AIHubMix X 个例：同一提示词下 Gemini 4 Argon 与 GPT 6 Astra 的成本和耗时

一句话结论

AIHubMix 自述同一任务中 Astra 用时 25 分钟、成本 11 美元，Argon 为 3 分钟、0.50 美元；未公开 prompt、档位或账单条件，不是独立速度或成本测评。

适用场景

• 适合判断的任务：记录 AIHubMix 在一个未公开任务上的相对耗时和账单金额，以及该平台声称的 Argon 接入路径。

• 不适合外推的任务：不能外推到其他 prompt、输出长度、工具链、并发量、账号费率、客户端或模型档位；不能据此判断通用速度、质量或性价比。

• 适用的模型版本：Gemini 4 Argon；对照模型为 GPT 6 Astra。原帖没有给出 API 模型 ID、版本号或推理档位。

• 测试环境或客户端：AIHubMix API；原帖称 Argon 通过 Google Vertex AI 在 AIHubMix 上线。未说明请求入口、区域、账户、工具或代理配置。

• 推理档位和参数：未注明。线程中有人询问是否使用 high，但没有得到确认；medium、temperature、最大输出 token 等均未披露。

测评方法

原帖只给出以下方法声明：两个模型“通过我们的 API 使用相同的提示词”测试，结果差异很大。没有公开完整 prompt，因此无法确认任务类型、输入长度、输出要求、是否包含工具调用、是否允许重试、是否并行、何时计时或如何计算费用。也没有样本量、重复运行、硬件/网络条件、计费单据或质量评分。

页面可见线程中，ShadowAguy 回复“同样的提示词”并重复 25 分钟/$11；zikasak 和 Jayden To 均指出原帖没有提供 prompt。它们只能说明读者也注意到了复现信息缺失，不能作为同一实验的独立验证。

关键结果

按原帖显示的金额与时间，Argon 这一案例的账单和耗时都更低；但这只是同一条未公开 prompt 的单次对照，不能拆分为模型本身、路由、服务端队列、输出长度或计费策略的因果差异。原帖的“哪个模型赢了？”也没有给出质量、正确率、完成度或失败情况，因此无法仅凭价格和耗时判定胜负。

原始数据

• 主帖英文正文：AIHubMix 称使用同一 prompt 通过其 API 测试两个模型；Astra 为 25 分钟/$11，Argon 为 3 分钟/$0.50；并称 Argon 已通过 Google Vertex AI 在 AIHubMix 上线。

• 视频：页面显示 0:13 的嵌入视频。可见缩略图把 Gemini 4 Argon 与 GPT 6 Astra 标在两张并排的像素风图像上，并写有“Multiple models via one gateway only on aihubmix.com/”。这能确认视频展示的是并排结果，不足以确认完整输出、生成 prompt 或质量评价。

• 引用帖附图：AIHubMix 的图卡写有“NEW MODEL AVAILABLE”“2026.10.13”“Gemini 4 Argon”“LIVE ON AIHUBMIX / Available now”。它支持上线日期与平台归属，不提供本次对照实验的参数。

• 引用帖可见文案：Argon 在 AIHubMix 上线，面向编码、长时间运行 Agent 和 computer use，并列出 1M-token context、多步骤规划、主动记忆和主动聚焦。这是平台产品宣传，不是本次对照的实测字段。

• 线程补充：Haleemah 报告遇到 API error；Sahil Panhotra 询问是否使用 high；二者都没有给出可核验的运行配置或结果。

结论与边界

• 这是 AIHubMix 官方账号发布的单任务对照个例，属于厂商自述，不是独立速度、成本或质量评测。

• “相同提示词”只有账号声明，prompt 本身未公开；无法检查两个请求是否真的字节级相同，也无法确认上下文、输出上限、工具和系统消息是否一致。

• 成本没有拆分输入/输出 token、缓存、重试、平台加价、汇率或账单周期；不能把 $0.50 当作 Argon 的通用单次价格。

• 耗时没有定义起止点，可能混合排队、路由、生成、工具和后处理时间；不能把 3 分钟视为模型端到端延迟基准。

• 线程没有提供完整输出、质量标准、错误处理或重复样本；附图和视频缩略图也不能替代输出审阅。

• AIHubMix 的“通过 Google Vertex AI”是主帖的接入描述，不等于所有地区、账号或其他客户端都可用；实际访问和费率应以账号与平台控制台为准。

复现说明

要复现该个例，应保存完整 prompt、系统消息、输入附件、模型 ID、reasoning 档位、上下文和输出上限，并在同一 AIHubMix API 入口、地区、账号费率和工具权限下分别运行两模型。记录请求开始/结束定义、排队时间、首 token、总 token、工具调用、重试、错误、原始账单和完整输出；至少重复多次，再把耗时、成本和质量分开比较。当前原帖缺少这些字段，因此本文不把它当作独立速度测评或通用成本结论。