GPT-6.1 Sol vs Gemini 4 Pro : Google n'a jamais commercialisé ce nom, et l'alignement de prix prend fin le 1er décembre

Il n'existe aucun modèle appelé Gemini 4 Pro. Si vous avez cherché une comparaison avec GPT-6.1 Sol, le camp Google de cet affrontement est Gemini 4 Argon — le modèle de pointe annoncé par Google le 30 septembre 2026 à un cercle fermé de spécialistes en cybersécurité, puis ouvert aux développeurs payants le 13 octobre. Les deux affichent désormais ce qui ressemble à une fiche tarifaire identique : 2,00 $ par million de jetons d'entrée et 10,00 $ par million de jetons de sortie. Cette identité a une date d'expiration. Le tarif de lancement d'Argon s'applique jusqu'au 30 novembre ; à partir du 1er décembre, il passe à 4,00 $ et 20,00 $. GPT-6.1 Sol, lancé lors du DevDay du 29 septembre, est facturé 2,00 $ et 10,00 $ en tarif permanent, et non en promotion. La vraie question n'est donc pas de savoir quel modèle l'emporte aujourd'hui. C'est de savoir quelle fiche tarifaire vous aurez encore en février.

Tout ce qui suit provient de la documentation de modèles et de tarification propre aux deux fournisseurs, consultée le 27 octobre 2026, ou d’Artificial Analysis, le seul tableau indépendant où les deux modèles figurent. Lorsqu’un chiffre correspond à un benchmark exécuté par le fournisseur lui-même, la phrase qui le contient le précise. La liste de modèles de Google explique pourquoi la correction de dénomination n’a rien de pédant : l’identifiant qu’elle fournit est gemini-4-argon, et il n’y a aucune ligne gemini-4-pro à appeler.

Le nom dans le champ de recherche, et le modèle sur la facture

« Gemini 4 Pro » est resté une étiquette communautaire issue du cycle de fuites. À la mi-septembre, des rapports décrivaient un modèle mystérieux apparaissant anonymement sur des classements de type arène, produisant des traces de raisonnement inhabituellement longues et étant largement identifié comme le prochain Gemini de niveau Pro. Lorsque Google a réellement annoncé le modèle, il l'a appelé Argon et l'a décrit comme le début de la famille Gemini 4 plutôt que comme le remplacement d'un niveau Pro nommé. Les rapports de l'époque indiquaient que Google avait annulé la gamme Gemini 3.5 Pro et redirigé cette puissance de calcul, ce qui explique en partie pourquoi l'étiquette Pro est restée : il y avait un vide là où un modèle Pro aurait été.

Le libellé compte pour une raison pratique. Rechercher Gemini 4 Pro renvoie surtout des pages fondées sur des spécifications issues de fuites — un contexte de dix millions de tokens, une mémoire permanente entre sessions, une isolation en bac à sable — dont Google n’a publié aucune. Rechercher Argon renvoie à la documentation du fournisseur lui-même. Si vous choisissez un modèle plutôt que de lire une rumeur, la seconde est le seul objet utile. La documentation publique d’Argon décrit un espace de travail unifié d’un million de tokens partagé entre l’entrée, le raisonnement et la sortie, une allocation de sortie par défaut de 65 536 tokens, et de longues exécutions de décodage qui peuvent s’étendre jusqu’à environ un million de tokens en sortie.

Deux grilles tarifaires, dont l'une est une promotion.

Voici l’intégralité du comparatif commercial selon les dimensions qui influent sur la facture. Chaque ligne provient des conditions publiées par les fournisseurs eux-mêmes le 27 octobre 2026.

• Tarif standard aujourd'hui — GPT-6.1 Sol 2,00 $ en entrée / 10,00 $ en sortie par million ; Gemini 4 Argon 2,00 $ / 10,00 $.

• Tarif au 1er décembre 2026 — GPT-6.1 Sol inchangé à 2,00 $ / 10,00 $ ; Gemini 4 Argon 4,00 $ / 20,00 $.

• Entrée mise en cache — Sol 0,10 $ par million ; Argon environ 0,10 $ aujourd’hui avec une remise de 95 %, annoncé en hausse à environ 0,20 $ après l’étape.

• Tarification pour contexte long — Sol applique une tarification différente à l’ensemble de la requête au-delà de 272 000 jetons d’entrée, soit 4,00 $ en entrée et 15,00 $ en sortie, l’entrée mise en cache étant facturée à 0,20 $ ; Argon ne publie aucun palier équivalent, car son espace de travail est de un million de jetons à tarif unique.

• Contexte — Sol : 1 050 000 jetons d’entrée avec un plafond de sortie de 128 000 jetons ; Argon : un million de jetons unifiés, avec une sortie par défaut de 65 536 jetons.

• Contrôle du raisonnement — Sol raisonne toujours, avec cinq niveaux allant de faible à maximal et sans possibilité de désactivation ; le contrôle de l’effort d’Argon est exposé via l’API de Google, mais n’est pas documenté avec les mêmes termes d’échelle.

• Entrée — Sol accepte le texte, les images et les fichiers ; Google positionne Argon comme multimodal pour le texte, l’image et la vidéo.

• Comment vous l’achetez — Sol via l’API d’OpenAI, Bedrock et les routeurs qui le proposent, y compris les nôtres ; Argon via l’API propre à Google, AI Studio et les canaux d’entreprise.

Cette quatrième ligne est celle que l’on oublie. Le palier de contexte long de Sol est une falaise liée à la longueur d’une seule requête : dépassez 272 000 jetons d’entrée et tout le prompt est refacturé, pas seulement le dépassement. L’espace de travail à forfait d’un million de jetons d’Argon n’a pas de frontière équivalente. Pour un agent qui assemble un large contexte de dépôt à chaque tour, cette différence peut compter plus que le tarif affiché — et elle joue en faveur d’Argon, au moins jusqu’en décembre.

Cinquante-trois contre cinquante-deux, et l’honnêteté d’un écart d’un point

Artificial Analysis place Gemini 4 Argon à 53 sur son Intelligence Index et GPT-6.1 Sol à 52, tous deux sur la version 4.3.2 de la suite. Argon se classe neuvième sur 221 modèles ; Sol arrive juste derrière. Un point sur un composite d'une dizaine d'évaluations n'est pas un classement, c'est une bande. Ce que l'indice fait mieux, c'est de vous dire qu'aucun des deux modèles n'achète son score avec une structure de coûts radicalement différente — du moins pas sur les tarifs affichés, où ils affichent le même chiffre.

Les configurations ne sont pas identiques, et cela mérite d’être dit plutôt que dissimulé. Artificial Analysis évalue Sol à effort maximal, son réglage le plus coûteux. Le score d’Argon est publié pour une seule configuration exposée par Google. Une comparaison entre des réglages d’effort différents compare deux produits tels qu’ils sont livrés, et non deux capacités à leur maximum, et personne n’a publié d’exécution des deux à effort équivalent.

Les chiffres des fournisseurs existent des deux côtés et doivent être lus comme des allégations. Les documents de lancement de Google faisaient état de premières places à 13 des 19 évaluations qu’il a menées, et décrivaient Argon comme son modèle le plus performant pour les travaux scientifiques et d’ingénierie difficiles. Les documents de lancement d’OpenAI pour GPT-6.1 Sol faisaient état d’une parité avec son propre modèle phare GPT-6 Astra sur DeepSWE v1.1 pour environ un cinquième du coût, d’un gain de sept points sur OSWorld 2.0 hors ligne, et d’une baisse du taux d’erreurs factuelles en mode de raisonnement faible de 11,4 % à 7,7 %. Aucune de ces quatre affirmations n’a fait l’objet d’une reproduction indépendante publiée. Elles sont utiles pour comprendre ce que chaque fournisseur pense avoir construit, et inutiles pour départager les deux.

L’arithmétique des trente-cinq jours entre aujourd’hui et le 1er décembre

Prenez une charge de travail de production de taille moyenne : 40 millions de jetons d’entrée et 8 millions de jetons de sortie par mois, sans mise en cache, sans franchissement de seuil de contexte long. Sur l’une ou l’autre carte aujourd’hui, cela représente 160 $ par mois — 80 $ d’entrée à 2,00 $, 80 $ de sortie à 10,00 $. À partir du 1er décembre, la même charge de travail sur Argon coûte 320 $ : 160 $ d’entrée à 4,00 $ et 160 $ de sortie à 20,00 $. Sur GPT-6.1 Sol, elle reste à 160 $.

Sur les douze mois suivant le changement, cela représente $3,840 sur Argon contre $1,920 sur Sol, soit une différence de $1,920 pour une charge de travail qui n’a pas changé. Si votre profil de trafic comprend des prompts de plus de 272 000 tokens, le seuil brutal de Sol complique la situation : une seule requête à 300 000 tokens d’entrée est facturée au tarif de contexte long sur la totalité des 300 000, soit $1.20 au lieu de $0.60. Si vous effectuez quarante tels tours par mois, l’économie ci-dessus diminue d’environ $240 par an. Elle ne s’inverse pas. Ce seuil brutal est une raison de mesurer la longueur de vos prompts, pas une raison de préférer une carte deux fois plus chère.

Ce que la comparaison ne peut pas vous dire

Aucun des deux modèles ne dispose d’un corpus de praticiens. Argon est en disponibilité générale depuis deux semaines ; Sol, depuis quatre. Il n’existe aucun ensemble publié de modes de défaillance, aucune télémétrie d’agents sur longue durée, ni aucune étude de coût indépendante de l’un ou de l’autre sur une trace de production réelle. L’indice mesure une suite, pas votre charge de travail. Les benchmarks des fournisseurs mesurent les tâches choisies par le fournisseur, selon les paramètres d’effort choisis par le fournisseur.

La seule asymétrie qui ne concerne pas les capacités est la disponibilité. Argon est vendu par Google, selon les conditions de Google, avec un changement de prix déjà programmé. Sol est vendu par OpenAI et acheminé par des routeurs, ce qui constitue un autre type de dépendance : si un seul fournisseur subit un incident, un appelant routé peut basculer vers une autre voie ; un appelant direct ne le peut pas. Ce n’est pas une raison de choisir un modèle. C’est une raison de garder le choix du modèle séparé du transport, ce qui plaide en faveur d’une passerelle en général et non de l’un ou l’autre modèle en particulier.

Lequel appeler, compte tenu du calendrier ?

Si vous faites votre choix aujourd'hui et que votre charge de travail est sensible au prix, GPT-6.1 Sol est la carte la plus sûre, car c'est un engagement : 2,00 $ et 10,00 $, avec une règle de contexte long publiée, sans expiration, et un compteur d'entrées mises en cache à un dixième du tarif d'entrée. Il figure dans notre catalogue au prix catalogue d'OpenAI, avec 0 % de marge, de sorte que le tarif que vous voyez sur la page du fournisseur est celui qui vous est facturé, et un changement du côté d'OpenAI serait répercuté le jour même plutôt qu'après un cycle de révision tarifaire.

Si vous avez besoin de ce que fait précisément Argon — l’espace de travail forfaitaire d’un million de jetons, l’entrée multimodale de Google, ou sa place dans les évaluations scientifiques de Google — le conseil honnête est de prévoir dès maintenant le montant de décembre. Une équipe qui prévoit 2,00 $ et 10,00 $ et renouvelle en janvier vivra ce changement comme une augmentation de 100 %. Une équipe qui prévoit 4,00 $ et 20,00 $ et bénéficie de trente-cinq jours de remise est simplement en avance. Gemini 4 Argon ne figure pas dans notre catalogue ; donc si vous le voulez, l’API du fournisseur lui-même et plusieurs plateformes tierces sont là où il se trouve.

Le nom dans le champ de recherche n’a jamais été réel. Le modèle, lui, l’est, la remise est réelle pour encore un mois, et la seule décision qui subsiste après décembre est de savoir si la charge de travail a suffisamment besoin du profil d’Argon pour le payer deux fois. Pour la plupart des travaux de codage et à forte composante documentaire, la réponse ce mois-ci et le mois prochain est le modèle dont le prix n’est pas un compte à rebours.