GPT-6.1 Sol vs. Gemini 4 Carbon: cinco puntos de índice, seis veces la factura y uno al que no puedes llamar

La comparación entre GPT-6.1 Sol y Gemini 4 Carbon tiene una forma inusual: uno de ellos lleva atendiendo solicitudes de producción desde el 29 de septiembre de 2026, y el otro lleva respondiendo a benchmarks desde el 28 de octubre. Carbon de Google es real, es el modelo con la puntuación más alta en la tabla independiente, y no puedes enviarle una solicitud a menos que seas un defensor de ciberseguridad admitido en el programa Fairwind de Google. No hay cadena de modelo pública, ni página de precios publicada, ni endpoint. A GPT-6.1 Sol puedes llamarlo esta tarde. Esa asimetría no hace que la comparación sea inútil — hace que sea una comparación diferente de la que implican las tablas de clasificación, y mucho más práctica.

Uno es un producto, el otro es un programa.

Google anunció Gemini 4 Carbon como «nuestro próximo modelo de frontera» el 28 de octubre de 2026, dos semanas después de Gemini 4 Argon. El acceso se abrió a un subconjunto de defensores de ciberseguridad a través de Fairwind, con acceso más amplio para desarrolladores, empresas y consumidores prometido «lo antes posible» y sin fecha adjunta. A 5 de noviembre, todavía no existe un identificador de modelo disponible de forma general. El precio que Google ha indicado —2,00 USD por millón de tokens de entrada y 10,00 USD por millón de salida, entrada en caché con un 95 % de descuento, y que asciende a 4,00 y 20,00 USD con las tarifas estándar, sin una fecha de finalización confirmada para el nivel introductorio— es una lista de precios de un servicio que la mayoría de los lectores no puede comprar.

GPT-6.1 Sol está disponible de forma general en la API de OpenAI desde el 29 de septiembre a exactamente la misma tarifa anunciada: $2.00 de entrada, $10.00 de salida, $0.10 de entrada en caché, $2.50 de escritura de caché, con un tramo de contexto largo que vuelve a fijar el precio de toda la solicitud en $4.00 de entrada y $15.00 de salida cuando se superan los 272.000 tokens de entrada. Nuestro catálogo lo incluye como openai/gpt-6.1-sol, listado el 2026-09-29, al precio propio de OpenAI y sin recargo. No ofrecemos Gemini 4 Carbon, porque todavía no hay nada que ofrecer; ofrecemos Gemini 4 Argon.

Así que el planteamiento honesto no es «¿a cuál deberías cambiarte?». Es «¿en qué consiste realmente la ventaja de cinco puntos de Carbon, y cuánto pagarías por ella si estuviera en el menú?».

Tarifas idénticas y una factura que difiere en seis veces

Ambos modelos figuran a $2.00 y $10.00. Si lees esa línea, concluirías que cuestan lo mismo de ejecutar. La medición independiente dice lo contrario, y la razón es el volumen y no el precio.

• Intelligence Index v5.0.1 — Gemini 4 Carbon 60 vs GPT-6.1 Sol 55, ambos con el máximo esfuerzo publicado

• Velocidad de salida — Carbon 68 tokens/seg vs Sol 56 tokens/seg

• Coste por tarea de indexación completada — Carbon $7.76 vs Sol $1.27

• Tokens de salida consumidos en la ejecución del índice — Carbon 205 millones frente a Sol 63,7 millones

• Tiempo por tarea de indexación — Sol 20,3 minutos, con 157,57 segundos hasta su primer token de respuesta

• Ventana de contexto — Carbon 1M vs Sol 1,050,000

• Salida máxima en una respuesta — Sol 128.000 tokens; Google no ha publicado una cifra para Carbon

• Modalidades — ambas aceptan texto e imágenes y devuelven texto

• Disponibilidad — Carbon restringido a los defensores de Fairwind, sin identificador público, frente a Sol, disponible de forma general desde el 29 de septiembre

• Precio de lista — tanto $2.00 de entrada como $10.00 de salida por millón, antes del cambio de Carbon a $4.00 y $20.00

Carbon produjo 3,2 veces los tokens de salida de Sol y costó 6,1 veces más por tarea. La factura crece más rápido que el número de tokens, que es lo que sucede cuando un modelo piensa durante más tiempo y consume más contexto en cada intento. Una ventaja de cinco puntos en el índice comprada con seis veces el gasto es un intercambio defendible para un equipo de seguridad que realiza unos cientos de análisis de alto riesgo; es indefendible para cualquier cosa que tenga una cola.

Dónde Carbon está realmente por delante

Sería fácil y equivocado catalogar a Carbon como una corbata cara. En las evaluaciones que Google construyó o seleccionó, lidera con claridad, y esas son las evaluaciones más cercanas al caso de uso anunciado.

• SEC-bench Pro, detección de vulnerabilidades — Carbon 88,2 %. Reportado por Google.

• ExploitGym, explotación — Carbon 54.8%. Reportado por Google.

• CWE-bench, parcheo — Carbon 71,0%. Reportado por Google.

• Inyección indirecta de prompts de Gray Swan — 0.0% de tasa de éxito de ataque. Según Google.

• GDPx, el benchmark profesional de 206 tareas de SemiAnalysis — Carbon, alrededor del 10,9 % con unos 16 dólares por tarea, por detrás de Claude Opus 5.5, con cerca del 12 % y unos 51 dólares por tarea.

• AA-Omniscience — Carbon lidera la tabla de precisión de conocimiento; la cobertura independiente ha situado su tasa de alucinación cerca del 11%, por encima de la cifra de Argon, algo que conviene saber antes de tratar un liderazgo en ciberseguridad como un liderazgo en fiabilidad general.

Las cifras de ciberseguridad son la razón por la que existe el modelo y la razón por la que tiene acceso restringido. Además, nadie fuera de Google las ha reproducido, se ejecutaron sin salvaguardas según la cobertura del lanzamiento y se publicaron sin una tarjeta de sistema separada en el lanzamiento. Etiquétalas como reportadas por el proveedor y sigue adelante; no son la razón por la que un equipo de ingeniería general elegiría este modelo.

El lead tiene forma de dominio, no es general

El resultado de terceros más útil de la semana pasada es uno negativo. Cuando SemiAnalysis volvió a ejecutar su clasificación GDPx excluyendo las tareas de ciberseguridad, biología y alineación, el orden cambió: GPT-6 Astra pasó al primer puesto, y tanto GPT-6.1 Sol como Claude Sonnet 5.5 quedaron por delante de Gemini 4 Carbon. SemiAnalysis afirmó que el orden revisado se ajustaba mejor a sus propias impresiones subjetivas.

Esa es una afirmación precisa sobre lo que es Carbon. No es uniformemente más inteligente; es desproporcionadamente fuerte en un grupo de dominios que resulta ser hacia donde Google lo orientó, y el índice agregado recompensa ese grupo. Si tu carga de trabajo es análisis de seguridad, ese es todo el argumento para esperar el acceso. Si tu carga de trabajo es una canalización de documentos, un agente de programación o un flujo de soporte, la brecha de cinco puntos está compuesta en gran medida por tareas que nunca ejecutarás, y estás comparando un modelo al que puedes llamar con uno al que no.

Lo que Sol hace mejor, según las propias cifras de OpenAI

Las afirmaciones de lanzamiento de OpenAI sobre GPT-6.1 Sol son reportadas por el proveedor y deben leerse como tales, pero son lo bastante específicas para verificarlas más adelante. En DeepSWE v1.1 reporta 75,22% con esfuerzo alto y 71,90% con máximo; el detalle inusual es que este benchmark alcanza su punto máximo en high, no en max. En OSWorld 2.0, 71,42% con máximo. En Terminal-Bench Science 0.1, 57,02% con máximo, frente al 68,1% de GPT-6 Astra. En AutomationBench 1.0.6, 36,10% con máximo. En GDP.pdf, 32,0% con high, a la par de Astra.

El patrón en esos números es la parte útil: Sol está cerca de Astra en trabajo de documentos y programación y claramente por detrás en ciencia y automatización de horizonte largo. Es un caballo de batalla con un techo cercano a la frontera, vendido a una quinta parte de los $10.00 y $50.00 de Astra. La medición independiente coincide en la forma: 55 en v5.0.1 no es una puntuación de frontera, pero $1.27 por tarea completada es el más bajo de esta comparación por un amplio margen.

La decisión, para los dos lectores que tiene este artículo

Si eres un defensor dentro de Fairwind, la contrapartida es real y las cifras anteriores son la contrapartida: cinco puntos de índice y una gran ventaja específica en ciberseguridad, a cambio de seis veces el coste por tarea y una tarifa que se duplica cuando termina el periodo introductorio. Ejecuta Carbon donde el análisis sea el entregable y Sol donde esté el volumen.

Si eres como todos los demás, Carbon no es una decisión, es algo que hay que vigilar. El modelo con el que comparar hoy es Gemini 4 Argon, que nuestro catálogo incluye como google/gemini-4-argon con la misma tarifa introductoria de $2.00 y $10.00, y que obtiene 50 en el mismo índice v5.0.1 —cinco puntos por debajo de Sol—, a 68 tokens por segundo y con un coste por tarea en el mismo rango que el de Carbon. Argon se duplica a $4.00 y $20.00 con las tarifas estándar, y esa es la fecha que hay que apuntar en el calendario.

La razón para preocuparse por el gating y no solo por las puntuaciones es que una capa de enrutamiento abarata la respuesta final. Tanto Sol como Argon están detrás de una sola clave aquí, a precio de lista del proveedor y sin margen, así que la comparación es un cambio de configuración y no un segundo contrato. Cuando Carbon abra, el DSL de enrutamiento es donde corresponde un reparto por tarea: el análisis de ciberseguridad al especialista, todo lo demás al caballo de batalla, con failover si el especialista tiene el límite de tasa agotado desde el primer día. Construir el pipeline contra un solo modelo y fijarlo en el código es la decisión que envejece mal, y este par es el argumento más claro para no tomarla.

Una diferencia de cinco puntos es una diferencia real entre dos modelos. Por sí sola, no es razón para reconstruir una pila en torno a un servicio que aún no ha abierto sus puertas.