Gemini 4 Argon è ora disponibile per l'annotazione automatica in Ultralytics Platform
Gemini 4 Argon si è classificato al primo posto su 26 modelli di annotazione automatica in Ultralytics Platform, davanti a GPT-6.1 Sol, Gemini 3.8 Flash, Claude Opus 5.5 e GPT-6 Astra.
L'etichettatura dei dati è ancora la fase più lenta della maggior parte dei progetti di computer vision. L'annotazione automatica accelera il processo consentendo a un modello di generare una bozza dei riquadri di delimitazione, così il tuo team può esaminarli e correggerli invece di disegnare ogni oggetto a mano. Ma una bozza è utile solo quanto il modello che la genera.
Oggi, Gemini 4 Argon è disponibile per l'annotazione automatica in Ultralytics Platform. Nel nostro benchmark di tutti i 26 modelli di annotazione automatica con prompt di classe disponibili in Ultralytics Platform, inclusi GPT-6.1 Sol, GPT-6 Astra, Claude Opus 5.5 e Claude Fable 5.1, Gemini 4 Argon è risultato nettamente il più preciso.
Novità: Gemini 4 Argon per l'annotazione automatica#
Gemini 4 Argon si aggiunge ai modelli di visione-linguaggio con prompt di classe disponibili nell'editor di annotazione di Ultralytics Platform. Su un dataset di rilevamento degli oggetti con da 1 a 200 classi, esamina ogni immagine e restituisce i riquadri delle istanze delle classi del dataset che individua; puoi esaminarli e salvarli come qualsiasi altra predizione.
Puoi usarlo in due modi:
- Un'immagine alla volta: nell'editor di annotazione, passa alla modalità Smart, seleziona
gemini-4-argonsotto Google nel selettore del modello e fai clic su Predici (oppure premiP). - Un intero dataset: avvia Annotazione in batch da Altre azioni > Annotazione in batch nella pagina del dataset per etichettare tutte le immagini non etichettate in un'unica esecuzione.
Gemini 4 Argon si affianca alle altre opzioni di annotazione automatica in Ultralytics Platform, dai prompt a punti di SAM 3.1 ai tuoi modelli Ultralytics YOLO ottimizzati. Per una panoramica più ampia, scopri come Ultralytics Platform usa l'AI per automatizzare l'annotazione.
Come abbiamo valutato 26 modelli di annotazione automatica#
Un modello che individua quasi tutti gli oggetti nelle foto di tutti i giorni può comunque non rilevarne la maggior parte in una scansione medica o su un circuito stampato. Perciò, invece di limitarci alle foto di tutti i giorni, abbiamo testato UL37, un insieme di dataset di benchmark reali che Ultralytics usa per la valutazione, selezionandone i 36 dataset di rilevamento. Coprono imaging medico, immagini aeree e satellitari, ispezione di PCB, raggi X di sicurezza, scaffali di negozi, traffico, sport, scene subacquee, riprese termiche e altro.
Abbiamo inviato 108 immagini etichettate (tre per dataset) a ogni modello con prompt di classe disponibile in Ultralytics Platform, usando lo stesso codice di rilevamento dell'editor di annotazione e l'elenco completo delle classi di ciascun dataset; abbiamo poi confrontato i riquadri restituiti con le annotazioni di riferimento usando mAP50. Ogni provider ha operato con il proprio livello predefinito di ragionamento e, nelle esecuzioni ripetute, i punteggi sono variati di appena 0,005 mAP50 circa.
Gemini 4 Argon a confronto con GPT-6.1 Sol, Claude Opus 5.5 e GPT-6 Astra#
Gemini 4 Argon ha raggiunto 0.565 mAP50, superando nettamente GPT-6.1 Sol (0.491), Gemini 3.8 Flash (0.489), Claude Opus 5.5 (0.476) e GPT-6 Astra (0.470). Ha completato tutte le richieste, impiegando in media circa cinque secondi per immagine.
Il suo vantaggio non dipende da un ragionamento più lungo. Al livello di ragionamento predefinito, Gemini 4 Argon ha usato in media circa 150 token di output per immagine, più o meno quanto Claude Opus 5.5 e molto meno di GPT-6.1 Sol o Gemini 3.8 Flash.
Precisione e costo: Gemini 4 Argon, Claude Haiku 5.5 e modelli premium#
I modelli a pagamento usano la tua chiave API del provider, che ti addebita direttamente ogni predizione. Al prezzo di lancio di Google, valido fino al 30 novembre 2026, nel nostro benchmark Gemini 4 Argon è costato circa $7.60 ogni 1.000 immagini. In seguito, a parità di utilizzo, il prezzo raddoppierà arrivando a circa $15 ogni 1.000 immagini.
I modelli premium costano di più senza ottenere punteggi superiori. GPT-6 Astra e Claude Fable 5.1 costano circa $47 e $37 ogni 1.000 immagini e hanno ottenuto rispettivamente 0.470 e 0.372. Se per te il costo conta più della massima precisione, Claude Haiku 5.5 (0.384 mAP50 a circa $0.35 ogni 1.000 immagini) e Gemini 3.5 Flash-Lite (0.363 a circa $1.36) sono i modelli a basso costo più precisi. Se invece preferisci non usare una chiave del provider, Qwen3.8 27B è stato il modello più preciso ospitato su Ultralytics Platform.
Gemini 4 Argon in 12 domini reali#
Gemini 4 Argon ha superato la media di tutti i 26 modelli in 11 domini su 12 e ha pareggiato nelle immagini subacquee. I maggiori miglioramenti si sono registrati su strade e traffico (0.59 contro 0.17) e nelle immagini aeree (0.65 contro 0.30); inoltre, ha raddoppiato la media nell'imaging medico (0.57 contro 0.28).
Le immagini specialistiche restano difficili per tutti i modelli. Le immagini di PCB industriali e di raggi X di sicurezza sono rimaste sotto 0.2 mAP50 anche con Gemini 4 Argon. Considera i suoi riquadri una prima bozza da sottoporre a revisione umana nel ciclo e controlla alcune predizioni sulle tue immagini prima di annotare un intero dataset.
Inizia a usare Gemini 4 Argon in Ultralytics Platform#
- Aggiungi una chiave API Google in Impostazioni > Chiavi API dello spazio di lavoro a cui appartiene il dataset, oppure chiedi al proprietario dello spazio di lavoro di aggiungerne una (scopri come).
- Apri un dataset di rilevamento in Ultralytics Platform, passa alla modalità Smart nell'editor di annotazione e seleziona
gemini-4-argonsotto Google. - Fai clic su Predici per etichettare l'immagine corrente, quindi esamina, modifica e salva i riquadri.
- Quando i risultati ti soddisfano, avvia Annotazione in batch per etichettare il resto del dataset.
L'annotazione in batch applica la tariffa standard di elaborazione di Ultralytics Platform, pari a $1.00 ogni 1.000 immagini, separata dagli addebiti di Google sulla tua chiave API. Prima di ogni esecuzione viene salvata una versione del dataset, così puoi sempre ripristinare una versione precedente.
Una volta etichettato il dataset, addestra un modello Ultralytics YOLO26 nello stesso spazio di lavoro (consulta la documentazione sull'addestramento). Stai confrontando strumenti di annotazione? Leggi le nostre guide alle migliori piattaforme di annotazione delle immagini e agli strumenti di etichettatura automatica e apprendimento attivo. Poi accedi a Ultralytics Platform per provare Gemini 4 Argon sui tuoi dati.
Domande frequenti
Gemini 4 Argon è un modello Gemini di Google in grado di interpretare immagini e individuare gli oggetti al loro interno. In Ultralytics Platform è disponibile come modello di annotazione automatica con prompt di classe, che disegna riquadri di delimitazione per le classi del tuo dataset.
Nel nostro benchmark di ottobre 2026 su 36 dataset di rilevamento reali, Gemini 4 Argon ha ottenuto 0.565 mAP50, superando GPT-6.1 Sol (0.491), Gemini 3.8 Flash (0.489), Claude Opus 5.5 (0.476), GPT-6 Astra (0.470) e Claude Fable 5.1 (0.372), con ogni provider al proprio livello predefinito di ragionamento.
Google addebita ogni predizione direttamente sulla tua chiave API: nel nostro benchmark, circa $7.60 ogni 1.000 immagini al prezzo di lancio, valido fino al 30 novembre 2026, e circa $15 ogni 1.000 immagini dopo tale data. L'annotazione in batch aggiunge anche la tariffa di elaborazione di Ultralytics Platform, pari a $1.00 ogni 1.000 immagini.
Sì. Modelli ospitati come Qwen3.8 27B, Moondream 3.1 e SAM 3.1 Text funzionano su Ultralytics Platform senza una chiave del provider; puoi anche eseguire annotazioni automatiche con modelli Ultralytics YOLO preaddestrati o ottimizzati da te.
