实测Gemini 4 Argon对比Claude Opus 5.5与GPT 6.1：定价相近却全面落后

谷歌终于推出了Gemini 4 Argon，距离上一次模型更新已过去约八个月。这款模型被明确定位为对抗ChatGPT和Claude的旗舰产品，从命名和参数规模来看确实称得上有实力。但实际体验下来，我的结论是：模型本身不错，但以它的定价而言，很难说服用户放弃更便宜且表现更好的竞品。

我通过Google Antigravity（谷歌官方的Gemini开发环境）将Gemini 4 Argon设为高思考强度，同时让Claude Opus 5.5、GPT 6.1 Sol以及开源代表DeepSeek^广告 V4.1 Flash运行完全相同的提示词，从像素画生成器、3D飞行模拟器到音乐可视化工具，做了三轮横向对比。

像素画生成器：被ChatGPT和Claude甩开

第一个任务是把上传图片转换成真正的像素艺术，而非简单打码降质。Claude Opus 5.5生成了多个预设风格（8-bit、16-bit、复古RPG、现代独立、街机、舒适粉彩等），其中16-bit和现代独立风格效果最成熟。GPT 6.1更进一步，直接利用ChatGPT Sites功能把生成器部署为可访问的在线站点。

Gemini 4 Argon的表现明显落后。8-bit和16-bit预设都不尽如人意，现代独立风格甚至更差。DeepSeek的结果同样不理想，预设风格整体偏粗糙。这一轮胜者清晰：GPT 6.1视觉最精致，Claude Opus紧随其后，Gemini和DeepSeek差距明显。

说个细节，这里并没有使用图像模型，纯粹依靠前端代码模拟像素化效果，因此结果差异反映的是模型对视觉风格的理解与代码生成能力。

3D飞行模拟器：可玩但控制手感不及Claude

第二个任务更具挑战性：构建一个浏览器端可玩的3D飞行模拟器，使用Three.js技术，并用同一张飞机图片作为参照。

Gemini 4 Argon的版本相当可玩，飞机外形与上传图片一致，可以切换摄像机角度，增加引擎功率时还能看到引擎尾焰——这个细节加分不少。

DeepSeek版本出现明显bug：跑道上长满树木，飞机无故左偏，控制困难，基本不具备可玩性。

GPT 6.1 Sol的视觉距离感最好，地图干净无故障，但操控偏重且响应迟钝，W键的俯仰方向与常规飞行游戏相反，需要适应。

Claude Opus 5.5则提供了图形质量档位（低/中/高）和一天中不同时段的场景选择，操控手感最接近真实飞行游戏——有重量感但可控、可预测，UI也最简洁。这一轮的赢家仍是Claude Opus 5.5。

Three.js 是一个基于 WebGL 的开源 JavaScript 3D 图形库，运行于浏览器中，无需插件即可渲染三维场景。它封装了 WebGL 的底层接口，提供场景图、相机、光照、材质、几何体等高层抽象，并支持阴影、后处理、动画循环等特性。在本测试中，模型需要用 Three.js 构建飞机模型、跑道地形、摄像机控制和物理式飞行操作，因此生成的代码质量直接决定了场景的真实感、交互响应以及是否存在穿模、坐标错乱等 bug。Three.js 也是评估模型前端 3D 代码能力时最常用的技术栈之一。

音乐可视化：Chaos与克制的两端

第三个任务上传音频并生成音乐可视化效果。Gemini 4 Argon的版本对节拍响应敏感，视觉元素四处跳动，但画面缺乏结构感，甚至不如早期2000年代的音乐播放器视觉来得悦目。

GPT 6.1走向另一端：对重拍的反应过于克制，几乎看不到明显变化，但整体视觉干净，提供颜色和模式设置，观感更舒适。DeepSeek提供类似分形绽放的效果，敏感度介于两者之间，但画面不算好看。

Claude Opus 5.5的设计最复杂，对音乐的敏感度也足够，视觉风格最为精致。综合来看，Claude Opus在这一轮再次胜出，Gemini与GPT大致打平，但考虑价格后Gemini的竞争力进一步被削弱。

定价与速度：这才是关键问题

Gemini 4 Argon目前仍享受谷歌的折扣价，约为原价一半，但今年十二月起价格将上调至与Claude Opus 5.5相近的水平。根据独立基准平台Artificial Analysis的数据，Gemini 4 Argon高努力模式大致与Claude Fable 5.1、GPT 6 Astra最佳努力模式处于同一梯队，但落后于Claude Sonnet 5.5最佳努力模式、Meta AI的Amuse Wonder以及Claude Opus 5.5最佳努力模式。

更关键的是，Gemini 4 Argon在演示中持续表现出"过度思考"的倾向：模型本身不慢，但它会自动反复迭代、自我测试，导致一个任务可能需要一到数小时才能完成。GPT 6.1 Sol不仅价格更低、速度更快，在多数测试中表现还更好。DeepSeek V4.1 Flash则是性价比之王，价格远低于1美元级别，token量充足，效率极高。

此外，Gemini 4 Argon的使用额度独立计算，与Gemini其他模型分开，类似Anthropic将Claude Fable与Haiku/Sonnet/Opus分开统计的做法。免费版和Google AI Plus订阅无法使用该模型，至少需要Google AI Pro及以上档位。

Artificial Analysis 是一家独立第三方 AI 模型评测与分析机构，通过统一 API 对各家模型进行标准化测试，并汇总吞吐速度、延迟、单位成本以及综合智能指数等指标。它不做厂商赞助的定向评测，因此在对比不同公司模型的实际性能与性价比时被广泛引用。由于各家模型的默认参数、思考预算和定价策略差异很大，第三方统一基准往往比厂商自报数据更具参考价值——文中所说的“同一梯队”“最佳努力模式”等排序，正是建立在这类标准化测试口径之上。

所谓“过度思考”（overthinking），是指具备推理能力的模型在给出最终答案前，会自行展开多轮内部推理、自我检查与迭代修正。这一机制在数学、代码等复杂任务上能提升正确率，但也会显著拉长端到端耗时，并消耗更多 token。不同模型对思考预算的控制策略不同：有的会在置信度足够时提前收敛，有的则倾向于反复验证。评测中常通过“高努力/最佳努力”等档位来调节这一行为，而是否能在质量与效率之间取得平衡，已成为衡量推理模型实用性的重要维度。

结论：值得关注，但现在不值得付费

Gemini 4 Argon相比八个月前发布的Gemini 3.1 Pro是显著的升级，谷歌在长时间沉默后终于回到竞争赛道，这对整个行业是好事。但就当前定价和实际表现而言，Claude Opus 5.5在多数任务中更胜一筹，GPT 6.1 Sol以更低价格提供接近或更好的结果，DeepSeek V4.1 Flash则在开源和超低价区间无可匹敌。

如果你已经订阅了Google AI Pro或更高档位，试用Gemini 4 Argon没有坏处。但若要在付费模型中做选择，现阶段它很难成为首选。