Gemini 4 Carbon vs GPT-6 Astra: Dua Flagship dengan Akses Terbatas, Satu Jebakan Penetapan Ulang Harga

Kedua model ini dirilis dalam keadaan nonaktif. GPT-6 Astra hadir pada 3 September 2026 sebagai model O​penAI pertama yang melewati ambang batas Critical cybersecurity berdasarkan Preparedness Framework miliknya sendiri, dan model ini tiba di perusahaan dalam keadaan nonaktif secara default hingga administrator diberi kontrol untuk mengaktifkannya pada 9 September. G​emini 4 Carbon hadir pada 28 Oktober 2026 kepada sekelompok pakar pertahanan siber yang ditunjuk melalui Fairwind Program milik G​oogle dan baru dibuka untuk pengembang API berbayar pada 10 November. Sejarah bersama itulah yang membuat perbandingan ini lebih menarik daripada sekadar angka skor: dua laboratorium terdepan secara independen menyimpulkan bahwa model secanggih ini memerlukan gerbang, dan kedua gerbang itu bekerja dengan cara berbeda. Ini juga menjelaskan angka yang sering terlewatkan oleh pembeli, yaitu Carbon mengenakan tarif yang sama untuk permintaan 900.000 token seperti untuk 9.000 token, sedangkan GPT-6 Astra menetapkan ulang harga seluruh permintaan begitu Anda melewati 272.000 token masukan.

Di mana keduanya benar-benar identik

Mulailah dengan baris yang cocok, karena baris itu mempersempit keputusan lebih cepat daripada baris yang berbeda.

• Jendela konteks — 1.000.000 token untuk Carbon; 1.050.000 untuk Astra, dengan 922.000 sebagai input maksimum dan 128.000 output maksimum. Pada prompt praktis, cakupannya sama, dan kedua vendor menyebutkannya dalam angka jutaan bulat.

• Modalitas masukan — teks, gambar, dan file untuk Astra; teks, gambar, audio, video, dan PDF untuk Carbon. Dukungan audio dan video pada Carbon adalah satu-satunya perbedaan nyata di baris ini.

• Positioning — {{1}}pekerjaan profesional jangka panjang, bukan chat.{{/1}} OpenAI menjual Astra untuk pekerjaan yang berjalan dari sebuah instruksi hingga menjadi artefak jadi melalui banyak langkah, di permukaan kerja, bukan pada produk chat. {{2}}Google menjual Carbon sebagai model terkuatnya untuk tugas kompleks jangka panjang, dengan loop verifikasi yang diperluas di seluruh rekayasa perangkat lunak, keamanan siber, kerja pengetahuan, dan sains.{{/2}} Tidak ada vendor yang mengklaim chatbot yang lebih baik.

• Pembatasan saat peluncuran — Astra untuk sejumlah terbatas organisasi pada hari pertama, lalu peluncuran ChatGPT dan API yang lebih luas; Carbon untuk para pembela siber dan mitra Fairwind selama dua belas hari sebelum akses API berbayar.

• Posisi independen — keduanya diukur pada Artificial Analysis Intelligence Index v5.0.1, yang tidak berlaku untuk setiap model di rentang harga ini dan membuat angka-angka tersebut dapat dibandingkan satu sama lain dengan cara yang tidak dimiliki oleh sebagian besar perbandingan lintas lab.

• Batas pengetahuan — milik Astra adalah 30 April 2026. G​oogle belum menerbitkan batas waktu untuk Carbon, dan dokumentasi modelnya tidak mencantumkan bidang tersebut, jadi baris itu hanya satu sisi dan layak diketahui sebelum Anda membangun pipeline yang sensitif terhadap kebaruan dengan asumsi bahwa model tersebut mutakhir.

Baris 272.000 token, dibahas tuntas

Ini adalah bagian dari perbandingan yang mengubah anggaran, jadi bagian ini menggunakan aritmetika, bukan kata sifat.

GPT-6 Astra menagih $10 per juta token masukan dan $50 per juta token keluaran hingga 272.000 token masukan. Lewat batas itu, ia menagih $20 dan $75 — dan seluruh permintaan dihitung ulang harganya, bukan hanya token di luar batas. Prompt 300.000 token tidak hanya sedikit lebih mahal daripada prompt 270.000 token; biayanya dua kali lipat untuk masukan dan satu setengah kali untuk keluaran, untuk seluruh 300.000 token.

Gemini 4 Carbon tidak memiliki tingkatan panjang. Tarifnya $4 per juta token input dan $20 per juta token output mulai 1 Desember 2026, serta $2/$10 hingga 30 November. Tidak ada tingkatan tarif pada panjang konteks apa pun, yang berarti tarif yang sama berlaku baik Anda mengirim 2.000 token maupun 900.000.

Ajukan permintaan analisis dokumen 400.000 token terhadap keduanya, pada penetapan harga Carbon pasca-1-Desember:

• GPT-6 Astra — 400.000 token input dengan $20 per juta adalah $8,00 untuk prompt, sebelum output apa pun. Permintaan yang sama di bawah batas 272.000 token akan berbiaya $4,00; melewati batas tersebut menggandakannya.

• G​emini 4 Carbon — 400.000 token input dengan $4 per juta adalah $1,60. Tidak ada hal tentang panjangnya yang mengubah tarif.

Tambahkan 20.000 token keluaran dan selisihnya melebar: Astra menagih token tersebut sebesar $75 per juta, atau $1,50, dibandingkan Carbon $20 per juta, atau $0,40. Permintaan lengkapnya menjadi $9,50 dibandingkan $2,00. Untuk pipeline yang membaca seluruh basis kode atau kumpulan dokumen lengkap, itu adalah perbedaan lima kali lipat pada beban kerja yang persis menjadi target penjualan kedua model — dan itu tidak terlihat pada kartu tarif yang hanya mencantumkan angka utama.

Keunggulan Carbon lebih sempit pada prompt pendek, ketika keduanya berada dalam rentang harga murahnya dan harga Astra $10/$50 versus Carbon $4/$20 berujung pada 60% lebih murah, bukan lima kali lebih murah. Yang perlu dimodelkan adalah tebingnya, bukan angka utamanya.

Skor-skor itu, dan dua tolok ukur yang bergerak ke arah sebaliknya

Artificial Analysis memiliki kedua model, diukur pada indeks yang sama, yang merupakan perbandingan paling bersih yang tersedia:

• Intelligence Index v5.0.1 — G​emini 4 Carbon 60 pada upaya tinggi, keempat dari 74. GPT-6 Astra 57 pada upaya maksimal, kedelapan dari 74. Setelan Carbon sendiri menggesernya ke 58 pada upaya sedang dan 54 pada upaya rendah; Astra berada di 55 pada xhigh dan high, 52 pada medium dan 43 pada low.

• Biaya per tugas indeks — $7,76 untuk Carbon dibandingkan $6,24 untuk Astra. Astra adalah model yang lebih murah per tugas yang diselesaikan meskipun lebih mahal per token, karena Astra lebih ringkas dalam evaluasi.

• Kecepatan keluaran — 79 token per detik untuk Carbon, 37 untuk Astra. Ini adalah selisih paling lebar dalam data independen dan menguntungkan Carbon lebih dari 2 kali lipat.

Waktu hingga token jawaban pertama — 67 detik untuk Carbon dibandingkan 238 detik untuk Astra. Empat menit sebelum token pertama adalah kategori latensi yang berbeda, dan itulah alasan Astra diterapkan di belakang antrean, bukan sebagai penangan permintaan.

• Verbosity — Carbon mengonsumsi 205 juta token keluaran pada indeks, halaman Astra tidak mempublikasikan angka setara pada upaya maksimal, sehingga baris itu tidak dapat dibandingkan dan tidak boleh ditebak.

Tiga poin memisahkan keduanya pada pengaturan tertinggi masing-masing, dan urutannya tetap stabil pada dial upaya: medium Carbon (58) masih mengalahkan max Astra (57). Namun data independen juga memuat contoh kontra yang penting. Postingan Google sendiri pada 10 November mengakui bahwa Carbon kalah dari GPT-6 Astra pada FrontierSWE 2 — salah satu dari dua kekalahan benchmark yang dicantumkannya — dan itu adalah perbandingan yang dilaporkan vendor dari materi peluncuran model itu sendiri, sehingga menjadikannya kurang lebih seandal mungkin sebuah pengakuan. Sebagai catatan, Carbon juga kalah dari Claude Opus 5.5 pada OSWorld-2.1 offline.

Sisa lembar peluncuran Carbon adalah milik Google sendiri dan tidak direproduksi: pertama di CursorBench 4.0, pada WANDR milik Perplexity dan pada AutomationBench milik Zapier dengan biaya per tugas lebih dari 2x lebih rendah daripada model eksternal terbaik berikutnya; kedua pada benchmark Multimodal Knowledge Agent yang baru dengan biaya rata-rata per tugas lebih dari 6x lebih rendah; seri untuk terbaik pada evaluasi keuangan end-to-end milik Hebbia; teratas dari 23 konfigurasi frontier pada GMI milik Balyasny. Di sisi siber, SEC-bench Pro 88,2%, ExploitGym 54,8%, CWE-bench 71,0%, dan Project Fortify dengan recall pemindaian 100% dan presisi triase 95%. Semuanya adalah klaim tentang campuran tugas tertentu, diterbitkan oleh vendor, tidak diaudit oleh siapa pun di luar Google, pada model yang telah dapat dipanggil secara umum selama satu hari.

Dua gerbang, dua masalah yang berbeda

Gerbang Astra adalah sebuah klasifikasi. Melintasi Critical di bawah O​penAI's Preparedness Framework merupakan temuan tentang apa yang dapat dilakukan model, dan konsekuensinya bersifat struktural: deployment enterprise dikirim dalam keadaan nonaktif secara default, administrator perlu mengaktifkan model secara eksplisit, dan pengamanannya melebar secara bertingkat alih-alih terbuka sekaligus. Sisi positif dari bentuk itu adalah kendali berada pada administrator pelanggan. Biayanya adalah bahwa peluncuran enterprise memiliki langkah persetujuan tambahan yang bukan tentang pengadaan.

Gerbang Carbon adalah sebuah kohort. Posting Google pada 28 Oktober menyebut para pembela siber, lalu mitra Fairwind Program, lalu pengembang dan konsumen "secepat mungkin". Tidak ada ID model, tidak ada endpoint, tidak ada peringatan kartu tarif, dan tidak ada kartu model yang diterbitkan. Pada 10 November API berbayar dibuka dan kartu tarif muncul, dan pembatasan akses bergeser dari siapa yang boleh memanggil model menjadi siapa yang boleh memanggilnya tanpa membayar — yang berarti, tidak ada seorang pun. Carbon tidak memiliki lapisan gratis sama sekali: setiap token ditagih, termasuk token berpikir, dan termasuk instruksi sistem alat saat grounding diaktifkan.

Perbedaan itu layak dinyatakan secara gamblang bagi siapa pun yang merencanakan peluncuran. Kendala Astra adalah sakelar administratif yang dikendalikan oleh seseorang di organisasi Anda. Kendala Carbon adalah tagihan tanpa batas bawah dan, per 11 November, tanpa batas laju yang dipublikasikan — halaman model G​oogle tidak mencantumkannya, jadi throughput adalah sesuatu yang Anda temukan dengan memanggil API, bukan dengan membacanya.

Yang mana yang harus ditempatkan di balik panggilan sulit itu

Untuk pekerjaan dokumen dan basis kode dengan konteks panjang, jawabannya adalah Carbon dan alasannya adalah batas 272.000 token, bukan selisih indeks tiga poin. Penetapan harga ulang Astra adalah jebakan justru untuk beban kerja yang menjadi alasan model itu dibuat; model yang dijual untuk pekerjaan profesional end-to-end dalam horizon panjang adalah model yang akan rutin melampaui 272.000 token masukan, dan setiap permintaan tersebut membayar dua kali lipat untuk seluruh prompt.

Untuk penyajian yang sensitif terhadap latensi, keduanya tidak cocok dan pilihannya tidak relevan. 67 detik hingga token pertama versus 238 adalah kompetisi antara dua model yang keduanya memang tempatnya di antrean batch.

Untuk beban kerja yang menjadi tempat kekuatan spesifik Astra berlaku — dan konsesi FrontierSWE 2 milik G​oogle sendiri menyatakan setidaknya ada satu — selisih tiga poin lebih kecil daripada interval kepercayaan satu indeks, dan beralih memakan biaya lebih besar daripada selisihnya. Astra juga sudah berada di produksi selama dua bulan dan Carbon satu hari, yang merupakan keuntungan nyata dalam model yang mode kegagalannya sudah Anda katalogkan.

Baris biaya per tugas layak ditinjau sekali lagi, karena itulah angka yang akan dicari oleh orang yang skeptis. Astra sebesar $6.24 dibandingkan Carbon sebesar $7.76 berarti Astra 20% lebih murah per tugas indeks yang diselesaikan sekaligus 150% lebih mahal per token. Rekonsiliasinya adalah verbositas: Astra berpikir lebih sedikit pada indeks, Carbon berpikir lebih banyak. Jika beban kerja Anda mirip dengan indeks, angka per tugas adalah angka yang jujur. Jika mirip dengan pembacaan dokumen 400.000 token, angka per tugas tidak relevan dan tingkatan panjang menentukan segalanya. Sebagian besar beban kerja nyata adalah jenis kedua, itulah sebabnya perbandingan harga yang menonjol meremehkan keunggulan Carbon, bukan melebih-lebihkannya.

Menjalankan keduanya, yang memang akan dilakukan oleh sebagian besar tim

Hasil realistis dari perbandingan yang begitu ketat adalah sebuah tim akhirnya memakai keduanya: Carbon untuk bacaan panjang dan pekerjaan yang bersinggungan dengan siber, Astra untuk apa pun yang sudah terbukti ditangani dengan baik oleh pipeline yang ada. Keduanya adalah API vendor dengan bobot tertutup, jadi itu berarti dua kontrak, dua permukaan SDK, dan dua hubungan penagihan — situasi yang justru ada agar diratakan oleh router. Keduanya ada di katalog di sini: openai/gpt-6-astra dengan harga $10 dan $50 dari O​penAI serta pembacaan cache sebesar $1.00 dan tiering 272.000 token yang sama, serta permukaan kompatibel OpenAI yang sama seperti 216 model lain pada kunci tersebut. G​emini 4 Carbon tidak ada di katalog kami dan diakses melalui API berbayar G​oogle; tidak ada yang di sini boleh dibaca sebagai klaim bahwa kami menyediakannya.

Yang diperoleh dari routing dalam pasangan spesifik ini adalah rantai fallback. Carbon telah dapat dipanggil oleh publik umum selama satu hari dengan batas laju yang belum dipublikasikan, yang justru merupakan situasi ketika model kedua di balik endpoint yang sama mengubah gangguan menjadi respons yang lebih lambat alih-alih permintaan yang gagal. Ini juga berarti penetapan harga ulang 1 Desember menjadi perubahan konfigurasi alih-alih migrasi — harga daftar vendor diteruskan dengan markup 0%, sehingga angka di sisi kami berubah pada hari Google mengubahnya, dan kebijakan yang merutekan prompt panjang ke model mana pun yang lebih murah per token bulan ini adalah satu baris dalam DSL alih-alih cabang kode.

Apa yang harus ditonton

Dua hal, keduanya bertanggal. Harga Carbon menjadi dua kali lipat pada 1 Desember, yang akan memangkas separuh selisih utama terhadap Astra pada prompt pendek sementara selisih konteks panjangnya tidak tersentuh — jurangnya makin parah, bukan membaik. Dan tangga effort Astra memberi OpenAI ruang untuk bergerak tanpa model baru: xhigh pada 55 berada tiga poin di bawah pengaturan maks yang biayanya lebih tinggi per tugas, jadi default routing pada xhigh adalah cara sah untuk membeli kapasitas Astra dengan tarif efektif lebih rendah, dan cara yang tidak pernah dicoba sebagian besar pembeli.

Yang tidak akan berubah adalah fakta struktural yang menjadi dasar perbandingan ini. Salah satu model ini mengenakan tarif tetap untuk panjang berapa pun, sedangkan yang lainnya menggandakan seluruh permintaan setelah melewati ambang tertentu, dan untuk pekerjaan jangka panjang yang diiklankan kedua vendor, perbedaan itu bernilai lebih dari tiga poin indeks.