Gemini 4 vs GPT-6: Satu Model Melawan Tiga Tingkatan, dan Tingkatan yang Sejajar

Tidak ada satu pun sisi dari istilah pencarian ini yang merupakan satu produk tunggal, dan itulah hal pertama yang harus dibenahi oleh perbandingan ini. Gemini 4 adalah satu model: Gemini 4 Argon, satu-satunya entri di bawah judul Gemini 4 dalam dokumentasi model Google sendiri, dengan harga pada tier berbayar $2,00 per juta token masukan dan $10,00 per juta token keluaran hingga 30 November 2026, lalu naik menjadi $4,00 dan $20,00 mulai 1 Desember. GPT-6 terdiri atas tiga: GPT-6 Astra, model unggulan, dengan harga $10,00/$50,00 sebelum kenaikan tarif konteks panjangnya; GPT-6.1 Sol, tingkat menengah, dengan harga $2,00/$10,00; dan GPT-6 Luna, tier efisiensi, dengan harga $0,10/$0,50 — masing-masing dicantumkan oleh OpenAI dengan jendela konteks 1,05M token, batas keluaran 128K token, dan batas pengetahuan. Jadi perbandingan head-to-head yang diminta pembaca harus dirakit tingkat demi tingkat, dan tepat satu tingkat yang cocok dengan daftar tarif.

Pembingkaian itu bukan cara mengelak. Itu justru jawabannya, karena kedua lini sengaja dibentuk dengan cara berbeda. Generasi unggulan Google 2026 adalah satu titik operasi yang Anda beli pada empat tingkat layanan. Milik OpenAI adalah tiga titik operasi yang bisa Anda pilih di antaranya. Segala hal yang bisa ditindaklanjuti pembaca hari ini bergantung pada bentuk mana yang cocok dengan pekerjaan tersebut.

Apa yang sebenarnya diterbitkan oleh tiap vendor, dan di mana makalah itu berhenti

Kedua sisi tidak didokumentasikan pada kedalaman yang sama, dan ada baiknya menyatakannya sekali saja daripada membiarkannya diam-diam mendistorsi sisa halaman.

Dokumentasi model OpenAI memberikan, untuk setiap model, ID model, nilai upaya penalaran yang diterima API, harga input dan output, keluaran maksimum, jendela konteks, batas pengetahuan, dan permukaan alat. Untuk GPT-6 Astra dan GPT-6.1 Sol, batasnya adalah 30 April 2026 dan tangga upaya berjalan dari low hingga max; GPT-6 Luna memiliki batas 18 Mei 2026 dan juga menerima none. Halaman harga OpenAI kemudian memecah setiap model menjadi kolom konteks pendek dan konteks panjang di seluruh tingkat layanan Standard, Batch, Flex, Fast, dan Ultrafast. Itu adalah jejak dokumen yang luar biasa lengkap: pembaca dapat menghitung anggaran tanpa bertanya kepada siapa pun.

Sisi G​oogle lebih tipis dalam hal-hal spesifik yang biasanya menentukan sebuah perbandingan. Halaman modelnya mencantumkan "Semua model Gemini 4" dan tabel itu hanya memiliki satu baris — Gemini 4 Argon, endpoint gemini-4-argon, yang dijelaskan sebagai model penalaran andalan dengan "jendela konteks terpadu 1 juta dan dekode panjang hingga 1 juta token", berlabel Stable. Halaman harganya memuat empat tingkat layanan dengan langkah Desember. Yang tidak dipublikasikan adalah kartu model, jumlah parameter, ketentuan lisensi, atau batas pengetahuan pelatihan yang dipublikasikan. Argon diumumkan pada 30 September 2026, dan halaman-halaman yang mencantumkan tanggal peluncuran yang lebih luas justru mencantumkan tanggal rencana akses G​oogle; belum ada kartu model Gemini 4 yang menyusul model tunggal itu.

Bacalah asimetri itu apa adanya: sebuah fakta tentang apa yang dipilih kedua vendor untuk dituliskan, bukan pernyataan tentang kualitas salah satu model. G**oogle telah menerbitkan cukup banyak untuk bertransaksi dan tidak banyak untuk dibandingkan. Itu membatasi apa yang secara jujur dapat dilakukan halaman ini.

Anak tangga yang sejajar, dan apa yang terjadi padanya pada 1 Desember

Sejajarkan kedua kartu tarif berdasarkan harga, dan pasangannya hampir sepenuhnya mengerucut menjadi satu perbandingan.

• Gemini 4 Argon, tier berbayar — $2,00 input / $10,00 output per juta, caching konteks sebesar $0,10, naik pada 1 Desember 2026 menjadi $4,00 / $20,00 dan $0,20

• GPT-6.1 Sol — $2.00 input / $10.00 output per juta konteks pendek, $0.10 input yang di-cache, $4.00 / $15.00 saat permintaan berjalan panjang

• GPT-6 Astra — $10.00 / $50.00 konteks pendek, $20.00 / $75.00 konteks panjang, $1.00 input yang di-cache

• GPT-6 Luna — $0.10 / $0.50, $0.01 input cache, dan sekali lagi pada tarif yang sama dalam konteks panjang

Tarif pengenalan Argon dan tarif tetap GPT-6.1 Sol adalah dua angka yang sama, sehingga itulah satu-satunya pasangan di mana "mana yang lebih murah" punya jawaban nyata, bukan jawaban dari daftar tarif. Ini juga pasangan dengan tanggal kedaluwarsa di satu sisi: Google menyatakan tarifnya bersifat pengenalan, dan langkah Desember memindahkan tingkat standar Argon ke $4.00/$20.00 — di atas tarif output konteks pendek Sol dan di atas tarif output konteks panjang Sol sebesar $15.00, dengan input cache dua kali lipat milik Sol. Tidak ada hal yang sebanding yang dijadwalkan di sisi GPT-6 dalam materi yang diterbitkan hari ini. Tim yang menganggarkan operasional dua belas bulan harus memperlakukan $2.00/$10.00 untuk Argon sebagai angka November, bukan angka perencanaan.

Anak tangga yang tidak sejajar tetap layak satu baris masing-masing, karena di situlah bentuknya berbeda. Tingkat batch dan flex Argon berada di $1,00/$5,00, yang lebih murah daripada apa pun di lini GPT-6 pada tingkat layanan tersebut dan merupakan cara termurah untuk menjalankan model Google per token. Dan GPT-6 Luna pada $0,10/$0,50 berada satu orde besaran di bawah segala hal lain dalam perbandingan ini — tidak ada tanggapan dari sisi Google di halaman ini terhadap token masukan seharga sepuluh sen, karena Gemini 4 memiliki satu tingkat kemampuan alih-alih satu anak tangga murah.

Satu-satunya pengukuran di mana evaluator yang sama menjalankan keduanya, dan mengapa itu bukan perbandingan langsung

Satu pihak ketiga telah mengukur kedua sisi pada suite yang sama: Artificial Analysis, Intelligence Index v4.3.2, pada revisi yang berlaku saat halaman ini dibaca pada 14 Oktober 2026. Angka-angkanya, semuanya milik penilai, bukan milik salah satu vendor:

• Gemini 4 Argon (High) — indeks 53, $1,99 per tugas indeks, 110 juta token keluaran di seluruh suite, tidak ada kecepatan keluaran yang dipublikasikan oleh evaluator

• GPT-6 Astra (Max) — indeks 53, $3,26 per tugas indeks, 60 juta token keluaran, 60,7 token per detik

• GPT-6.1 Sol (Max) — indeks 52, $0,72 per tugas indeks, 67 juta token keluaran, 59,0 token per detik

• GPT-6 Sol (Max) — indeks 48, $1,04 per tugas indeks, 77 juta token keluaran, 122,7 token per detik

• GPT-6 Luna (Max) — indeks 38, $0,07 per tugas indeks, 140 juta token keluaran, 135,0 token per detik

Dua peringatan sebelum siapa pun menyimpulkan pemenang dari daftar itu. Pertama, ini bukan pengaturan yang setara. Proses Argon berada pada effort penalaran tinggi dan setiap entri GPT-6 dalam tabel berada pada effort maksimum, dan evaluator melabeli setiap model pada konfigurasinya sendiri. Tidak ada vendor yang menerbitkan kurva effort yang memungkinkan pembaca menormalkan keduanya, jadi pasangan angka 53 di puncak tabel adalah kebetulan dari dua konfigurasi berbeda, bukan seri yang ditentukan dengan syarat identik. Kedua, dan ini bagian yang lebih berguna: harness yang sama yang memberi skor pada model juga menghitung biaya proses di balik skor itu, dan penetapan biayanya konsisten secara internal, sedangkan skor utamanya tidak. Argon menyelesaikan suatu tugas dalam 110M token keluaran pada tarif $2.00/$10.00 dengan biaya $1.99; GPT-6.1 Sol menyelesaikan suite yang sama dalam 67M token pada tarif $2.00/$10.00 yang sama dengan biaya $0.72. Kartu tarifnya identik dan tagihannya berbeda 2,7 kali lipat, karena penggunaan token, bukan harga per token, yang sebenarnya dihitung oleh meteran.

Itu adalah angka yang paling dapat digeneralisasi di halaman ini, dan berlaku jauh di luar kedua model ini: pada beban kerja apa pun yang volumenya menjadi pemicu biaya, perbandingan per token antara dua model dari kelas yang sama adalah angka paling tidak informatif yang tersedia.

Di mana perbandingan tidak dapat dilakukan

Tiga pertanyaan yang akan dibawa pembaca ke sini belum memiliki jawaban yang jujur, dan lebih baik menyebutkannya daripada mengisinya.

Tidak ada perbandingan kemampuan yang setara secara like-for-like antara kedua lini pada setelan yang disamakan. Skor evaluator berasal dari pengaturan upaya yang berbeda di masing-masing sisi, dan G​oogle tidak menerbitkan kurva upaya untuk Argon. Siapa pun yang menyajikan putusan angka tunggal yang bersih untuk pertandingan ini menyajikan perbedaan konfigurasi sebagai perbedaan kemampuan.

Tidak ada perbandingan arsitektur yang dipublikasikan, karena salah satu pihak belum mempublikasikan arsitekturnya. Tidak ada jumlah parameter untuk Gemini 4 Argon yang dapat dirujuk, dan tidak ada angka panjang konteks selain jendela 1M terpadu dan jalur dekode panjang yang dinyatakan Google. Jika estimasi pihak ketiga beredar, itu hanyalah estimasi.

Dan tidak ada Gemini 4 yang lebih murah untuk dibandingkan dengan GPT-6 Luna. Jika faktor penentu dalam beban kerja seseorang adalah biaya per token serendah mungkin, lini GPT-6 menjawabnya dengan satu tingkatan dan lini Gemini 4 sama sekali tidak menjawabnya.

Apa yang bisa dihubungi pembaca hari ini, dan dari mana

Inilah sumbu tempat kedua lini paling tajam berbeda dalam praktik, dan ini merupakan fakta cakupan, bukan klaim kualitas, sehingga harus dinyatakan secara terang-terangan.

Setiap model GPT-6 yang dijelaskan di halaman ini dilayani melalui OrcaRouter — GPT-6 Astra, GPT-6.1 Sol, GPT-6 Sol dan GPT-6 Luna — pada harga daftar masing-masing penyedia dengan tambahan markup 0%, sehingga perubahan harga vendor sampai ke invoice pada hari yang sama alih-alih setelah siklus penetapan harga ulang. Karena katalognya merutekan ke berbagai penyedia untuk model yang sama, postur akses yang masih menyesuaikan tidak harus menjadi satu titik kegagalan pada jalur produksi, dan mengganti antara Sol dan Luna untuk menemukan target biaya hanyalah string model, bukan urusan pengadaan.

Tidak ada apa pun pada lini Gemini 4 yang ada dalam katalog itu per 14 Oktober 2026 — dari 207 pengenal model yang kami rutekan, tidak ada yang cocok dengannya. Gemini 4 Argon dapat dijangkau melalui API milik G​oogle sendiri dan beberapa platform pihak ketiga, dan pembaca yang menginginkan kedua lini di balik satu kunci tidak dapat memperolehnya di sini hari ini. Itulah celah kami, dinyatakan sekali, dan bukan rekomendasi tentang milik pihak lain mana pun.

Cara memutuskan

Tanyakan mana dari ini yang menggambarkan pekerjaan:

• Satu beban kerja, satu tingkat kapabilitas, dan pertanyaan sebenarnya adalah apakah tagihannya jatuh pada $2/$10 atau $4/$20 — Gemini 4 Argon adalah modelnya, dan kenaikan 1 Desember adalah angka yang harus dijadikan acuan perencanaan, bukan tarif perkenalan yang akan dikutip kepada Anda bulan ini.

• Portofolio beban kerja dengan kebutuhan biaya dan kapabilitas yang benar-benar berbeda, di mana tingkatan murah dan tingkatan kuat keduanya harus ada di bawah satu kontrak — GPT-6 adalah strukturnya, dan pertanyaan terbukanya menjadi tingkatan yang mana, bukan vendor yang mana.

Jika deskripsi kedua menggambarkan Anda, keputusannya dibuat tingkat demi tingkat dan pengukuran di atas adalah yang perlu dibawa ke dalamnya: pada tarif yang diiklankan sama, $2.00/$10.00, GPT-6.1 Sol menyelesaikan rangkaian evaluator dengan token senilai $0.72 versus $1.99 milik Argon, jadi perbandingan jumlah token dari lalu lintas Anda sendiri lebih bernilai daripada kedua kartu tarif itu. Jika deskripsi pertama menggambarkan Anda, maka pertanyaan yang menarik sama sekali bukan Gemini 4 versus GPT-6, melainkan Gemini 4 Argon versus tingkat GPT-6 tunggal mana pun yang sesuai dengan anggaran Anda, dan jawaban jujurnya adalah Argon kompetitif dalam hal skor dan mahal dalam hal token.

Satu fakta yang paling sering menentukan hal itu: Gemini 4 adalah model yang membuat Anda menyesuaikan tier layanan di sekitarnya, dan GPT-6 adalah lini tempat Anda berbelanja di dalamnya — jadi jika masalah biaya Anda adalah "kita butuh tier yang lebih murah", hanya satu dari dua ini yang menjawab pertanyaan itu.

Jika faktor penentunya adalah biaya terendah per token, lini ini menjawabnya dengan satu tingkat — GPT-6 Luna pada $0,10 untuk input per juta token, dirutekan melalui kunci yang sama seperti bagian lain dari lini ini.

Perbandingan seperti ini juga menjadi tempat munculnya mode kegagalan: insiden AI yang terdokumentasi dan kegagalan agen di balik model di kelas ini dikumpulkan di OrcaRouter AI Incident Archive, di mana setiap entri membawa sumbernya sendiri, tingkat keparahan, nilai keyakinan, dan penanda disengketakan.