Gemini 4, Claude und GPT: Welche Modelle konkurrieren in welcher Klasse?
Jedes Gemini-4-Modell neben seinem Gegenstück bei Claude und GPT: offizielle Preise, Kontext, Standard-Reasoning-Stufe, Kosten pro Aufgabe laut Artificial Analysis, Halluzinationsraten, kostenlose Stufen und Verfügbarkeit bei Ofox.
In der Spitzenklasse konkurriert Gemini 4 Carbon mit Claude Fable 5.2 und GPT-6.2 Astra. Gemini 4 Neon steht neben Claude Opus 5.5 und GPT-6.2 Sol. Gemini 4 Hydrogen tritt gegen Claude Sonnet 5.5 und GPT-6.1 Terra an. Googles Budget-Gegenstück zu Claude Haiku 5.5 und GPT-6 Luna ist Gemini 3.5 Flash-Lite, nicht Hydrogen. Gemini 4 Argon kostet so viel wie Carbon und ist aus Googles Leitfaden zur Modellauswahl verschwunden; behandeln Sie es daher als Altmodell. Zwei dieser Paarungen hat Google in seinen Model Cards selbst festgelegt. Die beiden anderen haben wir anhand von Preis und Positionierung gebildet; unten ist jede einzeln gekennzeichnet.
Bei der jeweiligen Standard-Reasoning-Einstellung zeigt sich in den drei oberen Klassen ein Muster. Im AA-Omniscience-Test von Artificial Analysis hat das Gemini-Modell die niedrigste Halluzinationsrate seiner Gruppe, und zwar mit großem Abstand. In den Klassen von Neon und Hydrogen erzielt es mit Standardeinstellung außerdem den höchsten Wert im Intelligence Index, kostet pro erledigter Aufgabe aber meist mehr als das OpenAI-Modell, weil die Gemini-Standardeinstellungen mehr Denk-Token verbrauchen.
Diese Seite ist die Übersichtskarte unserer Vergleichsreihe zu Gemini 4. Jede Zahl stammt aus einem der unten verlinkten ausführlichen Direktvergleiche oder aus denselben Daten von Artificial Analysis (AA), die diese Artikel verwenden, abgerufen am 19. November 2026. Ofox veröffentlicht diese Seite, und die meisten Modelle darauf lassen sich über Ofox aufrufen. Gemini 4 Carbon und Gemini 4 Neon nicht. Für diese Seite haben wir keine neuen Tests durchgeführt. Ergebnisse, die als „unser Lauf“ bezeichnet sind, stammen aus den anderen Artikeln der Reihe; dort steht, was wie gemessen wurde.
Wie die Klassen zusammenpassen und wer jede Paarung festgelegt hat
| Klasse | Anthropic | OpenAI | Wer die Paarung festgelegt hat | |
|---|---|---|---|---|
| Schwierigste Aufgaben | Gemini 4 Carbon | Claude Fable 5.2 | GPT-6.2 Astra | Unsere Schlussfolgerung. Googles Carbon-Card verglich Carbon mit GPT-6 Astra, Claude Opus 5.5 und Claude Fable 5.1. Fable 5.2 (9. Nov.) und GPT-6.2 Astra (17. Nov.) sind die aktuellen Versionen dieser Linien, beide mit Listenpreis 8/40 USD |
| Obere Mittelklasse, häufige komplexe Arbeit | Gemini 4 Neon | Claude Opus 5.5 | GPT-6.2 Sol | Google. Die Neon-Model-Card (Englisch) vergleicht genau diese drei |
| Alltägliches Programmieren und Agenten | Gemini 4 Hydrogen | Claude Sonnet 5.5 | GPT-6.1 Terra | Google. Die Hydrogen-Model-Card (Englisch) vergleicht genau diese drei |
| Budget für große Volumen | Gemini 3.5 Flash-Lite | Claude Haiku 5.5 | GPT-6 Luna | Unsere Schlussfolgerung aus Preis und der eigenen Positionierung der Anbieter. Googles Hydrogen-Leitfaden empfiehlt, 3.5 Flash-Lite „für Klassifizierung in großem Umfang, Routing und Latenzziele unter einer Sekunde“ zu behalten. Anthropic beschreibt Haiku 5.5 als gebaut „für latenzkritische Aufgaben mit hohem Volumen wie Klassifizierung, Extraktion und Routing“ |
| Altmodell | Gemini 4 Argon | — | — | Googles Seite zur Modellauswahl (Englisch) behandelt inzwischen nur noch Carbon, Neon und Hydrogen. Argon wird weiterhin bereitgestellt, ohne Abschaltdatum |
Beim Lesen dieser Karte sind zwei Details wichtig.
Opus 5.5 taucht auf zwei Google-Cards auf. Sowohl Googles Carbon-Card (Ergebnisse „Stand Oktober 2026“) als auch die Neon-Card (November) enthalten Opus 5.5. Ab dem 1. Dezember entspricht der Listenpreis von Carbon dem von Opus 5.5 (4/20 USD). Wir haben Opus in die Neon-Klasse gestellt, weil Google Neon um genau diesen Vergleich herum vorgestellt hat und weil Anthropics eigenes Portfolio Fable 5.2 über Opus einordnet. Wenn Ihr Budget beim Opus-Preis liegt, vergleichen Sie mit Carbon und mit Neon.
Hydrogen ist kein Budget-Modell. Es ist Googles Standard-Allzweckmodell. Mit 1,50/7,50 USD pro Million Token kostet es das 15-Fache der Kurzprompt-Tarife von Haiku 5.5 und Luna. Was dieser Aufpreis bringt und was nicht, zeigt der Vergleich von Hydrogen, Haiku 5.5 und Luna.
Die andere Falle sind alte Benchmark-Tabellen. Eine Spalte mit der Beschriftung „GPT-6 Astra“ oder „Fable 5.1“ beschreibt nicht GPT-6.2 Astra oder Fable 5.2. Die Direktvergleiche übernehmen die Versionsbezeichnung jeder Quelle genau so, wie sie dort steht.
Die Gesamttabelle
Alle Preise sind die eigenen Standard-Listentarife der Anbieter in USD pro Million Token, erst Input, dann Output, geprüft am 19. November 2026. Bei allen Modellen hier enthält der Output die Denk-Token. Die AA-Werte gelten für die Reasoning-Stufe in der Spalte „Reasoning-Stufe für AA-Spalten“. Bei allen Modellen außer zweien ist das der vom Anbieter dokumentierte API-Standard. OpenAI dokumentiert für GPT-6.2 Astra und Sol keinen Standard; für diese beiden zeigen wir daher die AA-Ergebnisse bei medium und vermerken das in der Zeile. In Klammern steht der AA-Wert des Modells bei seiner höchsten Einstellung. AA berechnet die Kosten pro Aufgabe aus den Token, die jedes Modell für seinen Intelligence Index v5.0.1 verbraucht hat, und dem Listenpreis des Modells. Die Halluzinationsrate stammt aus AA-Omniscience: falsche Antworten als Anteil aller nicht korrekten Antworten, niedriger ist also besser.
| Modell | Preis Input / Output | Kontext | Reasoning-Stufe für AA-Spalten | AA-Index auf dieser Stufe (Maximum) | AA-Kosten pro Aufgabe auf dieser Stufe | Halluzination auf dieser Stufe | Kostenlose API-Stufe | Bei Ofox (19. Nov.) |
|---|---|---|---|---|---|---|---|---|
| Gemini 4 Carbon | 2 / 10 USD bis 30. Nov.; 4 / 20 USD ab 1. Dez. | 1.048.576 gemeinsam | medium | 58,3 (60,0) | 6,59 USD zu Dezember-Tarifen (≈3,29 USD zu November-Tarifen) | 4,2 % | Nein | Nein |
| Claude Fable 5.2 | 8 / 40 USD | 1M | high | 61,8 (64,6) | 9,08 USD | 58,0 % | Nein | Ja |
| GPT-6.2 Astra | 8 / 40 USD; höher ab 272K Input | 1.050.000 (922K Input) | medium (OpenAI dokumentiert keinen Standard)¹ | 57,0 (62,1) | 1,62 USD | 54,1 % | Nein | Ja |
| Gemini 4 Neon | 3 / 15 USD | 1.048.576 gemeinsam | high | 59,6 (61,4) | 3,74 USD | 13,9 % | Nein | Nein |
| Claude Opus 5.5 | 4 / 20 USD | 1M | medium | 48,2 (59,1) | 2,45 USD | 66,9 % | Nein | Ja |
| GPT-6.2 Sol | 2 / 10 USD; höher ab 272K Input | 1.050.000 (922K Input) | medium (OpenAI dokumentiert keinen Standard)¹ | 52,7 (57,3) | 0,41 USD | 61,1 % | Nein | Ja |
| Gemini 4 Hydrogen | 1,50 / 7,50 USD | 1.048.576 gemeinsam | high | 50,8 (53,9) | 1,87 USD | 8,7 % | Ja | Ja |
| Claude Sonnet 5.5 | 2 / 10 USD | 1M | high | 41,5 (54,5) | 1,64 USD | 63,6 % | Nein | Ja |
| GPT-6.1 Terra | 1 / 5 USD; 2 / 7,50 USD ab 272K | 1.050.000 (922K Input) | medium | 38,2 (51,3) | 0,17 USD | 39,6 % | Nein | Ja |
| Gemini 3.5 Flash-Lite | 0,30 / 2,50 USD | 1.048.576 Input | Standard minimal; AA führt eine Variante ohne Stufenangabe | 11,7 | 0,69 USD² | Nicht in unserem AA-Auszug | Ja | Ja |
| Claude Haiku 5.5 | 0,10 / 0,50 USD; 0,50 / 2,50 USD für Prompts über 100K | 1M | medium | 24,6 (36,5) | 0,092 USD | 40,4 % | Nein | Ja |
| GPT-6 Luna | 0,10 / 0,50 USD; 0,20 / 0,75 USD ab 272K | 1.050.000 (922K Input) | medium | 18,5 (27,9) | 0,042 USD | 85,3 % | Nein | Ja |
| Gemini 4 Argon (Altmodell) | 2 / 10 USD bis 30. Nov.; 4 / 20 USD ab 1. Dez. | 1.048.576 gemeinsam | medium | 47,6 (50,4) | 4,31 USD zu November-Tarifen³ | 15,4 % | Nein | Ja |
¹ Die Modellseiten von OpenAI zu GPT-6.2 Astra und Sol sowie der Reasoning-Leitfaden (geprüft am 19. November 2026) nennen für diese beiden Modelle keinen Standard-Effort. Sie sagen nur, dass die API none ablehnt. Der Leitfaden dokumentiert medium als Standard für GPT-6.1 Sol, GPT-6 Sol und GPT-6 Luna, und die Modellseiten von Terra und Luna führen medium (default). Damit die Zeilen vergleichbar sind, zeigen wir die 6.2-Modelle bei medium; das sind jedoch die medium-Ergebnisse von AA, kein dokumentierter Standard. Bei high führt AA Astra mit 60,1, 2,07 USD pro Aufgabe und 58,1 % Halluzination sowie Sol mit 54,9, 0,56 USD pro Aufgabe und 60,0 % Halluzination. Wenn Sie eines der beiden Modelle aufrufen, setzen Sie reasoning.effort explizit, damit Sie wissen, welche dieser Zeilen gilt.
² Die eigene Aufschlüsselung von AA zeigt, dass der Großteil der 0,69 USD von Flash-Lite auf Cache-Schreibkosten in der AA-Testumgebung entfällt. Der Wert spiegelt also nicht wider, was eine kurze Einzelanfrage kostet. In unserem Triage-Lauf aus einem anderen Artikel der Reihe kostete eine Anfrage mit 20 Einträgen zum Listenpreis etwa 0,0025 USD mit Flash-Lite gegenüber 0,019 USD mit Hydrogen.
³ AA berechnet Argon mit den aktuellen 2/10 USD, Carbon aber mit den Dezember-Tarifen von 4/20 USD. Jeder Carbon- und Argon-Tarif verdoppelt sich am 1. Dezember exakt. Unsere Schätzung für Argon in der Standardeinstellung zu Dezember-Tarifen liegt daher bei etwa 8,62 USD pro Aufgabe und für Carbon zu November-Tarifen bei etwa 3,29 USD. Diese beiden Werte sind unsere Rechnung auf Basis der AA-Zahlen, nicht Angaben von AA. Die Argon-Zeile verwendet den medium-Eintrag von AA, den API-Standard von Argon. Der Haupteintrag von AA für Argon, der üblicherweise zitiert wird (Index 50,4, 4,3 % Halluzination, 4,97 USD pro Aufgabe), heißt in den Seitendaten von AA „Gemini 4 Argon (High)“.
Quellen (Englisch). Preise, Kontext und Standards: Googles Preisseite und Modellleitfäden, Anthropics Modellübersicht und Preise, die OpenAI-Modellseiten zu GPT-6.2 Astra, GPT-6.2 Sol, GPT-6.1 Terra und GPT-6 Luna, alle geprüft am 19. November 2026. AA-Daten: die Modellseiten auf artificialanalysis.ai, Rohdaten der Seiten gespeichert am 19. November 2026 (etwa 03:20–03:35 UTC). Verfügbarkeit bei Ofox: GET https://api.ofox.io/v1/models am 19. November 2026, Antwort mit 137 Modellen. Die Ofox-Preise stehen auf den verlinkten Modellseiten; wir wiederholen sie hier nicht.
Was die Tabelle sagt, Klasse für Klasse
Preis pro Token: Google liegt in der Mitte, außer ganz unten
In den drei oberen Klassen liegt der Listenpreis des Gemini-Modells zwischen dem von Anthropic und dem von OpenAI:
- Spitzenklasse: Pro Token kostet Carbon bis 30. November ein Viertel von Fable 5.2 und GPT-6.2 Astra, ab 1. Dezember die Hälfte.
- Obere Mittelklasse: Neon (3/15 USD) kostet 75 % von Opus 5.5 und das 1,5-Fache von GPT-6.2 Sol.
- Alltagsklasse: Hydrogen (1,50/7,50 USD) kostet 75 % von Sonnet 5.5 und das 1,5-Fache von GPT-6.1 Terra.
- Budgetklasse: Flash-Lite ist das teuerste der drei, beim Input mit dem 3-Fachen von Haiku 5.5 und Luna, beim Output mit dem 5-Fachen.
Lange Prompts verschieben diese Verhältnisse. Bei Haiku 5.5 steigen die Tarife auf das Fünffache, wenn der Prompt einer Anfrage 100K Token überschreitet. Die OpenAI-Modelle verlangen mehr ab 272K Input-Token. Die Gemini-Modelle in dieser Tabelle behalten über ihr gesamtes Kontextfenster einen Tarif. Unser Leitfaden zu den 100K-Preisen von Haiku 5.5 (Englisch) rechnet diese Grenze durch.
Kosten pro erledigter Aufgabe: Die Standards ändern die Reihenfolge
Der Preis pro Token ist nicht das, was Sie pro Auftrag zahlen. Hier die AA-Kosten pro Intelligence-Index-Aufgabe bei der jeweiligen Standardeinstellung, aus der Gesamttabelle:
| Klasse | Günstigste pro AA-Aufgabe | Mitte | Teuerste |
|---|---|---|---|
| Spitze | GPT-6.2 Astra 1,62 USD bei medium¹ (2,07 USD bei high) | Carbon 6,59 USD (≈3,29 USD im Nov.) | Fable 5.2 9,08 USD |
| Obere Mitte | GPT-6.2 Sol 0,41 USD bei medium¹ (0,56 USD bei high) | Opus 5.5 2,45 USD | Neon 3,74 USD |
| Alltag | GPT-6.1 Terra 0,17 USD | Sonnet 5.5 1,64 USD | Hydrogen 1,87 USD |
| Budget | GPT-6 Luna 0,042 USD | Haiku 5.5 0,092 USD | (Flash-Lite 0,69 USD, nicht vergleichbar²) |
In jeder Klasse ist das OpenAI-Modell pro AA-Aufgabe am günstigsten, und Astra und Sol bleiben auch bei high am günstigsten. Neon und Hydrogen sind in ihren Klassen am teuersten, obwohl ihre Tarife pro Token unter denen von Anthropic liegen. Der Grund sind die Standards: Neon und Hydrogen werden mit high-Denken ausgeliefert, Anthropic dokumentiert für Opus 5.5 medium, und Terra läuft mit dem dokumentierten medium (die 6.2-Modelle sind ebenfalls bei medium dargestellt). Ein Gemini-Standard verbraucht mehr Token und erzielt in der oberen Mittelklasse und der Alltagsklasse auch höhere Werte. Mit Standardeinstellung liegt Neon 11,4 Indexpunkte vor Opus 5.5 und Hydrogen 9,3 vor Sonnet 5.5.
Das ist ein Vergleich der Standards, nicht gleichen Aufwands. Bei den höchsten Einstellungen schrumpfen die Abstände: Opus 5.5 erreicht bei max 59,1 gegenüber 61,4 für Neon bei xhigh, und Sonnet 5.5 erreicht bei max 54,5, knapp über den 53,9 von Hydrogen bei xhigh. Wie Sie Gemini-Modelle herunterstufen, wenn der Standard mehr denkt, als eine Aufgabe braucht, erklärt unser Leitfaden zu den Denkstufen von Gemini 4.
Halluzination: Gemini enthält sich öfter
Mit Standardeinstellung liegen die AA-Omniscience-Halluzinationsraten der vier Gemini-4-Modelle zwischen 4,2 % und 15,4 %. Jedes Claude- und GPT-Modell in der Tabelle liegt zwischen 39,6 % und 85,3 %. Das ist der deutlichste Unterschied zwischen den Anbietern in den Daten. Gemessen wird aber, wie oft ein Modell falsch rät, wenn es die Antwort nicht kennt, nicht wie oft es richtig liegt. Gemini-Modelle lehnen häufiger ab. Die Genauigkeitswerte von AA zeigen die andere Seite: Fable 5.2 beantwortete mit Standardeinstellung 77,2 % richtig, Carbon mit seiner Standardeinstellung 48,9 %. Wenn eine falsche Antwort schlimmer ist als keine, ist das Gemini-Profil besser. Wenn Sie möglichst viele richtige Antworten brauchen und sie ohnehin prüfen, geben die Claude-Modelle häufiger überhaupt eine Antwort. Unser vollständiger Vergleich der Halluzinationsraten von Gemini 4 schlüsselt das nach Denkstufe auf.
Kostenlose Stufen und Zugang
Nur Google bietet in dieser Aufstellung eine kostenlose API-Stufe an, und nur für Hydrogen und Flash-Lite. Carbon, Neon und Argon gibt es nur in der kostenpflichtigen Stufe. Die Preisseiten von Anthropic und OpenAI nennen für keines der Modelle hier eine kostenlose Stufe. Google weist darauf hin, dass Inhalte aus der kostenlosen Stufe zur Verbesserung seiner Produkte verwendet werden, und die Limits hängen vom Projekt ab. Details im Leitfaden zur kostenlosen API-Stufe von Gemini 4.
Am 19. November 2026 waren 11 der 13 Modelle der Tabelle bei Ofox gelistet, Gemini 4 Carbon und Gemini 4 Neon nicht. Für diese beiden rufen Sie die Gemini API von Google direkt mit einem Schlüssel der kostenpflichtigen Stufe auf. Alles andere lässt sich über einen einzigen OpenAI-kompatiblen Endpunkt aufrufen. Die Modellseiten von Hydrogen, Argon und 3.5 Flash-Lite führen außerdem das Gemini-Protokoll (geprüft am 19. November 2026), sodass diese drei auch die Gemini-native Route von Ofox nutzen können.
Auswahl nach Aufgabe
Die folgenden Startpunkte leiten sich aus den Belegen der anderen Artikel der Reihe ab. Jede Zeile nennt die Art des Belegs. Testen Sie Ihre eigenen Aufgaben, bevor Sie einen Produktionsstandard umstellen.
| Ihre Aufgabe | Starten Sie mit | Zweite Wahl | Beleg |
|---|---|---|---|
| Lange Berichte oder Prüfungen auf Basis gescannter Zeichnungen, Diagramme und dichter Dateien | Gemini 4 Carbon | Claude Fable 5.2, wenn ein paar Punkte mehr zählen als eine etwa 6-mal höhere Rechnung (MKA-Paper) | MKA-Paper von Google DeepMind: Abstand zwischen Fable 5.2 und Carbon statistisch nicht signifikant; AA-MKA-Board |
| Schwierigstes agentisches Programmieren und Forschung, bei denen der Höchstwert am meisten zählt | Claude Fable 5.2 | GPT-6.2 Astra bei high oder max | AA-Index: Fable 5.2 64,6 bei max; Anthropics Tabelle zur Veröffentlichung |
| Schwieriges Reasoning, das pro Aufgabe schnell und günstig sein muss | GPT-6.2 Astra | Gemini 4 Neon | AA: Astra high 60,1 bei 2,07 USD und 5,9 Min. pro Aufgabe |
| Komplexes Programmieren und Wissensarbeit zu moderaten Kosten, mit niedriger Halluzination | Gemini 4 Neon | Claude Opus 5.5 für terminallastige Arbeit | Neon-Card (16 von 19 Zeilen); AA-Halluzination 13,9 % mit Standardeinstellung |
| Terminal- und schwierige Softwareaufgaben, bei denen ein oder zwei Punkte zählen | Claude Opus 5.5 | Gemini 4 Neon | Googles Neon-Tabelle: Opus führt bei Terminal-Bench 4.1 und FrontierCode 2.0 |
| Coding-Agenten mit hohem Volumen, CI-Fixes, alltägliche PRs mit knappem Budget | GPT-6.2 Sol oder GPT-6.1 Terra | Claude Sonnet 5.5 | AA-Kosten pro Aufgabe; unser Lauf mit 30 Aufrufen zum Alltagsprogrammieren |
| Kleine alltägliche Programmieraufgaben, bei denen Ausgabelänge und Konsistenz zählen | Claude Sonnet 5.5 | GPT-6.1 Terra | Unser Lauf: Die zwei Läufe von Sonnet pro Aufgabe lagen innerhalb einer Sekunde |
| Alltagsagenten mit Video- oder Audio-Input oder kostenloses Prototyping | Gemini 4 Hydrogen | Gemini 3.5 Flash-Lite | Google-Model-Card (Input: Text, Bild, Audio, Video); kostenlose Stufe |
| Klassifizierung, Routing, Extraktion nach einem Regelblatt | GPT-6 Luna oder Claude Haiku 5.5 | Gemini 3.5 Flash-Lite für niedrigste Latenz | Unser Triage-Lauf: Luna und Haiku 20/20 bei 1/46 bzw. 1/24 der Kosten von Hydrogen |
| Kontexte von 256K bis 1M Token, die Reasoning statt bloßer Suche brauchen | Gemini 4 Neon oder Carbon | GPT-6.2 Sol (Preis steigt ab 272K) | Google-Cards: GraphWalks 95,2 % (Neon), 96,2 % (Carbon) |
| Eine bestehende App, die ihre Prüfungen auf Argon bereits besteht | Argon bis 1. Dez. behalten, dann Neon testen | Hydrogen | Argon verdoppelt sich am 1. Dez. auf 4/20 USD; Neon kostet 3/15 USD |
Zwei Routing-Muster ziehen sich durch die Reihe. Bei einfacher, prüfbarer Arbeit schicken Sie zuerst alles an ein Budget-Modell und eskalieren Fehlschläge an ein Modell der Mittelklasse. Wie man das durchrechnet, zeigt unser Leitfaden zu den Kosten pro korrektem Ergebnis. Bei schwieriger Arbeit beginnen Sie eine Klasse unter der, die Sie für nötig halten, und steigen nur bei Aufgaben auf, die Ihre Abnahmeprüfung nicht bestehen. Googles eigener Leitfaden rät, Carbon zu wählen, „wenn ein schnelleres Modell nicht weiterkommt“.
Die Direktvergleiche in Kürze
Carbon vs. Claude Fable 5.2 vs. GPT-6.2 Astra
Im MKA-Benchmark von Google DeepMind mit 200 multimodalen Wissensaufgaben erzielte Fable 5.2 2,22 Punkte mehr als Carbon. Der Bootstrap-Test des Papers selbst konnte diesen Abstand nicht von null unterscheiden, und Fable kostete pro Aufgabe das 6,26-Fache. Gegenüber GPT-6.2 Astra wird das Preis-Leistungs-Argument für Carbon schwächer: Im Intelligence Index von AA erreicht Astra bei high das Niveau von Carbon bei high (60,1 gegenüber 60,0), zu etwa der Hälfte der November-Kosten von Carbon und in 5,9 statt 37,2 Minuten pro Aufgabe. Seinen Platz behält Carbon bei dichten visuellen Dokumenten und sehr langem Kontext, idealerweise eingekauft, bevor sich die Tarife verdoppeln. Vollständiger Vergleich.
Neon vs. Claude Opus 5.5 vs. GPT-6.2 Sol
In Googles eigener Tabelle mit 19 Zeilen führt Neon in 16 Zeilen, Opus 5.5 in zwei und Sol in einer. AA bestätigt, dass Neon bei den jeweils höchsten Einstellungen den höchsten Index der drei hat (61,4; 59,1; 57,3) und mit Abstand die niedrigste Halluzinationsrate. Bei max erledigte Sol die AA-Indexaufgaben für 1,01 USD und 8,5 Minuten pro Aufgabe, gegenüber 6,44 USD und 21,5 Minuten für Neon sowie 10,04 USD und 24,5 Minuten für Opus. Die 39,0 % von Neon bei SWE-sweep stammen überwiegend aus Googles Antigravity-Testumgebung. In der gemeinsamen Mini-SWE-Testumgebung liegt Neon 1,2 Punkte vor Sol. Vollständiger Vergleich.
Hydrogen vs. Claude Sonnet 5.5 vs. GPT-6.1 Terra
Alle 30 unserer Testaufrufe haben bestanden: fünf Alltagsaufgaben, drei Modelle, je zwei Läufe. Die Korrektheit trennte die Modelle nicht, Kosten und Latenz schon: Die mittlere Latenz lag bei 8,4 s für Hydrogen, 4,2 s für Sonnet und 3,8 s für Terra, und die Kosten der jeweils zehn Aufrufe zum Listenpreis betrugen 0,102 USD, 0,054 USD und 0,019 USD. Hydrogen erzeugte die meisten Output-Token, überwiegend Denk-Token. Googles Card sieht Hydrogen in sieben von zehn Zeilen vorn, Sonnet führt bei Terminal- und Computer-Use-Aufgaben. Vollständiger Vergleich.
Hydrogen vs. Claude Haiku 5.5 vs. GPT-6 Luna
Dieser Vergleich beantwortet, ob Hydrogen ein Budget-Modell ist. Ist es nicht. Bei unserem Batch mit 20 Support-Tickets zur Triage erreichten Hydrogen, Haiku 5.5 und Luna zweimal 20/20, und Hydrogen kostete etwa das 24-Fache von Haiku und das 46-Fache von Luna. Die Anforderung von low-Denken für Hydrogen änderte den Tokenverbrauch bei diesem Prompt kaum, und die Antwort zeigt nicht, ob die Stufe angewendet wurde. Gemini 3.5 Flash-Lite war am schnellsten und lag pro Lauf bei einem Eintrag falsch. Der Aufpreis für Hydrogen lohnt sich für schwierigere mehrstufige Arbeit, Audio- und Video-Input und lange Prompts. Vollständiger Vergleich.
Neon vs. Carbon innerhalb von Googles Portfolio
Neon ist der Standard, den Google für komplexe Arbeit empfiehlt, Carbon die Eskalationsstufe. Mit Standardeinstellung maß AA für Neon 59,6 gegenüber 58,3 für Carbon, in etwa der halben Zeit. Bis 30. November ist Carbon pro Token günstiger, ab 1. Dezember Neon. Carbon führt weiterhin bei Physik auf Forschungsniveau (CritPt) und hat die niedrigere Halluzinationsrate mit Standardeinstellung. Vollständiger Vergleich.
Auswahl innerhalb von Gemini 4
Wenn Sie nur zwischen Googles Modellen wählen, behandelt unser Leitfaden zur Modellauswahl bei Gemini 4 Hydrogen, Argon und Carbon nach Aufgabe, mit einem Hinweis, wo Neon hineinpasst. Der Leitfaden zur Preisänderung im Dezember erklärt, was die Erhöhung bei Carbon und Argon für eine bestehende Rechnung bedeutet.
Wo Argon heute steht
Gemini 4 Argon wurde am 13. Oktober 2026 allgemein verfügbar (GA) und in Googles Versionshinweisen als leistungsfähigstes Modell für komplexe Aufgaben in Programmierung, Agenten, Mathematik und Naturwissenschaften beschrieben. Seitdem haben sich drei Dinge geändert. Hydrogen hat die Alltagsarbeit übernommen, mit kostenloser Stufe und niedrigerem Preis. Neon kam am 18. November für komplexe Arbeit zu 3/15 USD hinzu. Und Googles Seite zur Modellauswahl führt nur noch Carbon, Neon und Hydrogen. Argon steht weiterhin auf Googles Seiten zu Modellen, Preisen und Abkündigungen, und die Abkündigungsseite nennt kein Abschaltdatum. Auch bei Ofox lässt es sich weiterhin aufrufen.
Ab 1. Dezember kostet Argon 4/20 USD, so viel wie Carbon und pro Token ein Drittel mehr als Neon. Mit Standardeinstellung bewertete AA Argon mit 47,6 gegenüber 59,6 für Neon, und die Halluzinationsrate von Argon mit Standardeinstellung (15,4 %) ist etwas schlechter als die von Neon (13,9 %). Die oft für Argon zitierten 4,3 % gelten für die Einstellung high. Wenn eine Argon-Anwendung heute ihre Prüfungen besteht, müssen Sie nicht überstürzt migrieren. Testen Sie aber Neon (nur über die Google-API) und Hydrogen (auch bei Ofox) mit denselben Fällen, bevor die Dezember-Rechnung kommt. Der Leitfaden zur Migration von Argon zu Neon führt durch diesen Test. Unsere Artikel zu den Argon-Benchmarks gegenüber GPT-6 Astra und Claude Opus (Englisch) und zu den API-Preisen von Argon (Englisch) beschreiben die frühere Position des Modells.
Modelle verschiedener Anbieter mit einem Schlüssel testen
Jedes Modell der Tabelle außer Carbon und Neon lässt sich über den OpenAI-kompatiblen Endpunkt von Ofox aufrufen. Für einen anbieterübergreifenden Vergleich der Klassen genügt also ein Wechsel der Modell-ID. Diese Anfrageform haben die anderen Artikel der Reihe für ihre Läufe verwendet:
from openai import OpenAI
import os
client = OpenAI(base_url="https://api.ofox.io/v1", api_key=os.environ["OFOX_API_KEY"])
tier = {
"everyday": ["google/gemini-4-hydrogen", "anthropic/claude-sonnet-5.5", "openai/gpt-6.1-terra"],
"budget": ["google/gemini-3.5-flash-lite", "anthropic/claude-haiku-5.5", "openai/gpt-6-luna"],
}
for model in tier["everyday"]:
r = client.chat.completions.create(
model=model,
max_tokens=32000,
messages=[{"role": "user", "content": "<eine Ihrer echten Aufgaben>"}],
)
print(model, r.usage.prompt_tokens, r.usage.completion_tokens)
Erfassen Sie Input-Token, Output-Token, Latenz und ob die Antwort Ihre Prüfung bestanden hat. Multiplizieren Sie dann mit dem Listentarif des jeweiligen Anbieters oder mit dem Ofox-Tarif auf der Modellseite. Vergleichen Sie Modelle nicht allein über max_tokens oder den Preis pro Token: Derselbe Prompt ergab in einem unserer Läufe 301 Input-Token bei Fable 5.2 und 212 bei GPT-6.2 Astra, und die Output-Token für dieselbe bestandene Antwort unterschieden sich zwischen den Modellen um mehr als das Zehnfache (bis zu 1.145 bei Hydrogen gegenüber 79 bis 83 bei Terra für dieselbe Extraktionsaufgabe). Einige OpenAI-Modellseiten, etwa die von GPT-6.1 Terra, geben an, dass Tool-Aufrufe die Responses API erfordern; führen Sie Tests mit Tools bei den GPT-Modellen daher über /v1/responses aus. Die Integrationsleitfäden von Ofox behandeln die Client-Einrichtung.
Wenn ein Aufruf fehlschlägt, klären Sie die Ursache, bevor Sie dem Modell die Schuld geben. Falsche Modell-IDs und Parameterfehler sind die üblichen Verursacher. Unser Leitfaden zu API-Fehlern bei Gemini 4 behandelt fehlgeschlagene Gemini-4-Anfragen. Für die anderen Anbieter siehe den Leitfaden zu model not found bei OpenAI (Englisch), die Lösung für Claude 529 overloaded (Englisch) und den Leitfaden zu Wiederholungen bei 429 (Englisch). Der Leitfaden zur Fehlerbehandlung und die Dokumentation zu Ratenlimits von Ofox führen die eigenen Codes und Limits des Gateways auf.
Grenzen dieser Übersicht
- Zwei der vier Paarungen stammen von uns. Die Vergleichsgruppen für Neon und Hydrogen hat Google gewählt. Die Paarungen für Carbon und die Budgetklasse sind unsere Lesart von Preis und Positionierung, und Googles Carbon-Card verwendete ältere Versionen der Konkurrenz.
- Standards sind kein gleicher Aufwand. Die Gesamttabelle vergleicht jedes Modell so, wie es ausgeliefert wird. Wo die Standards abweichen (Gemini
highgegenübermediumbei Claude oder OpenAI), spiegeln Kosten- und Punktunterschiede teilweise diese Wahl wider. - Zwei OpenAI-Standards sind nicht dokumentiert. OpenAI dokumentiert keinen Standard-Effort für GPT-6.2 Astra und Sol. Ihre Zeilen zeigen die
medium-Ergebnisse von AA, diehigh-Werte stehen in Fußnote 1. - AA ist eine Testumgebung an einem Datum. Sein Index besteht aus schwierigen Evaluationen. Ein niedriger Index bedeutet nicht, dass ein Budget-Modell an einfacher, klar spezifizierter Arbeit scheitert, wie unser Triage-Lauf gezeigt hat. AA testet Modelle erneut und ändert Seiten; prüfen Sie daher vor einer Entscheidung nach.
- Preise ändern sich. Carbon und Argon verdoppeln sich am 1. Dezember 2026. Alles hier wurde am 19. November 2026 geprüft.
Verwandte Dokumentation
- Ofox-Integrationsleitfäden für OpenAI- und Anthropic-kompatible Clients
- Gemini-native API von Ofox für die Gemini-Modelle, die Ofox listet (Carbon und Neon gehören nicht dazu)
- Fehlerbehandlung und Ratenlimits
- Ofox-Dokumentation zu Preisen und Abrechnung; die Preise pro Modell stehen auf den in der Gesamttabelle verlinkten Modellseiten


