Учасники пробували Argon від Google: є сильні сторони, але й ліміти, ціна та помилки

Приводом для обговорення стала новина, що Gemini 4 Carbon очолив Artificial Analysis Intelligence Index v5. Доступу до Carbon поки немає, тому кілька учасників розповіли, як працювали з Argon. Один отримав його в плані Pro і використовував лише для особистих завдань, без агентного програмування. За його словами, ліміти дуже низькі: п'ять повідомлень на рівні medium уже запускають чотиригодинну перерву. Найкращим він назвав інтеграцію з Google search і Maps, з якою зручно планувати подорожі. Водночас, пише він, це перша за довгий час «SOTA»-модель, яка вигадувала деталі у відповідях.

Інший учасник узяв Argon для великого проєкту з розпізнавання історичних рукописів. Модель читала неохайний датський готичний рукопис XIX століття з вицвілим чорнилом. Результат був не ідеальний, але, на думку автора, кращий, ніж він сам зробив би за день роботи над кожною сторінкою. Проте модель виявилася дорогою і не виконала інструкцію. У промпті він просив не пропускати текст, але не попередив, що частина сторінок має дві колонки. Там Argon добре переписав першу колонку і вважав роботу завершеною. Таких сторінок було понад половину з 300. За словами учасника, ще одна спроба з точнішим промптом коштувала б ще $20.

Ще один учасник працював з Argon через OpenRouter на Raspberry Pi і витратив близько $15. Він вважає модель точною і послідовною навіть у довгих розмовах. Як агент для програмування Argon, на його думку, не дотягує до Fable 5.1 чи Astra. Зате йому сподобалося, як модель наглядає за роботою його агентів: стежить за ними, пропонує альтернативи і не губить нитку в довгому процесі. За його словами, з Claude та OpenAI це часто трапляється. Інший учасник теж критично оцінює Argon у коді: модель дуже швидка, але пише вразливий код. З Codex чи Claude на Opus 5.5 і GPT 5.6+/6.1 таких проблем у нього немає. Ще один коментатор пише, що з часів 3 Pro моделі Google мають свої примхи. Через них він, виправивши помилки Gemini, продовжує проєкт з іншою моделлю.

Про Gemini загалом думки теж розійшлися. Один учасник пише, що Gemini стабільно найкраще пояснює йому наукові поняття, особливо з новими віджетами графічної візуалізації. Інший жодного разу не віддав перевагу моделям Google над Claude/Codex: на його власних тестах вони надто дорогі й надто низької якості. Кілька коментаторів не довіряють самому рейтингу. Вони вказують, що 60% тестів індексу закриті, а Artificial Analysis пропонує лабораторіям консультації щодо бенчмарків. Один учасник розповів, що Gemini 3.1 Pro Preview три тижні була його основною моделлю, поки, за його словами, не втратила більшість можливостей. Тепер він не дивиться на нові моделі, доки їм не виповниться місяць-два.