प्रति प्रयास थी।
1 दिसंबर 2026 के बाद Gemini 4 Argon की लागत कितनी है? Google ने 1 दिसंबर 2026 से Gemini 4 Argon की दरें प्रति दस लाख इनपुट टोकन $4, प्रति दस लाख आउटपुट टोकन $20 और प्रति दस लाख कैश टोकन $0.20 सूचीबद्ध की हैं। इन दरों पर, जिन 5 टास्क में दोनों मॉडल सफल रहे उनमें हमारे रन की प्रति टास्क लागत $1.176 होती, जबकि Gemini 3.1 Pro Preview की $0.598। प्रति सफल प्रयास Argon की लागत $3.25 और 3.1 Pro की $4.02 होती।
क्या Gemini 4 Argon, Gemini 3.1 Pro से कम चरण इस्तेमाल करता है? हाँ, उन्हीं 15 टास्क में Gemini 4 Argon ने प्रति टास्क 23.9 टूल कॉल कीं और Gemini 3.1 Pro Preview ने 52.1। Argon की 22.4% ब्राउज़र कमांड ने दो या अधिक पेज खोले, जबकि 3.1 Pro के लिए यह 2.5% था। उसके सबसे लंबे टास्क में 100 चरणों की सीमा के अंतर्गत 67 टूल कॉल हुईं।
ब्राउज़र टास्क में Gemini 3.1 Pro के चरण क्यों ख़त्म हो जाते हैं? Gemini 3.1 Pro Preview ने 15 में से 3 टास्क पर 100 चरणों की सीमा ख़त्म कर दी। ये सभी काम 9 या अधिक साइटों पर थे। वह हर ब्राउज़र कमांड में एक पेज खोलता था, इसलिए 12 बैंकों वाले टास्क में अनुमत सीमा से अधिक जवाबों की ज़रूरत पड़ी। उसी टास्क में, उसी ब्राउज़र पर Gemini 4 Argon ने 29 टूल कॉल में काम पूरा किया।
Gemini 4 Argon कई साइटों से डेटा इकट्ठा करने का काम कैसे संभालता है? Gemini 4 Argon अपने उन 14 टास्क में से 8 में सफल रहा जो नौ या अधिक साइटों पर थे। इनमें उसके चरण कभी ख़त्म नहीं हुए, लेकिन 2 प्रयास बिना जवाब दिए एक घंटे की समय-सीमा तक चले। इन कामों की औसत लागत $2.377 प्रति टास्क थी।
Gemini 4 Argon अब भी क्या ग़लत करता है? Gemini 4 Argon के 15 साझा प्रयासों में से 4 असफल रहे और इनमें से 3 में एक फ़ील्ड के लिए दो मान दिए गए। एक टास्क में उसने पैरामीटरों की सही संख्या 668.95 अरब बताई, फिर विकल्प के तौर पर 664.95 अरब भी बताया। Gemini 3.1 Pro Preview ने अपनी 2 असफलताओं में यही किया, इसलिए जाँचें कि जवाब के हर फ़ील्ड में एक ही मान हो।
क्या Gemini 3.1 Pro अब भी इस्तेमाल करने लायक है? Gemini 3.1 Pro Preview, 15 में से 5 प्रयासों में सफल रहा और 1 दिसंबर 2026 से उन्हीं 5 टास्क में वह Gemini 4 Argon से सस्ता है। दिसंबर की दरों पर वह सभी 5 में सस्ता था। जिन कामों में वह पहले से सफल नहीं होता, उनमें Argon अधिक टास्क में सफल रहा और प्रति सफल प्रयास कम खर्च किया।
क्या Gemini 4 Argon, ego-browser के साथ ब्राउज़र एजेंट चला सकता है? हाँ, हमने Gemini 4 Argon को high थिंकिंग लेवल पर pi एजेंट रनटाइम फ़्रेमवर्क में ego-browser के साथ चलाया और वह 15 में से 11 प्रयासों में सफल रहा। मॉडल, एजेंट के bash टूल से ego-browser स्क्रिप्ट लिखता था और हर स्क्रिप्ट से लौटा पेज का टेक्स्ट पढ़ता था। उसके सबसे लंबे टास्क में 100 चरणों की सीमा के अंतर्गत 67 टूल कॉल हुईं।
हमने परीक्षण कैसे किया
हमने Gemini 4 Argon (google/gemini-4-argon) और Gemini 3.1 Pro Preview (gemini-3.1-pro-preview) की तुलना की, दोनों को high थिंकिंग लेवल पर चलाकर। दोनों pi एजेंट रनटाइम फ़्रेमवर्क के वर्शन 1.5.0 में, macOS पर ego(lite) में ego-browser की एक ही बिल्ड के साथ चले। मॉडल को ego-browser की स्किल फ़ाइल मिलती है। वह अपने bash टूल से ब्राउज़र स्क्रिप्ट लिखता है और हर स्क्रिप्ट से लौटा पेज का टेक्स्ट पढ़ता है। Argon को ZenMux के ज़रिए और 3.1 Pro को Google के Gemini API के ज़रिए कॉल किया गया। Argon के रन 4 नवंबर 2026 को और 3.1 Pro के 5 नवंबर 2026 को हुए।
हर मॉडल को हमारे दक्षता टास्क सेट के 28 टास्क पर चलाया गया और इनमें 15 टास्क ऐसे थे जिन्हें दोनों मॉडलों के साथ चलाया गया था। तुलना उन्हीं 15 साझा टास्क पर है, हर टास्क में हर मॉडल के लिए एक प्रयास के साथ। एक प्रयास का मतलब एक मॉडल से एक टास्क का एक रन है। काम के दायरे वाला हिस्सा Argon के सभी 28 टास्क इस्तेमाल करता है। साझा टास्क पाँच समूहों में हैं और हर टास्क केवल एक समूह में है: कई आधिकारिक साइटों से समान फ़ील्ड इकट्ठा करना, X पोस्ट को आधिकारिक पेजों से जाँचना, एक से तीन साइटों पर जानकारी खोजना, खुले दायरे वाला शोध और एक व्यावसायिक वेब ऐप।
हर प्रयास के लिए 100 चरणों और एक घंटे की सीमा थी। एक चरण मॉडल का एक जवाब है, जिसमें आम तौर पर एक टूल कॉल होती है। एक टूल कॉल वह एक कमांड है जो मॉडल एजेंट के ज़रिए भेजता है। ब्राउज़र कमांड एक ऐसी टूल कॉल है जो ego-browser स्क्रिप्ट चलाती है। उसकी स्क्रिप्ट में पेज नेविगेशन के आधार पर हम गिनते हैं कि कमांड ने दो या अधिक पेज खोले या नहीं। प्रयास तभी सफल होता है जब उसका अंतिम जवाब टास्क की उत्तर-कुंजी के हर बिंदु को पूरा करे। किसी एक फ़ील्ड के लिए दो मान देने वाला जवाब असफल माना जाता है।
हर प्रयास के टोकन उपयोग पर 30 नवंबर 2026 तक की Google Gemini API की सूचीबद्ध दरें लगाकर लागत निकाली गई है। Argon के लिए ये दरें प्रति दस लाख इनपुट टोकन $2, प्रति दस लाख आउटपुट टोकन $10 और प्रति दस लाख कैश टोकन $0.10 हैं। 3.1 Pro Preview के लिए, प्रति प्रॉम्प्ट 200,000 टोकन तक ये दरें क्रमशः $2, $12 और $0.20 हैं; उससे अधिक पर $4, $18 और $0.40। प्रति टास्क लागत उन 5 टास्क का औसत है जिनमें दोनों मॉडल सफल रहे। प्रति सफल प्रयास लागत निकालने के लिए सभी 15 प्रयासों की लागत को सफल प्रयासों की संख्या से विभाजित किया जाता है।
पूरे परिणाम
हर सेल एक प्रयास का नतीजा और 30 नवंबर 2026 तक की सूचीबद्ध दरों पर उसकी लागत दिखाता है। “चरण ख़त्म” उस प्रयास को दर्शाता है जिसने जवाब दिए बिना 100 चरणों की सीमा इस्तेमाल कर ली। “समय ख़त्म” उस प्रयास को दर्शाता है जो जवाब दिए बिना एक घंटे की सीमा तक चला।
| टास्क | समूह | Gemini 4 Argon | Gemini 3.1 Pro Preview |
|---|---|---|---|
| 12 केंद्रीय बैंकों के ब्याज-दर फ़ैसले | कई आधिकारिक साइटें | सफल, $1.243 | असफल, चरण ख़त्म, $3.356 |
| 9 ओपन-वेट मॉडल | कई आधिकारिक साइटें | असफल, $3.548 | असफल, चरण ख़त्म, $4.324 |
| 9 अधिकार-क्षेत्रों में न्यूनतम वेतन | कई आधिकारिक साइटें | सफल, $3.269 | असफल, चरण ख़त्म, $2.745 |
| 9 SaaS विक्रेताओं का अनुपालन | कई आधिकारिक साइटें | सफल, $2.590 | असफल, $1.176 |
| 8 ओपन-सोर्स प्रोजेक्टों की सुरक्षा रिलीज़: X पोस्ट को एडवाइज़री से मिलाना | X पोस्ट | सफल, $1.490 | सफल, $1.564 |
| 8 उत्पाद लॉन्च: X पोस्ट को प्रेस रिलीज़ से मिलाना | X पोस्ट | सफल, $1.211 | असफल, $1.005 |
| X पर SpaceX की लॉन्च पोस्ट को Wikipedia से मिलाना | X पोस्ट | सफल, $0.483 | सफल, $0.325 |
| UK की चार कंपनियों का KYC स्नैपशॉट | एक से तीन साइटें | असफल, $0.525 | असफल, $0.955 |
| नैदानिक परीक्षणों को दवाओं के विवरणपत्रों से मिलाना | एक से तीन साइटें | असफल, $1.203 | असफल, $0.831 |
| FRED से मुद्रास्फीति का संक्षिप्त विवरण, BLS से जाँचा गया | एक से तीन साइटें | सफल, $0.248 | असफल, $0.267 |
| MDN और Can I use पर वेब फ़ीचर | एक से तीन साइटें | सफल, $0.560 | असफल, $0.967 |
| लेक्चर, कोड और शोधपत्र से अध्ययन नोट्स | एक से तीन साइटें | सफल, $0.283 | सफल, $0.403 |
| EU की कंप्यूट सीमाओं से ऊपर के मॉडल | खुले दायरे वाला शोध | सफल, $0.300 | सफल, $0.287 |
| Wikipedia की तालिका के स्रोतों का पता लगाना | खुले दायरे वाला शोध | असफल, $0.528 | असफल, $1.495 |
| सर्विस मॉनिटर को एक मानक के अनुसार ढालना | व्यावसायिक वेब ऐप | सफल, $0.384 | सफल, $0.412 |
Gemini 4 Argon के बाकी 13 टास्क, जो काम के दायरे वाले हिस्से में इस्तेमाल हुए। हर सेल एक प्रयास है।
| टास्क | साइटें | Gemini 4 Argon |
|---|---|---|
| 9 डेस्कटॉप ब्राउज़रों की नवीनतम स्थिर रिलीज़ | 13 | सफल, $0.726 |
| 9 CI सेवाओं के मुफ़्त प्लान | 9 | असफल, समय ख़त्म, $3.393 |
| 8 डेवलपर सर्वे | 8 | असफल, $4.987 |
| 9 एजेंसियों में एक भूकंप का विवरण | 9 | असफल, $4.039 |
| 8 रेटिंग बोर्डों पर एक गेम | 8 | असफल, $4.180 |
| संग्रहालयों के 10 संग्रहों में एक प्रिंट | 10 | सफल, $3.296 |
| 9 पैकेज रजिस्ट्रियों में protobuf रनटाइम | 9 | असफल, $0.856 |
| 9 मानकों के मौजूदा संस्करण | 9 | सफल, $2.143 |
| क्लबों के 8 अनुबंध: X पोस्ट को क्लब साइटों से मिलाना | 16 | असफल, समय ख़त्म, $4.947 |
| साप्ताहिक AI सारांश के 10 दावों की जाँच करना | 7 | सफल, $1.316 |
| वाहकों की समयबद्धता की समीक्षा और अलर्ट नियम | 1 | असफल, $0.769 |
| छुट्टियों को ध्यान में रखकर ऑन-कॉल शिफ़्ट भरना | 1 | सफल, $0.182 |
| दैनिक भोजन भत्ते का दावा करना | 1 | सफल, $0.217 |
अपडेट लॉग: पहली बार 9 नवंबर 2026 को प्रकाशित। टेस्ट रन 4 और 5 नवंबर 2026 को हुए।
