GPT-6.1 Sol vs. Gemini 4 Carbon: Fünf Indexpunkte, sechsmal die Rechnung und ein Modell, das man nicht aufrufen kann

Der Vergleich zwischen GPT-6.1 Sol und Gemini 4 Carbon hat eine ungewöhnliche Form: Eines von beiden beantwortet seit dem 29. September 2026 Produktionsanfragen, das andere beantwortet seit dem 28. Oktober Benchmarks. Googles Carbon ist real, es ist das Modell mit der höchsten Punktzahl auf dem unabhängigen Board, und man kann ihm keine Anfrage senden, es sei denn, man ist ein Cybersicherheitsverteidiger, der zum Fairwind-Programm von Google zugelassen ist. Keine öffentliche Modellkennung, keine veröffentlichte Preisseite, kein Endpoint. GPT-6.1 Sol kann man heute Nachmittag aufrufen. Diese Asymmetrie macht den Vergleich nicht sinnlos – sie macht ihn zu einem anderen Vergleich als dem, den die Leaderboards implizieren, und zu einem viel praktischeren.

Das eine ist ein Produkt, das andere ein Programm.

Google kündigte am 28. Oktober 2026 Gemini 4 Carbon als „unser nächstes Frontier-Modell“ an, zwei Wochen nach Gemini 4 Argon. Der Zugang wurde über Fairwind für eine Teilgruppe von Cyber-Verteidigern geöffnet, wobei ein breiterer Zugang für Entwickler, Unternehmen und Verbraucher „so bald wie möglich“ versprochen wurde, ohne Datum. Stand 5. November gibt es noch immer keine allgemein verfügbare Modellkennung. Die von Google genannte Preisgestaltung – 2,00 US-Dollar pro Million Eingabe-Token und 10,00 US-Dollar pro Million Ausgabe, zwischengespeicherte Eingabe mit 95 % Rabatt, steigend auf 4,00 und 20,00 US-Dollar zu Standardtarifen, ohne bestätigtes Enddatum für die Einführungsstufe – ist eine Preisliste für einen Dienst, den die meisten Leser nicht kaufen können.

GPT-6.1 Sol ist seit dem 29. September allgemein über die OpenAI API verfügbar – zu exakt demselben offiziellen Tarif: 2,00 $ Eingabe, 10,00 $ Ausgabe, 0,10 $ gecachte Eingabe, 2,50 $ Cache-Schreiben, mit einer Long-Context-Stufe, die die gesamte Anfrage oberhalb von 272.000 Eingabe-Tokens mit 4,00 $ Eingabe und 15,00 $ Ausgabe neu bepreist. Unser Katalog führt es als openai/gpt-6.1-sol, gelistet am 2026-09-29, zu OpenAIs eigenem Preis ohne Aufschlag. Wir führen Gemini 4 Carbon nicht, weil es noch nichts zu führen gibt; wir führen Gemini 4 Argon.

Die ehrliche Betrachtungsweise ist also nicht „zu welchem du wechseln solltest“, sondern „woraus Carbons Vorsprung von fünf Punkten eigentlich besteht und was du dafür zahlen würdest, wenn er auf der Karte stünde“.

Identische Tarifkarten und eine Rechnung, die um das Sechsfache abweicht

Beide Modelle sind mit 2,00 $ bzw. 10,00 $ bepreist. Wer diese Zeile liest, würde schließen, dass sie im Betrieb gleich viel kosten. Die unabhängige Messung sagt etwas anderes, und der Grund dafür ist das Volumen, nicht der Preis.

• Intelligence Index v5.0.1 — Gemini 4 Carbon 60 vs. GPT-6.1 Sol 55, beide mit maximalem veröffentlichtem Aufwand

• Ausgabegeschwindigkeit — Carbon 68 Token/Sek. vs. Sol 56 Token/Sek.

• Kosten pro abgeschlossener Indexaufgabe — Carbon 7,76 $ vs. Sol 1,27 $

• Ausgabe-Tokens beim Indexlauf verbraucht – Carbon 205 Millionen vs. Sol 63,7 Millionen

• Zeit pro Indexierungsaufgabe — Sol 20,3 Minuten, mit 157,57 Sekunden bis zum ersten Antwort-Token

• Kontextfenster — Carbon 1M vs. Sol 1,050,000

• Maximale Ausgabe in einer Antwort — Sol 128.000 Tokens; Google hat keine Carbon-Zahl veröffentlicht

• Modalitäten — beide akzeptieren Text und Bilder und geben Text zurück

• Verfügbarkeit — Carbon auf Fairwind-Verteidiger beschränkt, keine öffentliche Kennung, während Sol seit dem 29. September allgemein verfügbar ist

• Listenpreis — sowohl 2,00 $ für die Eingabe als auch 10,00 $ für die Ausgabe pro Million, bevor Carbon auf 4,00 $ und 20,00 $ umstellte

Carbon erzeugte 3,2-mal so viele Ausgabe-Tokens wie Sol und kostete pro Aufgabe 6,1-mal so viel. Die Rechnung wächst schneller als die Tokenzahl – genau das passiert, wenn ein Modell länger nachdenkt und pro Versuch mehr Kontext aufnimmt. Ein Fünf-Punkte-Vorsprung im Index, erkauft mit dem Sechsfachen an Ausgaben, ist ein vertretbarer Kompromiss für ein Sicherheitsteam, das einige Hundert hochkritische Analysen durchführt; für alles mit einer Warteschlange ist er nicht vertretbar.

Wo Carbon wirklich vorne liegt

Es wäre einfach und falsch, {{1}}Carbon{{/1}} als teure Krawatte abzutun. Bei den Evaluationen, die Google erstellt oder ausgewählt hat, liegt es klar vorn, und diese Evaluationen kommen dem angekündigten Anwendungsfall am nächsten.

• SEC-bench Pro, Schwachstellenerkennung — Carbon 88,2 %. Von Google gemeldet.

• ExploitGym, Exploitation — Carbon 54,8 %. Von Google gemeldet.

• CWE-bench, Patchen — Carbon 71,0 %. Von Google gemeldet.

• Gray Swan indirekte Prompt-Injection — 0,0 % Erfolgsquote bei Angriffen. Von Google gemeldet.

• GDPx, SemiAnalysis’ professioneller 206-Aufgaben-Benchmark — Carbon etwa 10,9 % bei rund 16 $ pro Aufgabe, hinter Claude Opus 5.5 mit etwa 12 % und rund 51 $ pro Aufgabe.

• AA-Omniscience — Carbon führt die Rangliste zur Wissensgenauigkeit an; unabhängige Berichterstattung beziffert seine Halluzinationsrate auf nahezu 11 %, ein Anstieg gegenüber dem Wert von Argon – was man wissen sollte, bevor man eine Spitzenposition im Cyber-Bereich als allgemeine Zuverlässigkeitsführerschaft behandelt.

Die Cyber-Kennzahlen sind der Grund, warum das Modell existiert, und der Grund, warum es zugangsbeschränkt ist. Außerdem wurden sie von niemandem außerhalb von Google reproduziert, laut Berichterstattung zur Markteinführung ohne Schutzmechanismen betrieben und zur Markteinführung ohne separate System Card veröffentlicht. Etikettieren Sie sie als vom Anbieter gemeldet, und haken Sie sie ab; sie sind nicht der Grund, warum ein allgemeines Engineering-Team dieses Modell wählen würde.

Der Lead ist domänenförmig, nicht allgemein.

Das nützlichste Drittanbieter-Ergebnis der vergangenen Woche ist ein negatives. Als SemiAnalysis sein GDPx-Ranking erneut ausführte, wobei Aufgaben aus Cybersicherheit, Biologie und Alignment ausgeschlossen waren, änderte sich die Reihenfolge: GPT-6 Astra rückte auf den ersten Platz, und sowohl GPT-6.1 Sol als auch Claude Sonnet 5.5 überholten Gemini 4 Carbon. SemiAnalysis erklärte, die überarbeitete Reihenfolge stimme besser mit den eigenen subjektiven Eindrücken überein.

Das ist eine präzise Aussage darüber, was Carbon ist. Es ist nicht durchgängig intelligenter; es ist überproportional stark in einem Domänencluster, das zufällig genau dort liegt, worauf Google es ausgerichtet hat, und der aggregierte Index belohnt diesen Cluster. Wenn Ihr Workload Sicherheitsanalyse ist, ist das das gesamte Argument dafür, auf Zugang zu warten. Wenn Ihr Workload eine Dokumentenpipeline, ein Coding-Agent oder ein Support-Flow ist, besteht die Fünf-Punkte-Lücke größtenteils aus Aufgaben, die Sie nie ausführen werden, und Sie vergleichen ein Modell, das Sie aufrufen können, mit einem, das Sie nicht aufrufen können.

Was Sol besser macht – nach OpenAIs eigenen Zahlen

Die Angaben von OpenAI zum Start von GPT-6.1 Sol stammen vom Anbieter und sollten als solche gelesen werden; sie sind jedoch konkret genug, um später überprüft zu werden. Bei DeepSWE v1.1 werden bei der Stufe high 75,22 % und bei der Stufe max 71,90 % angegeben – das ungewöhnliche Detail dabei ist, dass dieser Benchmark bei high und nicht bei max seinen Höchstwert erreicht. Bei OSWorld 2.0: 71,42 % bei max. Bei Terminal-Bench Science 0.1: 57,02 % bei max, gegenüber GPT-6 Astra mit 68,1 %. Bei AutomationBench 1.0.6: 36,10 % bei max. Bei GDP.pdf: 32,0 % bei high, gleichauf mit Astra.

Das Muster in diesen Zahlen ist der nützliche Teil: Sol liegt bei Dokument- und Coding-Arbeit nahe an Astra und bei Wissenschaft und langfristiger Automatisierung klar dahinter. Es ist ein Arbeitstier mit einer an die Frontier angrenzenden Obergrenze, verkauft zu einem Fünftel von Astras 10,00 $ und 50,00 $. Unabhängige Messungen bestätigen das Bild — 55 auf v5.0.1 ist keine Frontier-Punktzahl, aber 1,27 $ pro abgeschlossener Aufgabe ist in diesem Vergleich mit großem Abstand der niedrigste.

Die Entscheidung – für die zwei Leser, die dieser Artikel hat

Wenn Sie ein Defender innerhalb von Fairwind sind, ist der Tausch real, und die oben genannten Zahlen sind der Tausch: fünf Indexpunkte und ein großer cyberspezifischer Vorsprung für sechsmal die Kosten pro Aufgabe und eine Preisliste, die sich verdoppelt, wenn die Einführungsphase endet. Nutzen Sie Carbon, wo die Analyse das Ergebnis ist, und Sol, wo das Volumen ist.

Für alle anderen ist Carbon keine Entscheidung, sondern ein Beobachtungspunkt. Das Modell, mit dem man sich heute vergleichen sollte, ist Gemini 4 Argon, das unser Katalog als google/gemini-4-argon zum selben Einführungspreis von $2.00 und $10.00 führt und das auf demselben Index v5.0.1 50 Punkte erzielt – fünf Punkte unter Sol, bei 68 Tokens pro Sekunde und Kosten pro Aufgabe im selben Bereich wie bei Carbon. Zu Standardpreisen verdoppelt sich Argon auf $4.00 und $20.00 – das ist der Termin, den man sich im Kalender markieren sollte.

Der Grund, sich um das Gating statt nur um die Scores zu kümmern, ist, dass eine Routing-Schicht die letztendliche Antwort günstig macht. Sowohl Sol als auch Argon stehen hier hinter einem einzigen Schlüssel, zum Listenpreis des Anbieters ohne Aufschlag, sodass der Vergleich eine Konfigurationsänderung statt eines zweiten Vertrags ist. Wenn Carbon dann öffnet, gehört die aufgabenspezifische Aufteilung in die Routing-DSL: Cyberanalyse an den Spezialisten, alles andere an das Arbeitstier, mit Failover, falls der Spezialist am ersten Tag gedrosselt wird. Die Pipeline gegen ein einziges Modell zu bauen und es fest zu verdrahten, ist die Entscheidung, die schlecht altert, und dieses Paar ist das klarste Argument dafür, sie nicht zu treffen.

Fünf Punkte sind ein echter Unterschied zwischen zwei Modellen. Für sich genommen sind sie kein Grund, einen Stack um einen Dienst herum neu aufzubauen, der seine Türen noch nicht geöffnet hat.