GPT-6.1 Sol vs. Gemini 4 Pro: Google hat diesen Namen nie veröffentlicht, und die Preisangleichung endet am 1. Dezember

Es gibt kein Modell namens Gemini 4 Pro. Wenn Sie nach einem Vergleich gegen GPT-6.1 Sol gesucht haben, ist die Google-Seite dieses Duells Gemini 4 Argon – das Frontier-Modell, das Google am 30. September 2026 einem geschlossenen Kreis von Cyber-Verteidigern vorstellte und am 13. Oktober für zahlende Entwickler öffnete. Beide tragen inzwischen, was wie eine identische Preiskarte aussieht: 2,00 US-Dollar pro Million Input-Tokens und 10,00 US-Dollar pro Million Output. Diese Identität hat ein Ablaufdatum. Argons Einführungspreis gilt bis zum 30. November; ab dem 1. Dezember werden daraus 4,00 US-Dollar und 20,00 US-Dollar. GPT-6.1 Sol, veröffentlicht am DevDay am 29. September, ist mit 2,00 US-Dollar und 10,00 US-Dollar als regulärem Preis bepreist, nicht als Aktion. Die eigentliche Frage ist also nicht, welches Modell heute gewinnt. Sondern welche Preiskarte Sie im Februar noch in der Hand halten.

Alles Folgende stammt aus den eigenen Modell- und Preisunterlagen der beiden Anbieter, gelesen am 27. Oktober 2026, oder von Artificial Analysis, der einzigen unabhängigen Vergleichsplattform, auf der beide Modelle erscheinen. Wenn eine Zahl aus einem eigenen Benchmark-Lauf eines Anbieters stammt, wird das in dem Satz, der sie enthält, gesagt. Die Modellliste von Google ist der Grund, warum die Namenskorrektur keine Pedanterie ist: Die Kennung, die sie ausliefert, ist gemini-4-argon, und es gibt keine Zeile gemini-4-pro, die man aufrufen könnte.

Der Name im Suchfeld und das Modell auf der Rechnung

„Gemini 4 Pro“ blieb als Community-Bezeichnung aus dem Leak-Zyklus erhalten. Mitte September beschrieben Berichte ein mysteriöses Modell, das anonym auf arenaähnlichen Ranglisten auftauchte, ungewöhnlich lange Reasoning-Traces erzeugte und weithin als das nächste Gemini der Pro-Klasse identifiziert wurde. Als Google das Modell tatsächlich ankündigte, nannte es Argon und beschrieb es als den Beginn der Familie Gemini 4 statt als Ersatz für eine benannte Pro-Stufe. Berichte zu dieser Zeit besagten, Google habe die Produktlinie Gemini 3.5 Pro eingestellt und die Rechenkapazität umgeleitet, was teilweise erklärt, warum die Pro-Bezeichnung haften blieb: Es gab eine Lücke, in der ein Pro-Modell gestanden hätte.

Die Bezeichnung ist aus einem praktischen Grund wichtig. Eine Suche nach Gemini 4 Pro liefert größtenteils Seiten, die auf durchgesickerten Spezifikationen basieren – ein Kontext von zehn Millionen Tokens, dauerhaftes sitzungsübergreifendes Gedächtnis, Sandbox-Isolation –, von denen Google nichts veröffentlicht hat. Eine Suche nach Argon liefert die eigene Dokumentation des Anbieters. Wenn Sie ein Modell auswählen und nicht ein Gerücht lesen, ist das Zweite das einzig nützliche Objekt. Argons öffentliche Dokumentation beschreibt einen einheitlichen Arbeitsbereich von einer Million Tokens, der von Eingabe, Denken und Ausgabe gemeinsam genutzt wird, ein standardmäßiges Ausgabekontingent von 65.536 Tokens und lange Dekodierläufe, die sich auf ungefähr eine Million Ausgabe-Tokens erstrecken können.

Zwei Tarifkarten, von denen eine eine Sonderaktion ist

Hier ist der vollständige kommerzielle Vergleich in den Dimensionen, die eine Rechnung verändern. Jede Zeile stammt aus den eigenen veröffentlichten Bedingungen der Anbieter vom 27. Oktober 2026.

• Standardtarif heute — GPT-6.1 Sol 2,00 $ Eingabe / 10,00 $ Ausgabe pro Million; Gemini 4 Argon 2,00 $ / 10,00 $.

• Preis am 1. Dezember 2026 — GPT-6.1 Sol unverändert bei 2,00 $ / 10,00 $; Gemini 4 Argon 4,00 $ / 20,00 $.

Zwischengespeicherte Eingabe — Sol 0,10 $ pro Million; Argon heute etwa 0,10 $ bei einem Rabatt von 95 %, soll nach dem Schritt Berichten zufolge auf rund 0,20 $ steigen.

• Langkontext-Preisgestaltung — Sol berechnet für die gesamte Anfrage oberhalb von 272.000 Eingabe-Tokens neu ab, und zwar 4,00 $ für die Eingabe und 15,00 $ für die Ausgabe, bei zwischengespeicherter Eingabe zu 0,20 $; Argon veröffentlicht keine entsprechende Stufe, da sein Workspace pauschal eine Million Tokens umfasst.

• Kontext — Sol: 1.050.000 Eingabe-Tokens mit einer Ausgabegrenze von 128.000 Tokens; Argon: eine Million vereinheitlichte Tokens, mit einer Standardausgabe von 65.536 Tokens.

• Reasoning-Steuerung — Sol führt immer Reasoning aus, mit fünf Stufen von niedrig bis maximal und ohne Ausschalter; Argons Effort-Steuerung wird über Googles API bereitgestellt, ist aber nicht in denselben Stufenbegriffen dokumentiert.

• Eingabe — Sol akzeptiert Text, Bilder und Dateien; Google positioniert Argon als multimodal über Text, Bild und Video hinweg.

• So beziehen Sie es — Sol über OpenAIs API, Bedrock und Router, die es führen, einschließlich unseres; Argon über Googles eigene API, AI Studio und Enterprise-Kanäle.

Diese vierte Zeile ist die, die viele übersehen. Der Long-Context-Schritt von Sol ist eine Klippe, die an die Länge einer einzelnen Anfrage gekoppelt ist: Überschreite 272,000 Input-Token, und der gesamte Prompt wird neu bepreist, nicht nur der Überschuss. Der einheitliche Million-Token-Arbeitsbereich von Argon hat keine entsprechende Grenze. Für einen Agenten, der bei jedem Turn einen großen Repository-Kontext zusammenstellt, kann dieser Unterschied wichtiger sein als die beworbene Rate — und er spricht für Argon, zumindest bis Dezember.

Dreiundfünfzig gegen zweiundfünfzig und die Ehrlichkeit einer Lücke von einem Punkt.

Artificial Analysis listet {{1}}Gemini 4 Argon{{/1}} mit 53 in seinem Intelligence Index und {{2}}GPT-6.1 Sol{{/2}} mit 52, beide in Version 4.3.2 der Suite. {{3}}Argon{{/3}} belegt Platz neun von 221 Modellen; {{4}}Sol{{/4}} liegt direkt dahinter. Ein Punkt in einem zusammengesetzten Wert aus rund zehn Bewertungen ist kein Ranking, sondern eine Bandbreite. Worin der Index besser ist: Er sagt Ihnen, dass sich keines der Modelle seine Punktzahl mit einer dramatisch anderen Kostenstruktur erkauft – zumindest nicht bei den Headline-Raten, wo beide dieselbe Zahl aufweisen.

Die Konfigurationen sind nicht identisch, und das sollte man sagen, statt es zu verschweigen. Artificial Analysis führt Sol mit maximalem Aufwand auf, seiner teuersten Einstellung. Argons Punktzahl wird für eine einzelne Konfiguration veröffentlicht, die Google bereitstellt. Ein Vergleich über unterschiedliche Aufwandsstufen hinweg ist ein Vergleich zweier Produkte im Auslieferungszustand, nicht zweier Fähigkeiten an ihrer Obergrenze, und niemand hat einen Lauf mit identischem Aufwand für beide veröffentlicht.

Anbieterzahlen gibt es auf beiden Seiten, und sie sollten als Behauptungen gelesen werden. Googles Markteinführungsmaterial meldete erste Plätze in 13 von 19 Evaluierungen, die es durchführte, und beschrieb Argon als sein stärkstes Modell für schwierige wissenschaftliche und technische Arbeit. OpenAIs Markteinführungsmaterial für GPT-6.1 Sol meldete Parität mit seinem eigenen Flaggschiff GPT-6 Astra auf DeepSWE v1.1 bei ungefähr einem Fünftel der Kosten, einen Zuwachs von sieben Punkten bei OSWorld 2.0 offline und einen Rückgang der Faktenfehlerrate bei niedrigem Reasoning von 11,4 % auf 7,7 %. Für keine dieser vier Behauptungen gibt es eine veröffentlichte unabhängige Reproduktion. Sie sind nützlich, um zu verstehen, was jeder Anbieter glaubt, gebaut zu haben, und nutzlos, um zwischen den beiden den Ausschlag zu geben.

Die Arithmetik der fünfunddreißig Tage zwischen jetzt und dem 1. Dezember

Nehmen Sie eine Produktionslast mittlerer Größe: 40 Millionen Eingabe-Token und 8 Millionen Ausgabe-Token pro Monat, ohne Caching, ohne Long-Context-Überschreitungen. Auf beiden Karten kostet das heute 160 US-Dollar pro Monat – 80 US-Dollar für Eingabe zu 2,00 US-Dollar, 80 US-Dollar für Ausgabe zu 10,00 US-Dollar. Ab dem 1. Dezember kostet dieselbe Last auf Argon 320 US-Dollar: 160 US-Dollar für Eingabe zu 4,00 US-Dollar und 160 US-Dollar für Ausgabe zu 20,00 US-Dollar. Auf GPT-6.1 Sol bleibt es bei 160 US-Dollar.

Über die zwölf Monate nach der Änderung sind das 3.840 $ für Argon gegenüber 1.920 $ für Sol – ein Unterschied von 1.920 $ bei einer Arbeitslast, die sich nicht geändert hat. Wenn Ihr Verkehrsmuster Prompts mit mehr als 272.000 Tokens umfasst, erschwert Sols Klippe das Bild: Eine einzelne Anfrage mit 300.000 Eingabe-Tokens wird auf die vollen 300.000 mit dem Langkontext-Tarif abgerechnet, also mit 1,20 $ statt 0,60 $. Führen Sie vierzig solcher Turns pro Monat durch, verringert sich die oben genannte Ersparnis um rund 240 $ pro Jahr. Das kehrt sich nicht um. Die Klippe ist ein Grund, Ihre Prompt-Längen zu messen, kein Grund, eine Karte zu bevorzugen, die doppelt so viel kostet.

Was der Vergleich Ihnen nicht sagen kann

Keines der beiden Modelle verfügt über einen Praktiker-Korpus. Argon ist seit zwei Wochen allgemein verfügbar; Sol seit vier. Es gibt keine Sammlung veröffentlichter Fehlermodi, keine Telemetrie aus lang laufenden Agenten und keine unabhängige Kostenstudie zu einem der beiden anhand eines echten Produktions-Traces. Der Index misst eine Testsuite, nicht Ihre Arbeitslast. Die Hersteller-Benchmarks messen die vom Hersteller ausgewählten Aufgaben mit den vom Hersteller gewählten Aufwandsstufen.

Die eine Asymmetrie, die nicht die Leistungsfähigkeit betrifft, ist die Verfügbarkeit. Argon wird von Google verkauft, zu Googles Bedingungen, mit einer bereits geplanten Preisänderung. Sol wird von OpenAI verkauft und über Router geführt, was eine andere Art von Abhängigkeit darstellt: Fällt ein einzelner Anbieter aus, kann ein über Router angebundener Aufrufer ein Failover durchführen; ein direkter Aufrufer kann das nicht. Das ist kein Grund, ein Modell zu wählen. Es ist ein Grund, die Modellwahl vom Transport zu trennen, was das Argument für ein Gateway im Allgemeinen und nicht für eines der beiden Modelle im Besonderen ist.

Wen man anrufen sollte, wenn man den Kalender berücksichtigt

Wenn Sie sich heute entscheiden und Ihr Workload preissensibel ist, ist GPT-6.1 Sol die sicherere Wahl, denn es ist eine feste Zusage: $2.00 und $10.00 mit einer veröffentlichten Regel für langen Kontext, ohne Ablaufdatum und mit einem Cache-Input-Zähler zu einem Zehntel des Input-Tarifs. Es ist zu OpenAIs Listenpreis mit 0 % Aufschlag in unserem Katalog, sodass der Tarif, den Sie auf der Seite des Anbieters sehen, auch der Tarif ist, der Ihnen berechnet wird, und eine Änderung aufseiten von OpenAI würde noch am selben Tag übernommen statt erst nach einem Preisanpassungszyklus.

Wenn Sie genau das brauchen, was Argon speziell bietet – den einheitlichen Arbeitsbereich mit einer Million Token, die multimodale Eingabe von Google oder seine Platzierung in Googles eigenen wissenschaftlichen Evaluierungen –, dann ist der ehrliche Rat, jetzt den Dezember-Wert einzuplanen. Ein Team, das mit $2.00 und $10.00 kalkuliert und im Januar verlängert, wird die Änderung als 100%ige Erhöhung erleben. Ein Team, das mit $4.00 und $20.00 kalkuliert und fünfunddreißig Tage Rabatt erhält, ist schlicht früh dran. Gemini 4 Argon ist nicht in unserem Katalog; wenn Sie es möchten, finden Sie es in der eigenen API des Anbieters und auf mehreren Drittanbieterplattformen.

Der Name im Suchfeld war nie echt. Das Modell ist es, der Rabatt gilt noch einen weiteren Monat, und die einzige Entscheidung, die den Dezember überdauert, ist, ob die Arbeitslast Argons Form so dringend braucht, dass es sich lohnt, doppelt dafür zu zahlen. Für die meiste Programmier- und dokumentlastige Arbeit ist die Antwort diesen Monat und nächsten Monat das Modell, dessen Preis kein Countdown ist.