Una tabella comparativa non ufficiale sta facendo il giro dei feed degli sviluppatori alla vigilia dell’OpenAI DevDay del 29 settembre 2026. Attribuisce a un checkpoint interno di Gemini 4 Pro un vantaggio netto su Claude Opus 5.5 e GPT-6 Astra nei test agentici più usati quest’anno, una finestra di contesto da 2 milioni di token e un listino da 2,25 dollari in input e 11,25 in output per milione di token. Google non ha pubblicato il modello, non ha firmato gli score e non ha aperto un ID API.
Il punto non è “Gemini ha vinto”. Il punto è che, se anche una frazione di quei numeri sopravvive a un model card, il mercato dei flagship cambia forma: non solo chi ragiona meglio, ma chi può vendere quel ragionamento a un quarto del prezzo di Astra.
Cosa dice la tabella virale
La versione più condivisa, allineata ai numeri già pubblici di Opus 5.5 e Astra, riporta questi valori.
- DeepSWE v1.1: Gemini 4 Pro 88.7, Claude Opus 5.5 74.2, GPT-6 Astra 74.1.
- Terminal-Bench 2.1: 95.3 contro circa 88 per gli altri due.
- OSWorld 2.0: 86.8 contro 81.8 (parziale) di Opus 5.5 e 72.6 (offline, parziale) di Astra.
- GDPval-AA: 2.064 Elo (v2) contro 1.846 (v2.1) e 1.542 (v2.1).
- Contesto: 2M contro 1M e 1.1M.
- Prezzo per 1M token: 2,25 / 11,25 dollari contro 4 / 20 e 10 / 50.
Le colonne di Opus e Astra coincidono, su DeepSWE, GDPval e listino, con quanto già pubblicato a settembre 2026. È un indizio che chi ha compilato la tabella ha copiato i numeri pubblici dei rivali e ha inserito una colonna Gemini ancora non verificata. Non è una prova che la colonna Gemini sia vera.
DeepSWE è un benchmark di software engineering a orizzonte lungo, costruito per separare gli agenti meglio di SWE-bench Pro. Un salto da 74 a 88.7, se riprodotto con lo stesso harness, sarebbe uno dei gap più larghi visti quest’anno tra flagship chiusi. Terminal-Bench misura lavoro da terminale. OSWorld misura uso del desktop. GDPval-AA misura qualità di deliverable da knowledge work, in Elo da confronti ciechi.
Argon, Arena e il nome che non esiste ancora
Il checkpoint è associato al codename interno Argon e, secondo chi dice di averlo usato, è comparso sulla piattaforma Arena sotto l’etichetta gemini-3.8-flash. Report di metà settembre descrivono anche un limite di output da 256k token, demo di SVG e 3D, un sito vetrina generato in circa 14 minuti e — in versioni più aggressive del rumor — memoria persistente tra sessioni e una finestra fino a 10 milioni di token. Quelle cifre non coincidono tutte tra loro: 2M e 10M non possono essere vere nello stesso modo.
Google non ha confermato Arena, Argon, i benchmark né il prezzo. Ha detto altro, e va tenuto distinto. Il 21 luglio 2026 Google DeepMind ha avviato quello che ha definito il pre-training più ambizioso della linea Gemini 4. Il 24 settembre Koray Kavukcuoglu, a capo di DeepMind, ha dichiarato che Gemini 4 è in post-training e che l’obiettivo è un rilascio molto prima di fine anno, dopo che Gemini 3.5 Pro era stato annunciato per giugno e non è mai uscito. La community colloca una possibile finestra a ottobre. Resta una stima, non una data.
Una sintesi prudente del leak è raccolta da Dataconomy. Pagine di tracking come gemini4.ai ripetono lo stesso avviso: oggi non esiste un prodotto pubblico chiamato Gemini 4 Pro.
Perché il prezzo pesa più dello score
Il listino dichiarato, 2,25 / 11,25 dollari, è il dato che tiene insieme il thread. Opus 5.5 è a 4 / 20. Astra è a 10 / 50. Su un milione di token di input Gemini costerebbe il 44% in meno di Opus e il 78% in meno di Astra. In output lo sconto è simile.
Per un team che fa coding agentico o computer use il costo non è solo il prezzo di listino. Conta quanti token di reasoning il modello brucia per chiudere un task. Un modello più barato ma loquace può costare come un flagship silenzioso. La tabella non dice nulla sul consumo reale. Dice solo che Google, se confermasse quei numeri, arriverebbe sul mercato con TPU proprie e un listino pensato per spostare volume, non per difendere un premium.
Ha senso per chi opera su stack misti. Oggi molti workflow usano Astra o Opus sul pezzo difficile e un modello più economico sul resto. Un Pro da 2M a prezzo intermedio rompe quella suddivisione: lo stesso endpoint potrebbe coprire contesto lungo, agent loop e produzione di artefatti.
Cosa è solido e cosa no
Solido, perché già pubblico:
- Opus 5.5 e GPT-6 Astra esistono, hanno prezzo e schede note.
- DeepSWE 74.2 / 74.1 e GDPval 1.846 / 1.542 sono allineati alle fonti di settembre.
- Gemini 4 è in post-training; DeepMind ha detto di volerlo prima di fine 2026.
- OpenAI DevDay è il 29 settembre a San Francisco, con keynote in streaming.
Non solido, finché non arriva un model card:
- Lo score 88.7 su DeepSWE e 95.3 su Terminal-Bench 2.1.
- OSWorld 86.8 a confronto pieno, non parziale.
- La finestra da 2M (altre voci parlano di 10M).
- Il listino 2,25 / 11,25.
- Che il modello visto su Arena sia davvero il Pro e non un routing di 3.8 Flash.
Alcune ricostruzioni precedenti confrontavano Gemini 4 Pro con Claude Fable 5.1, non con Opus 5.5. La tabella di questi giorni ha aggiornato i rivali. È un altro motivo per non trattare il foglio come un leaderboard ufficiale: è un artefatto di community che si muove mentre i vendor pubblicano.
Cosa fare prima del model card
Chi valuta stack non deve “passare a Gemini” sulla base di uno screenshot. Deve preparare tre task fissi — un ticket DeepSWE-like sul proprio repo, un job da terminale, un flusso desktop — e rilanciarli il giorno in cui esiste un ID. Stesso prompt, stesso harness, stesso budget di token. Solo allora il 88.7 e i 2,25 dollari diventano una decisione di acquisto.
Fino a quel momento la tabella serve a una cosa sola: alzare l’asticella di cosa ci aspettiamo da un Pro Google dopo un anno in cui la linea Flash ha tenuto il campo e il Pro successivo è slittato. Se Argon è reale, il DevDay di OpenAI non è l’unico evento della settimana. Se non lo è, resta la conferma che il mercato ora giudica i flagship su coding agentico, computer use e dollari per milione, non sul comunicato.
Testo: assistito da AI · revisionato da Carlos H. P. Ross
