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

14 мин чтения
Абстрактный небесно-голубой коллаж для сравнения результатов браузерных задач и стоимости Gemini 4 Argon и Gemini 3.1 Pro

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.

МодельДоля успешных попытокСтоимость на задачу: 5 задач, успешно выполненных обеими моделямиСтоимость на успешную попытку: все 15 задач
Gemini 4 Argon73.3% (11/15)$0.588$1.62
Gemini 3.1 Pro Preview33.3% (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 ноябряGemini 4 Argon, с 1 декабряGemini 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.

Заявление Copom в ego(lite): ставка Selic сохранена на уровне 15.00%, опубликовано 28 января 2026 года
В заявлении бразильского Copom от 28 января 2026 года, показанном в ego(lite), сообщается, что ставка Selic остаётся на уровне 15.00%. Посмотреть снимок экрана в полном размере

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 задачиЗадачиДоля успешных попытокСтоимость на задачуВызовы инструментов на задачу
От одного до трёх сайтов1172.7% (8/11)$0.46916.4
Девять и более сайтов1457.1% (8/14)$2.37735.2

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.

ЗадачаГруппаGemini 4 ArgonGemini 3.1 Pro Preview
Решения по ставкам 12 центральных банковМного официальных сайтовУспех, $1.243Неудача, исчерпан лимит шагов, $3.356
9 моделей с открытыми весамиМного официальных сайтовНеудача, $3.548Неудача, исчерпан лимит шагов, $4.324
Минимальная зарплата в 9 юрисдикцияхМного официальных сайтовУспех, $3.269Неудача, исчерпан лимит шагов, $2.745
Соблюдение требований 9 поставщиками SaaSМного официальных сайтовУспех, $2.590Неудача, $1.176
Обновления безопасности 8 проектов с открытым кодом: сверка публикаций в X с бюллетенямиПубликации в XУспех, $1.490Успех, $1.564
8 запусков продуктов: сверка публикаций в X с пресс-релизамиПубликации в XУспех, $1.211Неудача, $1.005
Сверка публикаций о запусках SpaceX в X с WikipediaПубликации в XУспех, $0.483Успех, $0.325
Срез KYC-данных по четырём британским компаниямОт одного до трёх сайтовНеудача, $0.525Неудача, $0.955
Сопоставить клинические исследования с инструкциями к препаратамОт одного до трёх сайтовНеудача, $1.203Неудача, $0.831
Обзор инфляции по материалам FRED со сверкой с BLSОт одного до трёх сайтовУспех, $0.248Неудача, $0.267
Веб-возможности на MDN и Can I useОт одного до трёх сайтовУспех, $0.560Неудача, $0.967
Учебные заметки по лекции, коду и научной статьеОт одного до трёх сайтовУспех, $0.283Успех, $0.403
Модели с объёмом вычислений выше порогов ЕСИсследование без жёстких рамокУспех, $0.300Успех, $0.287
Найти источники таблицы WikipediaИсследование без жёстких рамокНеудача, $0.528Неудача, $1.495
Привести мониторы сервисов в соответствие со стандартомВеб-приложение для бизнесаУспех, $0.384Успех, $0.412

Остальные 13 задач Gemini 4 Argon, использованные в разделе о масштабе задач. Каждая ячейка — одна попытка.

ЗадачаСайтыGemini 4 Argon
Последние стабильные версии 9 настольных браузеров13Успех, $0.726
Бесплатные тарифы 9 CI-сервисов9Неудача, исчерпан лимит времени, $3.393
8 опросов разработчиков8Неудача, $4.987
Одно землетрясение по данным 9 агентств9Неудача, $4.039
Одна игра по данным 8 рейтинговых комиссий8Неудача, $4.180
Один эстамп в 10 музейных коллекциях10Успех, $3.296
Среда выполнения protobuf в 9 реестрах пакетов9Неудача, $0.856
Актуальные редакции 9 стандартов9Успех, $2.143
8 подписаний контрактов: сверка публикаций в X с сайтами клубов16Неудача, исчерпан лимит времени, $4.947
Проверить 10 утверждений в еженедельном обзоре ИИ7Успех, $1.316
Проверка соблюдения сроков перевозчиками и правил оповещения1Неудача, $0.769
Обеспечить замены на дежурствах с учётом отсутствия сотрудников1Успех, $0.182
Оформить суточные на питание1Успех, $0.217

Журнал обновлений: впервые опубликовано 9 ноября 2026 года. Тестовые запуски — 4 и 5 ноября 2026 года.