Em outubro, testei o Argon em um labirinto 3D. O cenário tinha movimento, timer e até recorde, mas o labirinto continuava igual a cada rodada. Isso pesou no resultado porque gerar novos desafios era um dos requisitos. Agora que tenho quatro modelos Gemini 4 para escolher, a pergunta continua prática. Afinal, em que tarefa vale pagar mais pela primeira entrega? Teste anterior com o Argon.
Para investigar isso, montei quatro testes. Pedi uma ilustração SVG, uma cena 3D interativa, a revisão de um repositório pequeno e uma análise defensiva de código. Assim, comparei os modelos Gemini 4 pela qualidade da entrega, pelo tempo de resposta e pelo custo estimado da API.
Qual é a diferença entre os modelos Gemini 4?
O Google anunciou o Argon em 30 de setembro e abriu o acesso para desenvolvedores em 13 de outubro. Em seguida, o Carbon chegou à API pública em 10 de novembro. Logo depois, vieram o Hydrogen, no dia 12, e o início da liberação do Neon, no dia 18. Anúncio do Argon, Argon para desenvolvedores, Carbon, Hydrogen, Neon.
Preço por token e custo por tarefa
| Modelo | Quando eu começaria por ele | Entrada / saída na API |
|---|---|---|
| Hydrogen | Iterações curtas, SVG, ajustes de código e revisão com escopo claro | US$ 1,50 / US$ 7,50 |
| Argon | Mudanças que cruzam módulos, migrações ou revisão estrutural | US$ 2 / US$ 10 até 30/11, depois US$ 4 / US$ 20 |
| Neon | Tarefas complexas e frequentes, como gerar uma cena interativa com vários requisitos | US$ 3 / US$ 15 |
| Carbon | Depuração em várias etapas, decisões de arquitetura ou uma segunda revisão defensiva de código crítico | US$ 2 / US$ 10 até 30/11, depois US$ 4 / US$ 20 |
Conforme os preços de 19 de novembro de 2026, a tabela mostra a tarifa Standard por milhão de tokens. A saída inclui tokens de raciocínio. Além disso, o Hydrogen tem opção gratuita na API. Preços e acesso da Gemini API.
Enquanto a promoção estiver em vigor, o Argon custa menos por token do que o Neon. Depois que a promoção terminar, em 1º de dezembro, o Neon passa a ter a menor tarifa entre os dois. Ainda assim, vi desenvolvedores elogiarem o Neon e compararem o modelo com o Opus 5.5.
Já o Argon e o Carbon têm o mesmo preço por milhão de tokens. Segundo o Google, o Carbon usa mais tokens para aprofundar a análise. Nos meus testes, o Argon e o Carbon levaram mais tempo e muitas vezes planejaram antes de implementar. Por isso, eu compararia o custo por tarefa concluída. Posicionamento do Carbon, preços oficiais.
De acordo com as fichas técnicas, os modelos Gemini 4 compartilham uma janela de 1.048.576 tokens de entrada e saída. A API entrega texto. Assim, no desafio visual, o modelo escreve o código e o navegador o renderiza como SVG ou WebGL. Hydrogen, Argon, Neon, Carbon.
Como comparei os modelos Gemini 4?
Para que a comparação fosse justa, os quatro modelos receberam o mesmo prompt por tarefa e, quando aplicável, os mesmos arquivos. Comecei com um piloto em thinking: high e, em seguida, testei SVG e WebGL com thinking: low e prompts compactos. Na rodada completa com low, mantive os prompts visuais, assim como os prompts e arquivos das revisões do piloto.
Os modelos Gemini 4 tiveram o mesmo teto por tarefa. Para WebGL, usei 16.384 tokens, enquanto as outras três tarefas tiveram 8.192 cada. Ou seja, o raciocínio e a resposta visível dividiram o mesmo orçamento em cada chamada. Os testes visuais rodaram ao mesmo tempo que as revisões, com chamadas sequenciais dentro de cada grupo. Além disso, fiz todas as chamadas sem ferramentas. Configuração de thinking.
O que avaliei em cada tarefa
| Teste | Tarefa | O que conta na avaliação |
|---|---|---|
| SVG | Ilustrar uma estação oceanográfica com boia e farol | SVG válido, composição fiel ao pedido, legibilidade a 320 px e nome acessível |
| Cena 3D | Criar uma maquete interativa em WebGL que abre offline | Perspectiva, câmera com mouse e teclado, zoom, reset e layout no celular |
| Revisão de repositório | Conferir se um catálogo de eventos segue o contrato do README | Achados verificáveis sobre paginação, contagem e cache, com arquivo, linha e correção |
| Análise de segurança | Revisar o código de sessão e respostas privadas de um painel fictício | Evidência por linha, mitigação e contagem de falsos positivos sobre cookies, logs e cache |
No SVG, confiro se a boia e o farol continuam legíveis em tela pequena, enquanto no WebGL testo a interação. Por isso, uso os controles, volto a câmera à posição inicial e verifico o fallback com o WebGL desabilitado. Afinal, uma captura de tela só mostra a aparência da primeira vista.
Nas duas revisões, cada problema tem um local e uma correção esperada. Além disso, marquei trechos corretos para conferir se o modelo inventa problemas. Assim, a avaliação fica mais próxima de um code review, em que cada falso positivo toma tempo de quem confere os comentários.
Resultados dos modelos Gemini 4 com thinking: low
Na rodada completa de 19 de novembro, a API retornou STOP nas 16 chamadas. Assim, tive uma entrega para avaliar em cada combinação de modelo e tarefa. A nota de SVG e WebGL cobre cinco critérios funcionais, enquanto 3/3 nas revisões indica que o modelo encontrou os três problemas esperados com evidência e correção.
| Tarefa | Modelo | Nota | Tamanho ou formato | Tempo (s) | Custo estimado (US$) |
|---|---|---|---|---|---|
| SVG | Hydrogen | 5/5 | 6.105 caracteres | 18,59 | 0,030533 |
| SVG | Argon | 5/5 | 8.228 caracteres | 50,26 | 0,045480 |
| SVG | Neon | 5/5 | 7.686 caracteres | 40,99 | 0,080805 |
| SVG | Carbon | 5/5 | 8.536 caracteres | 48,03 | 0,042760 |
| WebGL | Hydrogen | 5/5 | 11.183 caracteres | 28,33 | 0,048332 |
| WebGL | Argon | 5/5 | 17.870 caracteres | 71,28 | 0,080032 |
| WebGL | Neon | 4/5 | 18.528 caracteres | 74,65 | 0,158913 |
| WebGL | Carbon | 5/5 | 20.048 caracteres | 84,91 | 0,098802 |
| Revisão de repositório | Hydrogen | 3/3 | JSON puro | 5,68 | 0,009119 |
| Revisão de repositório | Argon | 3/3 | JSON puro | 9,18 | 0,005098 |
| Revisão de repositório | Neon | 3/3 | JSON em Markdown | 11,78 | 0,022917 |
| Revisão de repositório | Carbon | 3/3 | JSON em Markdown | 8,31 | 0,007798 |
| Análise defensiva | Hydrogen | 3/3 | JSON puro | 9,74 | 0,007754 |
| Análise defensiva | Argon | 3/3 | JSON puro | 6,64 | 0,004988 |
| Análise defensiva | Neon | 3/3 | JSON em Markdown | 11,74 | 0,022377 |
| Análise defensiva | Carbon | 3/3 | JSON em Markdown | 8,73 | 0,007648 |
O custo estimado da rodada foi de US$ 0,67 de acordo com a tarifa Standard. Os tempos são observações pontuais, pois houve uma tentativa por combinação.
Revisão de repositório e análise defensiva
Pude ler direto as respostas de Hydrogen e Argon, pois os dois entregaram JSON puro e cobriram o gabarito. Neon e Carbon também encontraram os três problemas esperados, mas envolveram a resposta em Markdown. Por isso, precisei retirar os delimitadores para validar o conteúdo como JSON.
Além disso, o Carbon trouxe um apontamento inconclusivo em cada tarefa. No catálogo, por exemplo, levantou a hipótese de IDs numéricos, enquanto na análise defensiva questionou o identificador usado para consultar a conta. A primeira hipótese ficou em aberto, já que o recorte não especifica o tipo de ID. O segundo apontamento ficou inconclusivo porque o código e o README deixam margem para interpretações diferentes sobre o contrato.
O que aconteceu no piloto com thinking: high
No piloto, as oito entregas visuais ficaram incompletas porque as chamadas chegaram ao teto de tokens. Além disso, o Carbon ficou sem texto nas duas revisões. Na cena 3D, por exemplo, ele gastou 16.381 dos 16.384 tokens em raciocínio. Nas duas revisões ocorreu algo semelhante, pois o modelo usou 8.189 dos 8.192 tokens em cada chamada. Por isso, retestei o Carbon com low e os mesmos prompts de revisão antes da rodada completa.
Comparação visual dos modelos Gemini 4
Para que as capturas fossem comparáveis, rodei os arquivos no Chrome com a rede bloqueada. O tamanho também entrou na avaliação, pois os prompts pediam até 6.000 caracteres no SVG e 16.000 no HTML. Ou seja, um arquivo pode passar do tamanho pedido mesmo que caiba no teto de tokens.
SVG da estação oceanográfica

Os quatro SVGs ficaram legíveis a 320 px. Além disso, todos expuseram um nome acessível em português. Ainda assim, todos passaram dos 6.000 caracteres. O Hydrogen, por exemplo, ficou a 105 caracteres do limite e entregou o SVG em 18,59 segundos.
O Hydrogen usou uma boia mais simples, enquanto Argon e Carbon detalharam a antena e os instrumentos. O Neon, por outro lado, inclinou a boia e usou os reflexos para conduzir o olhar até o farol.
A mesma estação em WebGL

As quatro cenas renderizaram offline. Em seguida, conferi órbita, zoom com limites e reset, que funcionaram nos quatro arquivos. No entanto, a boia do Neon ficou fora do enquadramento inicial a 390 × 844 px. Argon, Carbon e Hydrogen mantiveram os três elementos reconhecíveis no celular, apesar dos cortes parciais. Além disso, o Hydrogen foi o único dentro dos 16.000 caracteres do prompt.
O que mudou na cena do Argon
Na rodada completa, a nota do Argon subiu de 1/5 para 5/5 porque o novo HTML abriu sem ajuste manual e cumpriu a rubrica. Na primeira rodada, por outro lado, o WebGL mostrou apenas o céu e os controles. Os dois shaders compilaram, mas gl.linkProgram() falhou porque o uniform uIsWater herdou precisões diferentes. Especificação GLSL ES 1.00.
Em uma cópia do HTML original, declarei uniform mediump int uIsWater; nos dois shaders para que usassem a mesma precisão. Assim, a maquete renderizou no desktop e no celular. A imagem abaixo mostra o diagnóstico da primeira rodada, enquanto a comparação dos quatro modelos usa o HTML gerado na rodada completa.

Quando usar cada um dos modelos Gemini 4?
Para uma revisão pontual, eu começaria no Hydrogen ou no Argon, pois os dois entregaram JSON puro e cobriram os achados esperados. Para SVG, eu testaria primeiro o Hydrogen, sobretudo quando o tamanho do arquivo for prioridade. No WebGL, por outro lado, o Hydrogen já ficou dentro do limite e entregou a cena mais rápido, enquanto Argon e Carbon também passaram na rubrica.
Para uma revisão que cruza vários módulos, eu compararia o Argon com o Neon em um recorte maior, pois aqui o teste só cobriu um catálogo pequeno. Na rodada completa, ambos cobriram o gabarito, enquanto o Argon custou menos nas duas revisões e entregou JSON puro. Para investigar um problema em várias etapas, contudo, eu também testaria o Carbon e mediria o orçamento necessário para concluir. Em segurança, eu olharia sobretudo para a evidência de cada achado e a qualidade da mitigação.
Esses resultados valem para este recorte, pois cada modelo respondeu uma vez por tarefa nesta rodada. Um repositório maior, por exemplo, pode mudar o resultado, assim como código com dependências ou um agente com ferramentas. O WP-Bench mostra como a escolha varia, sobretudo quando a comparação separa as tarefas por categoria. WP-Bench por categorias.
Em qual tarefa você pagaria mais por um modelo se ele poupasse uma rodada inteira de revisão?

Deixe um comentário