Мы сравнили Gemini 4 Argon и Gemini 3.1 Pro Preview на браузерных задачах

Если ваш браузерный агент сейчас работает на Gemini 3.1 Pro Preview, мы рекомендовали бы перейти на Gemini 4 Argon. В наших сравнительных экспериментах Gemini 4 Argon и Gemini 3.1 Pro каждую модель запустили на 15 браузерных задачах — небольшом, но сложном тестовом наборе. Из этих 15 попыток Argon успешно завершил 11, а 3.1 Pro — только 5.
Argon успешно выполнил все задачи, с которыми справился 3.1 Pro, проделав примерно вдвое меньше работы. Он использовал 23.9 вызова инструментов на задачу против 52.1 у 3.1 Pro. На длительных задачах с несколькими сайтами 3.1 Pro трижды исчерпал лимит в 100 шагов, не выдав результата, а Argon — ни разу.
По стоимости одинаковой работы модели почти равны, но с учётом неудачных попыток Argon дешевле. На 5 задачах, с которыми справились обе модели, Argon стоил $0.588 на задачу, а 3.1 Pro — $0.598. С учётом всех попыток расходы на одну успешную попытку составили $1.62 у Argon и $4.02 у 3.1 Pro. Однако 1 декабря 2026 года заявленные Google тарифы Argon удваиваются, поэтому учитывайте это повышение.
| Модель | Доля успешных попыток | Стоимость на задачу: 5 задач, успешно выполненных обеими моделями | Стоимость на успешную попытку: все 15 задач |
|---|---|---|---|
| Gemini 4 Argon | 73.3% (11/15) | $0.588 | $1.62 |
| Gemini 3.1 Pro Preview | 33.3% (5/15) | $0.598 | $4.02 |
(Стоимость рассчитана по тарифам Google, действующим по 30 ноября 2026 года включительно)
Успешность выполнения задач
На нашем тестовом наборе Gemini 4 Argon надёжнее. Argon успешно выполнил 6 задач, с которыми не справился 3.1 Pro, тогда как 3.1 Pro не выполнил ни одной задачи, с которой не справился Argon. На остальных задачах модели показали одинаковые результаты. Среди 6 задач, где Argon был лучше, — сбор данных с нескольких сайтов, проверка публикаций в соцсетях, поиск и сравнение.
Модели ошибались по-разному. В трёх из 10 неудачных попыток 3.1 Pro исчерпал лимит в 100 шагов и не выдал ответа. Все три задачи требовали работы с 9 или более сайтами. Ещё в пяти случаях причиной были галлюцинации или неверные ответы. В задаче подготовки обзора инфляции 3.1 Pro указал 324,000 как среднегодовой CPI за 2025 год, хотя в таблице BLS это среднее за второе полугодие. К таким ошибкам мы относились бы особенно осторожно: число действительно есть в источнике и потому выглядит достоверным, но на вопрос не отвечает.
Argon успешно выполнил ту же задачу в ego(lite). На этих 15 задачах он ни разу не исчерпал лимит шагов. В трёх из его 4 неудач он дал два значения для одного поля, что считается неверным ответом. При поиске сведений о моделях с открытыми весами Argon указал правильное общее число параметров — 668.95 миллиарда, — но затем предложил альтернативное значение 664.95 миллиарда. Это лишнее действие привело к неудаче. Если ваш код читает ответ агента, следите, чтобы каждое поле содержало только одно значение.
Стоимость
До конца ноября модели стоят примерно одинаково. Но с наступлением декабря тарифы Argon повышаются. На 5 задачах, с которыми справились обе модели, средняя стоимость на задачу составила $0.588 у Argon и $0.598 у 3.1 Pro. По тарифам 3.1 Pro использование токенов Argon на этих задачах обошлось бы в $0.646: более низкая цена токена Argon компенсирует немного больший расход. На некешированный ввод приходится $0.421 из $0.588 у Argon и $0.212 из $0.598 у 3.1 Pro.
Более заметная разница в стоимости связана с неудачными попытками. Каждая из 3 попыток 3.1 Pro, исчерпавших лимит шагов, стоила в среднем $3.48 — в 4.3 раза больше, чем остальные его попытки, — и ни одна не дала ответа. Эти 3 попытки составили 51.8% всех расходов 3.1 Pro. С учётом каждой попытки Argon потратил $1.62 на одну успешную попытку, а 3.1 Pro — $4.02.
Google на своей странице тарифов Gemini API указывает для Argon с 1 декабря 2026 года $4 за миллион входных токенов, $20 за миллион выходных и $0.20 за миллион кешированных токенов. Это вдвое выше прежних тарифов. Для 3.1 Pro изменений цен не объявлено.
| Gemini 4 Argon, по 30 ноября | Gemini 4 Argon, с 1 декабря | Gemini 3.1 Pro Preview | |
|---|---|---|---|
| Стоимость на задачу: 5 задач, успешно выполненных обеими моделями | $0.588 | $1.176 | $0.598 |
| Стоимость на успешную попытку: все 15 задач | $1.62 | $3.25 | $4.02 |
Для декабрьского сценария к зафиксированному нами использованию токенов применены новые тарифы Google.
С декабря доплата за Argon — это плата за надёжность. Если задачи вашего агента 3.1 Pro уже выполняет успешно, 3.1 Pro будет стоить меньше на задачу: по декабрьским тарифам он был дешевле на всех 5 задачах, с которыми справились обе модели. Если среди ваших задач есть те, которые 3.1 Pro не выполняет, Argon справляется с большим их числом и по-прежнему стоит меньше на успешную попытку: $3.25 против $4.02.
Как работает каждая модель
Gemini 4 Argon часто открывает несколько сайтов одной браузерной командой, тогда как 3.1 Pro открывает по одной странице и продолжает работу. Браузерная команда — один скрипт, который модель отправляет ego-browser. На 15 задачах две или более страницы открывали 22.4% из 246 браузерных команд Argon против 2.5% из 489 у 3.1 Pro. Argon требовалось 16.4 браузерной команды на задачу, а 3.1 Pro — 32.6.
Задача по центральным банкам показывает, что это означает для длительной работы. Нужно найти первое решение по ставке за 2026 год для каждого из 12 центральных банков: дату, само решение, ставку, особые мнения и дату следующего заседания. Argon завершил задачу за 16 браузерных команд, причём 14 из них открывали страницы от 2 до 7 банков. Он успешно выполнил задачу с 29 вызовами инструментов за $1.24. 3.1 Pro отправил 73 браузерные команды, и ни одна не открывала больше одной страницы. Он использовал все 100 шагов, остановился на открытии страницы 9-го банка — Банка Кореи — и не дал ответа. Эта попытка стоила $3.36.

Обе модели использовали один браузер на одних сайтах, поэтому разница заключалась в том, какой объём работы охватывал каждый ответ. Именно это позволило Argon уложиться в лимит 100 шагов на задачах, требующих обхода списка сайтов.
Подробнее о Gemini 4 Argon
Чтобы выяснить, как Argon справляется с более сложными задачами, мы подготовили специально для него 13 отдельных тестов. На всех 28 браузерных задачах доля успеха снижается с увеличением числа задействованных сайтов.
| Масштаб задачи | Задачи | Доля успешных попыток | Стоимость на задачу | Вызовы инструментов на задачу |
|---|---|---|---|---|
| От одного до трёх сайтов | 11 | 72.7% (8/11) | $0.469 | 16.4 |
| Девять и более сайтов | 14 | 57.1% (8/14) | $2.377 | 35.2 |
В задачах с девятью и более сайтами Argon успешно выполнил 8 из 14. Максимум составил 67 вызовов инструментов из 100 разрешённых; лимит ни разу не был исчерпан. Работа над этими задачами, затрагивающими более девяти сайтов, стоила Argon в среднем $2.377 на задачу. Четыре из шести неудач были неверными ответами, причём в 2 случаях для одного поля были даны два значения. Это подтверждает уже отмеченную склонность давать лишние ответы.
В более коротких задачах с одним–тремя сайтами Argon успешно выполнил 8 из 11 при средней стоимости $0.469. В двух из 3 неудач он дал два значения для одного поля, а третья была неверным ответом в задаче с веб-приложением.
Мы советуем планировать работу с учётом масштаба задач. Короткий поиск сведений с Argon стоит меньше пятидесяти центов. Длительная задача с несколькими сайтами стоит несколько долларов, может занять почти час и завершалась успешно в 57% случаев.
Что выбрать
Переходите на Gemini 4 Argon, если нынешняя доля успешных попыток вашего 3.1 Pro вас не устраивает. До конца ноября стоимость на задачу у него примерно такая же, как у 3.1 Pro, а стоимость на успешную попытку остаётся ниже даже после декабрьского изменения тарифов, поскольку он выполняет работу без лишнего расхода токенов.
Остаться на Gemini 3.1 Pro Preview имеет смысл в одном случае. С 1 декабря он стоит меньше на задачу для работы, с которой уже справляется; в наших запусках это были 5 из 15 задач.
Мы запускали Argon под идентификатором gemini-4-argon с высоким уровнем рассуждений в среде агента pi, используя ego-browser как его браузер. ego-browser поставляется вместе с ego(lite) и управляет им как браузером агента.
Частые вопросы
Лучше ли Gemini 4 Argon, чем Gemini 3.1 Pro, для браузерных агентов? Да, Gemini 4 Argon успешно завершил 11 из 15 попыток выполнения браузерных задач, а Gemini 3.1 Pro Preview — 5. Argon справился со всеми задачами, выполненными 3.1 Pro, и ещё с 6, на которых 3.1 Pro потерпел неудачу. Наибольшая разница была в задачах с 9 или более сайтами: на них 3.1 Pro трижды исчерпал лимит 100 шагов.
Стоит ли переходить с Gemini 3.1 Pro на Gemini 4 Argon? Переходите, если вашему агенту нужно успешно завершать больше задач: Gemini 4 Argon справился с 11 из 15 попыток, а Gemini 3.1 Pro Preview — с 5. По 30 ноября 2026 года включительно обе модели стоят примерно от $0.59 до $0.60 на задачу для работы, с которой справились обе. С 1 декабря тарифы Argon удваиваются, поэтому 3.1 Pro дешевле на задачах, которые уже выполняет успешно.
Дешевле ли Gemini 4 Argon, чем Gemini 3.1 Pro? По тарифам, действующим по 30 ноября 2026 года включительно, Gemini 4 Argon стоил $0.588 на задачу, а Gemini 3.1 Pro Preview — $0.598 на 5 задачах, с которыми справились обе модели. С учётом неудачных попыток Argon потратил $1.62 на успешную попытку, а 3.1 Pro — $4.02. Неудачи 3.1 Pro были дорогими: его 3 попытки, исчерпавшие лимит шагов, стоили в среднем $3.48 каждая.
Сколько стоит Gemini 4 Argon после 1 декабря 2026 года? Google указывает для Gemini 4 Argon с 1 декабря 2026 года $4 за миллион входных токенов, $20 за миллион выходных и $0.20 за миллион кешированных токенов. По этим тарифам наши запуски стоили бы $1.176 на задачу на 5 задачах, с которыми справились обе модели, против $0.598 у Gemini 3.1 Pro Preview. На успешную попытку Argon стоил бы $3.25, а 3.1 Pro — $4.02.
Использует ли Gemini 4 Argon меньше шагов, чем Gemini 3.1 Pro? Да, на тех же 15 задачах Gemini 4 Argon использовал 23.9 вызова инструментов на задачу, а Gemini 3.1 Pro Preview — 52.1. Argon открывал две или более страницы в 22.4% своих браузерных команд против 2.5% у 3.1 Pro. На самой длительной задаче он использовал 67 вызовов инструментов при лимите в 100 шагов.
Почему Gemini 3.1 Pro исчерпывает лимит шагов на браузерных задачах? Gemini 3.1 Pro Preview исчерпал лимит 100 шагов на 3 из 15 задач; все они требовали работы с 9 или более сайтами. Он открывал по одной странице на браузерную команду, поэтому задача по 12 банкам потребовала больше ответов, чем позволял лимит. На той же задаче в том же браузере Gemini 4 Argon завершил работу за 29 вызовов инструментов.
Как Gemini 4 Argon справляется со сбором данных с нескольких сайтов? Gemini 4 Argon успешно выполнил 8 из 14 своих задач, охватывающих девять или более сайтов. Он ни разу не исчерпал на них лимит шагов, но 2 попытки достигли часового лимита времени без ответа. Средняя стоимость этих задач составила $2.377 на задачу.
В чём Gemini 4 Argon по-прежнему ошибается? Gemini 4 Argon не справился с 4 из 15 общих попыток; в 3 из них он дал два значения для одного поля. В одной задаче он указал правильное число параметров — 668.95 миллиарда, — а затем предложил альтернативу 664.95 миллиарда. Gemini 3.1 Pro Preview сделал то же самое в 2 своих неудачных попытках, поэтому проверяйте, чтобы каждое поле ответа содержало одно значение.
Есть ли ещё смысл использовать Gemini 3.1 Pro? Gemini 3.1 Pro Preview успешно завершил 5 из 15 попыток, и с 1 декабря 2026 года он дешевле Gemini 4 Argon на этих 5 задачах. По декабрьским тарифам он был дешевле на всех 5. На задачах, с которыми он ещё не справляется, Argon успешно выполнил больше задач и потратил меньше на успешную попытку.
Может ли Gemini 4 Argon управлять браузерным агентом с ego-browser? Да, мы запустили Gemini 4 Argon с высоким уровнем рассуждений в среде агента pi с ego-browser, и он успешно завершил 11 из 15 попыток. Модель писала скрипты ego-browser через инструмент bash агента и читала текст страницы, возвращаемый каждым скриптом. На самой длительной задаче она использовала 67 вызовов инструментов при лимите 100 шагов.
Как мы проводили тестирование
Мы сравнили Gemini 4 Argon (google/gemini-4-argon) и Gemini 3.1 Pro Preview (gemini-3.1-pro-preview), в обоих случаях с высоким уровнем рассуждений. Обе модели работали в среде агента pi версии 1.5.0 с одной и той же сборкой ego-browser в ego(lite) на macOS. Модель получает skill-файл ego-browser, пишет браузерные скрипты через инструмент bash и читает текст страницы, возвращаемый каждым скриптом. Argon вызывался через ZenMux, а 3.1 Pro — через Gemini API Google. Argon запускался 4 ноября 2026 года, а 3.1 Pro — 5 ноября 2026 года.
Каждую модель запустили на 28 задачах из нашего набора задач на эффективность, причём 15 из них запускались с обеими моделями. Для сравнения используются 15 общих задач с одной попыткой каждой модели на задачу. Попытка — один запуск одной задачи одной моделью. В разделе о масштабе задач используются все 28 задач Argon. Общие задачи разделены на пять групп, и каждая задача относится только к одной группе: сбор одинаковых полей со многих официальных сайтов, проверка публикаций в X по официальным страницам, поиск сведений на одном–трёх сайтах, исследования без жёстких рамок и деловое веб-приложение.
На каждую попытку отводились 100 шагов и один час. Шаг — один ответ модели, обычно содержащий один вызов инструмента. Вызов инструмента — одна команда, которую модель отправляет через агента. Браузерная команда — вызов инструмента, запускающий скрипт ego-browser; открытие двух или более страниц определяется по переходам на страницы в этом скрипте. Попытка считается успешной, только если её окончательный ответ соответствует каждому пункту эталонного ответа задачи. Ответ с двумя значениями для одного поля считается неудачным.
Стоимость рассчитана по числу использованных в каждой попытке токенов и тарифам Gemini API Google, действующим по 30 ноября 2026 года включительно. Для Argon это $2 за миллион входных токенов, $10 за миллион выходных и $0.10 за миллион кешированных токенов. Для 3.1 Pro Preview соответствующие тарифы составляют $2, $12 и $0.20 при объёме до 200000 токенов на промпт включительно и $4, $18 и $0.40 выше этого порога. Стоимость на задачу — среднее по 5 задачам, успешно выполненным обеими моделями. Стоимость на успешную попытку — стоимость всех 15 попыток, делённая на число успешных попыток.
Полные результаты
В каждой ячейке указан результат одной попытки и её стоимость по тарифам, действующим по 30 ноября 2026 года включительно. «Исчерпан лимит шагов» означает попытку, использовавшую все 100 шагов без ответа, а «исчерпан лимит времени» — попытку, достигшую часового лимита без ответа.
| Задача | Группа | Gemini 4 Argon | Gemini 3.1 Pro Preview |
|---|---|---|---|
| Решения по ставкам 12 центральных банков | Много официальных сайтов | Успех, $1.243 | Неудача, исчерпан лимит шагов, $3.356 |
| 9 моделей с открытыми весами | Много официальных сайтов | Неудача, $3.548 | Неудача, исчерпан лимит шагов, $4.324 |
| Минимальная зарплата в 9 юрисдикциях | Много официальных сайтов | Успех, $3.269 | Неудача, исчерпан лимит шагов, $2.745 |
| Соблюдение требований 9 поставщиками SaaS | Много официальных сайтов | Успех, $2.590 | Неудача, $1.176 |
| Обновления безопасности 8 проектов с открытым кодом: сверка публикаций в X с бюллетенями | Публикации в X | Успех, $1.490 | Успех, $1.564 |
| 8 запусков продуктов: сверка публикаций в X с пресс-релизами | Публикации в X | Успех, $1.211 | Неудача, $1.005 |
| Сверка публикаций о запусках SpaceX в X с Wikipedia | Публикации в X | Успех, $0.483 | Успех, $0.325 |
| Срез KYC-данных по четырём британским компаниям | От одного до трёх сайтов | Неудача, $0.525 | Неудача, $0.955 |
| Сопоставить клинические исследования с инструкциями к препаратам | От одного до трёх сайтов | Неудача, $1.203 | Неудача, $0.831 |
| Обзор инфляции по материалам FRED со сверкой с BLS | От одного до трёх сайтов | Успех, $0.248 | Неудача, $0.267 |
| Веб-возможности на MDN и Can I use | От одного до трёх сайтов | Успех, $0.560 | Неудача, $0.967 |
| Учебные заметки по лекции, коду и научной статье | От одного до трёх сайтов | Успех, $0.283 | Успех, $0.403 |
| Модели с объёмом вычислений выше порогов ЕС | Исследование без жёстких рамок | Успех, $0.300 | Успех, $0.287 |
| Найти источники таблицы Wikipedia | Исследование без жёстких рамок | Неудача, $0.528 | Неудача, $1.495 |
| Привести мониторы сервисов в соответствие со стандартом | Веб-приложение для бизнеса | Успех, $0.384 | Успех, $0.412 |
Остальные 13 задач Gemini 4 Argon, использованные в разделе о масштабе задач. Каждая ячейка — одна попытка.
| Задача | Сайты | Gemini 4 Argon |
|---|---|---|
| Последние стабильные версии 9 настольных браузеров | 13 | Успех, $0.726 |
| Бесплатные тарифы 9 CI-сервисов | 9 | Неудача, исчерпан лимит времени, $3.393 |
| 8 опросов разработчиков | 8 | Неудача, $4.987 |
| Одно землетрясение по данным 9 агентств | 9 | Неудача, $4.039 |
| Одна игра по данным 8 рейтинговых комиссий | 8 | Неудача, $4.180 |
| Один эстамп в 10 музейных коллекциях | 10 | Успех, $3.296 |
| Среда выполнения protobuf в 9 реестрах пакетов | 9 | Неудача, $0.856 |
| Актуальные редакции 9 стандартов | 9 | Успех, $2.143 |
| 8 подписаний контрактов: сверка публикаций в X с сайтами клубов | 16 | Неудача, исчерпан лимит времени, $4.947 |
| Проверить 10 утверждений в еженедельном обзоре ИИ | 7 | Успех, $1.316 |
| Проверка соблюдения сроков перевозчиками и правил оповещения | 1 | Неудача, $0.769 |
| Обеспечить замены на дежурствах с учётом отсутствия сотрудников | 1 | Успех, $0.182 |
| Оформить суточные на питание | 1 | Успех, $0.217 |
Журнал обновлений: впервые опубликовано 9 ноября 2026 года. Тестовые запуски — 4 и 5 ноября 2026 года.
