Gemini 4 Argon vs. Gemini 3.8 Flash: comparación de lanzamientos

Name: Inteligencia
Creator: Artificial Analysis
License: https://artificialanalysis.ai/docs/legal/Terms-of-Use.pdf

Comparación de los lanzamientos Gemini 4 Argon y Gemini 3.8 Flash: 2 y 3 modelos respectivamente, cada uno con distintas características de inteligencia, rendimiento y precio. A continuación se comparan las métricas clave de los 5 modelos.

En inteligencia, Gemini 4 Argon obtiene la puntuación más alta: Gemini 4 Argon (High), con 50, frente a Gemini 3.8 Flash (High), con 31 de Gemini 3.8 Flash.
En tiempo por tarea, Gemini 3.8 Flash es el más rápido: Gemini 3.8 Flash (Medium), con 12.5 min, frente a Gemini 4 Argon (High), con 29.9 min de Gemini 4 Argon.
En costo por tarea, Gemini 4 Argon es el más económico: Gemini 4 Argon (Medium), con $4.31, frente a Gemini 3.8 Flash (Medium), con $6.26 de Gemini 3.8 Flash.

Playground de modelos

Lanzamientos comparados


	Gemini 4 Argon (high)	Gemini 4 Argon (medium)	Gemini 3.8 Flash (high)	Gemini 3.8 Flash (medium)	Gemini 3.8 Flash (low)
Intelligence Index	50	48	31	30	23
Finanzas y contabilidad	56	53	42	42	34
Estrategia y operaciones	57	56	47	47	35
Jurídico	55	52	42	42	33
Salud y medicina	51	--	38	38	31
Ingeniería	57	53	39	37	31
Economía	53	49	40	39	34
AA-Briefcase v1.1	1485	1467	1204	1183	1062
AutomationBench-AA	77.5%	75.8%	59.9%	60.9%	36.5%
Terminal-Bench 4.0	57.1%	55.1%	19.7%	19.7%	10.1%
FrontierCode-AA 2.0	25.7%	25.0%	18.7%	16.5%	8.1%
AA-Omniscience v1.1	46	41	23	24	13
GDP.pdf	21.8%	25.6%	21.0%	22.8%	18.6%
HLE-Diamond	56.7%	42.5%	33.1%	29.1%	24.3%
CritPt v2 (Hard Subset)	52.5%	53.5%	46.5%	45.0%	33.5%
Terminal-Bench-Science 0.1	52.9%	48.6%	10.0%	10.5%	8.1%

Costo por tareaUSD	$4.97	$4.31	$7.77	$6.26	--
Precio de entradaUSD/1M tokens	$2.00	$2.00	$0.75	$0.75	$0.75
Precio de salidaUSD/1M tokens	$10.00	$10.00	$3.75	$3.75	$3.75
Precio de lectura de cachéUSD/1M tokens	$0.10	$0.10	$0.075	$0.075	$0.075
Precio de escritura de cachéUSD/1M tokens	--	--	$0.75	$0.75	$0.75

Tiempo por tareaMinutos	29.9	--	14.6	12.5	--
Velocidad de salidatok/s	65	--	113	109	102
Tiempo hasta el primer token de respuestas	44.89	--	16.53	13.08	4.33
Tiempo hasta el primer tokens	44.89	--	16.53	13.08	4.33
Tiempo de extremo a extremoMedia de las cargas de solicitud única (s)	124.52	--	49.46	41.19	23.81

Ventana de contexto	1M	1M	1M	1M	1M
Creador	Google	Google	Google	Google	Google
Licencia	Propietario	Propietario	Propietario	Propietario	Propietario
Modalidad de entrada	Admite: texto e imágenes	Admite: texto e imágenes	Admite: texto, imágenes, voz y video	Admite: texto, imágenes, voz y video	Admite: texto, imágenes, voz y video
Modalidad de salida	Admite: texto	Admite: texto	Admite: texto	Admite: texto	Admite: texto
Proveedores

Updated

Inteligencia

Artificial Analysis Intelligence Index · Higher is better

Tiempo por tarea

Inference time (minutes) per Intelligence Index task · Lower is better

Costo por tarea

Weighted average cost (USD) per Intelligence Index task · Lower is better

InteligenciaUpdated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v5.0.1 incorporates 9 evaluations: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), and Terminal-Bench-Science 0.1

Artificial Analysis Intelligence Index v5.0.1 includes: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), Terminal-Bench-Science 0.1. See Intelligence Index methodology for further details, including a breakdown of each evaluation and how we run them.

Intelligence Index vs. costo por tarea

Artificial Analysis Intelligence Index · Weighted average cost (USD) per Artificial Analysis Intelligence Index task

Most attractive quadrant

Gemini 4 Argon

Gemini 3.8 Flash

Pareto line

AA-Briefcase v1.1

AutomationBench-AA

Costo por tarea (USD, escala logarítmica)

Weighted average cost per Intelligence Index task. Each evaluation’s cost is calculated from input, cache hit, cache write, reasoning, and answer token prices, divided by task count, and weighted by its Intelligence Index weight.

Costo

Costo por tarea del Intelligence Index

Weighted average cost (USD) per Intelligence Index task · Segmented by token type · Lower is better

Velocidad y latencia

Tiempo por tarea del Intelligence Index

Output tokens divided by end-to-end output speed (minutes per Intelligence Index task) · Speed at the model's own endpoint or the median across providers · Lower is better

The weighted average time (minutes) per Artificial Analysis Intelligence Index task: output tokens per task divided by output speed, weighted by each benchmark's weight in the Intelligence Index.

Speed and latency metrics average each endpoint's runs over the past 5 days, and the error rate pools them. We run the benchmark every 6 hours, and endpoints of deprecated models every 18 hours.

Puntuaciones de capacidades

Índices de capacidades

Mide el rendimiento de los modelos en capacidades e industrias específicas

Finance & Accounting Index

Incorporates 5 evaluations: AA-Briefcase v1.1, AA-Omniscience v1.1, HLE-Diamond, AutomationBench-AA, GDP.pdf · Higher is better

Strategy & Ops Index

Incorporates 4 evaluations: AutomationBench-AA, AA-Briefcase v1.1, AA-Omniscience v1.1, GDP.pdf · Higher is better

Legal Index

Incorporates 5 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, HLE-Diamond, GDP.pdf, AutomationBench-AA · Higher is better

Healthcare & Medical Index

Incorporates 5 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, MLCR-AA, AutomationBench-AA, HLE-Diamond · Higher is better

Engineering Index

Incorporates 7 evaluations: AA-Omniscience v1.1, CritPt v2 (Hard Subset), Terminal-Bench-Science 0.1, HLE-Diamond, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Briefcase v1.1 · Higher is better

Economics Index

Incorporates 4 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, HLE-Diamond, GDP.pdf · Higher is better

Benchmarks

AA-PersonalityBenchNew

Modelo Avs.Modelo B

AA-PersonalityBench: índice Expressiveness, Gemini 4 Argon (high) vs. Gemini 3.8 Flash (high)

Probabilidad de que la respuesta de cada modelo sea juzgada como la que muestra más cada rasgo, según su diferencia de Elo · 50 % es un empate

Gemini 4 Argon (high)

Gemini 3.8 Flash (high)

Metaphorical

72%

28%

Natural Sounding

71%

29%

Eloquent

35%

65%

Literate

43%

57%

Lexically Varied

46%

54%

Gemini 4 Argon vs. Gemini 3.8 Flash: comparación de lanzamientos

Inteligencia

Tiempo por tarea

Costo por tarea

InteligenciaUpdated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index

Intelligence Index vs. costo por tarea

Cost per Intelligence Index Task

Artificial Analysis Intelligence Index

Costo

Costo por tarea del Intelligence Index

Cost per Intelligence Index Task

Velocidad y latencia

Tiempo por tarea del Intelligence Index

Time per Intelligence Index Task

Time Period

Puntuaciones de capacidades

Índices de capacidades

Benchmarks

AA-PersonalityBenchNew

AA-PersonalityBench: índice Expressiveness, Gemini 4 Argon (high) vs. Gemini 3.8 Flash (high)