Gemini 4 Argon vs Claude Opus 5.5: thắng benchmark, thua ở bài thực tế
Google ra mắt Gemini 4 Argon ngày 13/10/2026 và gọi đây là một thế hệ mới chứ không phải một bản cập nhật. Bảng benchmark nói đúng như vậy: Argon dẫn gần hết các dòng khi đặt cạnh những model mạnh nhất thị trường, còn giá API công bố lúc ra mắt — 2 đô cho một triệu token đầu vào và 10 đô cho một triệu token đầu ra — chỉ bằng một nửa model đầu bảng của Anthropic.
Nên câu hỏi hiển nhiên là: thứ bạn thực sự giao đi có tốt hơn không. Sáu bài build, mỗi bài một prompt, cùng một prompt cho cả hai model, chạy song song:
| # | Bài build |
|---|---|
| 1 | Landing page nước hoa cao cấp |
| 2 | Video intro animation 15 giây |
| 3 | Game kiểu Minecraft |
| 4 | Dashboard bán hàng từ một file CSV |
| 5 | Tìm và sửa bug tính tiền ở bước checkout |
| 6 | Sandbox mô phỏng hiện tượng vật lý |
Argon thua cả sáu. Đó là kết quả, phần còn lại của bài là chi tiết phía sau — gồm cả hai chỗ Argon thật sự tốt hơn, và dòng chữ nhỏ có ghi ngày tháng nằm dưới mức giá đã khiến nó trông rẻ.
Về bài viết này
Viết từ video trên kênh. Sáu lượt chạy, chi phí, thời gian và các lựa chọn đều là những gì diễn ra trên màn hình.
Những chỗ được ghi chú thay vì khẳng định: các con số benchmark ở phần đầu là của chính Google, lấy từ trang công bố trong video, không phải đo độc lập. Chi phí và thời gian từng bài lấy từ phần thống kê session của từng công cụ, tức là đang so hai người ghi sổ khác nhau. Mỗi bài build được chấm bằng mắt, chạy một lần, bởi một người — đây là so sánh thực dụng, không phải một benchmark có kiểm soát. Tên sản phẩm bị phụ đề tự động làm sai nặng, nên đã đối chiếu với tài liệu của cả hai hãng trước khi đưa vào đây.
Muốn xem thẳng trên YouTube?
Xem trên YouTube — hoặc đăng ký kênh để không bỏ lỡ video sau.
Google nói Argon là gì
Nên có sẵn trước mắt, vì nó dựng lên khoảng cách:
| Gemini 4 Argon | |
|---|---|
| Ra mắt | 13/10/2026 |
| Xây dựng | Một thế hệ mới, không phải sửa từ model cũ |
| Đầu vào | Văn bản, ảnh, audio, file |
| Context | 1 triệu token, so với 64K ở thế hệ trước |
| Kiến trúc | Mixture of experts được scale lên — chỉ kích hoạt những chuyên gia hợp với prompt |
| Mức xử lý | low, medium, high |
| Giá lúc ra mắt | 2 đô / 10 đô cho một triệu token, vào và ra |
| Ở đâu | Google AI Studio, Vertex AI |
Mức xử lý quan trọng cho việc so sánh công bằng, và cả hai bên đều để medium xuyên suốt.
Trên bảng benchmark của Google, Argon dẫn đầu một chỉ số tổng hợp với 68,9%, đạt 91,9% ở hạng mục coding, giữ 99,7% khả năng nhớ ở mức 128–256K context và 84,2% khi kéo lên một triệu, và khoảng 68% ở mảng an ninh mạng — hơn ba model đầu bảng còn lại ở gần như mọi dòng.
Có một con số trong phần đó không khớp với phần còn lại, và nó đến từ một bảng xếp hạng độc lập chứ không phải từ Google: trên bảng đó Argon đứng thứ bảy trên 352 model, xếp sau Opus 5.5. Bảng của hãng và bảng độc lập đang trả lời hai câu hỏi khác nhau, và ở đây chúng đã lệch nhau từ trước khi chạy bài build đầu tiên.
Cách chạy cuộc so sánh
Mỗi model được chạy qua công cụ của chính hãng đó, cũng là cách phần lớn người dùng sẽ gặp nó:
| Model | Công cụ | |
|---|---|---|
| Gemini 4 Argon (medium) | Antigravity 2.24.0 | |
| Anthropic | Claude Opus 5.5 (medium) | Claude Code 2.4 |
Luật chơi cố tình đặt đơn giản: prompt giống hệt nhau, dán vào cả hai; không skill, không plugin, không chỉ dẫn riêng. Mỗi bài test chạy trong một session riêng để đọc được chi phí và thời gian của từng bài. Sáu bài, chạy song song hai công cụ, tổng cộng khoảng hai tiếng.
Việc gạt skill và plugin ra ngoài là lựa chọn đúng cho một bài so model, và đáng nói thành lời: chính nó khiến kết quả là phát biểu về hai model, chứ không phải về cách cài đặt của hai người.
Bài 1 — Landing page nước hoa cao cấp
Prompt nêu rõ thương hiệu, các khối nội dung, hướng hình ảnh, giọng điệu và định dạng đầu ra.
Cả hai đều ra một trang hợp lý với bố cục gần giống nhau — hero, phần thân, thông tin sản phẩm, footer. Khác nhau nằm ở chi tiết:
- Argon — bố cục ổn; ảnh sinh ra nhìn không thật, và có một thẻ sản phẩm bấm không được.
- Opus 5.5 — có animation khi vào trang, hiệu ứng khói nước hoa, và ảnh nhìn thuyết phục hơn.
| Chi phí | Thời gian | Input | Output | |
|---|---|---|---|---|
| Argon | ~0,20 đô | 8 phút | 112K | 68K |
| Opus 5.5 | ~2 đô | 6 phút | 38K | 44,6K |
Opus đắt gấp khoảng mười lần mà vẫn xong sớm hơn hai phút, với một phần ba lượng token đầu vào. Chọn: Opus 5.5.
Bài 2 — Video intro animation 15 giây
Prompt nêu title card, ràng buộc kỹ thuật, định dạng đầu ra và phong cách.
Opus cho ra bản tốt hơn — hiệu ứng phát sáng và cách bố trí được người chấm thích hơn. Bản của Argon dùng được.
| Chi phí | Thời gian | |
|---|---|---|
| Argon | ~0,31–0,45 đô | 4 phút |
| Opus 5.5 | 1,55 đô | 6 phút |
Ở bài này Argon vừa rẻ hơn vừa nhanh hơn. Nó vẫn thua ở kết quả. Chọn: Opus 5.5.
Bài 3 — Game kiểu Minecraft
Prompt nêu thế giới, người chơi, UI và phần hình ảnh. Đây là bài mà khoảng cách thôi không còn là chuyện gu thẩm mỹ:
- Argon — UI nhìn ổn, các phím chọn khối chạy được, nhưng phím cách không làm gì cả. Không nhảy được. Cũng không có âm thanh.
- Opus 5.5 — nhảy được, có âm thanh, và giao diện nhìn khá hơn.
| Chi phí | Thời gian | |
|---|---|---|
| Argon | 0,55 đô | 6 phút |
| Opus 5.5 | 2 đô | 8 phút |
Một game nhảy mà không nhảy được thì không phải bản build rẻ hơn, nó là bản chưa xong. Chọn: Opus 5.5.
Bài 4 — Dashboard bán hàng từ một file CSV
Dữ liệu thật đưa vào, kèm yêu cầu về KPI, các cách bóc doanh thu, bộ lọc, thiết kế và ràng buộc kỹ thuật.
- Argon — các chỉ số đều có: doanh thu theo tháng, theo sản phẩm, theo thành phố, theo kênh, cộng phần ghi chú dữ liệu và ô tìm kiếm chạy được. Cơ bản, nhưng đúng.
- Opus 5.5 — nền tối, nhiều dạng biểu đồ hơn, bảng dữ liệu đặt ngay cạnh biểu đồ thay vì ở dưới, đổi được màu, và có danh sách đơn hàng. Đối chiếu vài số với nguồn thì khớp.
| Chi phí | Thời gian | |
|---|---|---|
| Argon | 1,78 đô | 16 phút |
| Opus 5.5 | 1,84 đô | 7 phút |
Đây là dòng đáng chú ý nhất cả bài. Chi phí hai bên chênh nhau bốn xu — còn Opus làm xong trong chưa tới một nửa thời gian. Ở đúng bài có dữ liệu thật phải nhai, lợi thế giá của Argon bốc hơi hoàn toàn. Chọn: Opus 5.5.
Bài 5 — Tìm và sửa bug tính tiền ở bước checkout
Một lỗi logic cố ý trong phần tính tiền checkout, kèm đoạn code mẫu. Câu hỏi chỉ là mỗi model có tìm ra không và nhanh cỡ nào.
Cả hai đều tìm ra và sửa đúng, cùng cho ra con số đúng là 797.
| Chi phí | Thời gian | |
|---|---|---|
| Argon | 0,27 đô | 2 phút |
| Opus 5.5 | 0,69 đô | 1 phút |
Tức là: Argon rẻ bằng một phần ba, Opus nhanh gấp đôi, kết quả đúng như nhau. Đây là bài duy nhất mà model rẻ hơn có cơ sở thật sự, và lựa chọn nghiêng về Opus nhờ tốc độ — với một con bug đơn giản thế này, khoảng cách đó nhỏ tới mức chọn bên nào cũng được. Chọn: Opus 5.5.
Bài 6 — Sandbox mô phỏng hiện tượng vật lý
Cát, nước, dầu, đá, gỗ, lửa, khói, hơi nước và thực vật trong cùng một trang, câu hỏi là từng thứ có hành xử đúng như ngoài đời không.
- Argon — cát rơi xuyên nước đúng, dầu cũng ổn, nhưng lửa đốt được nước. Thế là xong.
- Opus 5.5 — lửa đốt gỗ và thực vật, nước dập được lửa, dầu bén lửa, và lửa rơi xuống nước thì tắt.
| Chi phí | Thời gian | |
|---|---|---|
| Argon | 0,38 đô | 5 phút |
| Opus 5.5 | 1,19 đô | lâu hơn Argon |
Một sandbox sai luật chơi thì là bản demo của luật sai. Chọn: Opus 5.5.
Bảng tổng kết
Chấm trên thang mười theo ba trục, đây là điểm của chính người làm video:
| Argon 4 | Opus 5.5 | |
|---|---|---|
| Chất lượng | 6,5 | 9,5 |
| Tốc độ | 5,5 | 8,0 |
| Chi phí / token | 7,5 | 6,5 |
| Số bài thắng | 0 | 6 |
Đọc kỹ dòng chi phí. Đó là dòng duy nhất Argon thắng, và cũng là dòng sắp thay đổi.
Mức giá rẻ có ngày hết hạn
Giá 2 đô / 10 đô là giá giới thiệu. Theo biểu giá công bố, mức này áp dụng tới 30/11/2026, sau đó Argon lên 4 đô / 20 đô cho một triệu token — đúng bằng giá niêm yết tiêu chuẩn của Claude Opus 5.5.
Điều đó đặt lại toàn bộ các cột chi phí phía trên. Khoảng cách đang đo ở đây không phải lợi thế cấu trúc của model này so với model kia; nó là một đợt khuyến mãi ra mắt có ghi ngày. Từ tháng 12, đúng sáu bài build đó tốn tiền xấp xỉ như nhau ở cả hai bên — và cột duy nhất còn đứng lại là chất lượng.
Nếu kế hoạch của bạn dựa trên việc dùng model rẻ hơn, kế hoạch đó cần rà lại vào ngày 1/12.
Điều tôi rút ra
Benchmark của hãng và sản phẩm giao đi đo hai thứ khác nhau. Argon dẫn gần hết các dòng trong bảng của Google và thua sáu trên sáu bài build. Chính bảng xếp hạng độc lập trong cùng phần đó, nơi xếp Argon sau Opus 5.5, mới là thứ dự đoán đúng kết quả thực tế.
Các lỗi đều thuộc về chức năng, không phải thẩm mỹ. Phím cách không làm gì và lửa đốt được nước không phải chuyện gu. Nhìn lướt thì cả hai bản build đều xong; phải dùng mới biết một bản chưa xong.
Rẻ trên mỗi token không có nghĩa là rẻ trên mỗi đầu việc. Ở bài dashboard, model có giá token bằng một nửa lại tốn đúng bằng tiền và mất gấp đôi thời gian. Giá trên một triệu token chỉ trở thành giá cho một đầu việc sau khi bạn biết việc đó ngốn bao nhiêu token và phải làm lại mấy lần.
Chỗ Argon thắng rõ là những việc đơn giản, đã được mô tả kỹ. Bài sửa bug tốn một phần ba và vẫn đúng. Đó là kết quả thật, và nó chỉ ra cách dùng hợp lý cho một model như vậy: rẻ và nhanh ở chỗ việc hẹp, còn chỗ mà output chính là sản phẩm thì dùng model đắt.
Bài liên quan
- Gemini 3.7 Flash: hạng 23 thực sự mua được gì — cùng câu hỏi nhìn từ đầu kia: trả ít tới đâu thì chất lượng bắt đầu thành vấn đề.
- Google Antigravity 2.0: màn hình phân quyền mới là câu chuyện — công cụ đã chạy phía Google trong cuộc so sánh này.
- Codex: thư mục local mới là sản phẩm — một nền tảng agent khác, và mô hình phân quyền bên dưới nó.