GPT-6.1 Terra vs Gemini 4 Argon: Salah Satunya Lebih Murah, yang Lain Lebih Sering Benar

Pada tolok ukur akuntansi DualEntry yang dipublikasikan 26 Oktober 2026, Gemini 4 Argon memperoleh skor 91,1% dan GPT-6.1 Terra memperoleh skor 78,2% — dan Terra melakukannya dalam 16,1 detik dengan biaya 4,2 sen, proses tercepat dan termurah di antara model OpenAI mana pun dalam kumpulan 22 model tersebut. Baris itu adalah pertarungan dalam skala mini. Model unggulan Google adalah mesin penilaian yang lebih baik; model kelas menengah baru OpenAI adalah mesin throughput yang lebih baik; dan celah antara kedua pekerjaan itulah tempat uang sebenarnya mengalir. Memilih di antara keduanya hanya berdasarkan harga yang tertera akan membuat jawaban salah di kedua arah.

Spesifikasinya, disandingkan, karena detail lebih menentukan daripada angka-angka utama:

Harga — GPT-6.1 Terra $1,00 per 1 juta token input dan $5,00 per 1 juta token output, naik menjadi $2,00/$7,50 setelah satu permintaan melebihi 272 ribu token input; Gemini 4 Argon $2,00/$10,00 sebagai harga pengenalan hingga 30 November 2026, lalu $4,00/$20,00.

• Konteks — Terra 1,05 juta token dengan batas keluaran 128K; Argon sekitar 1 juta input (Google belum menerbitkan angkanya; para pelacak mencantumkan 1 juta) dan hingga 1 juta token dalam satu keluaran melalui fitur Long Decode Continuation miliknya.

• Input — Terra menerima teks dan gambar; Artificial Analysis mencantumkan dua modalitas yang sama untuk Argon, sementara pengumuman Google dan benchmark video panjangnya juga menunjukkan adanya input video.

• Kontrol penalaran — Terra menyediakan enam tingkat upaya; Argon menyediakan tiga.

• Batas pengetahuan — Terra Juni 2026; Argon Maret 2026.

• Indeks Kecerdasan Independen — Terra 48, Argon 53, pada skala Artificial Analysis saat ini.

Kesenjangan harga yang dikutip semua orang adalah yang keliru.

Liputan peluncuran menggambarkan ini sebagai perbedaan harga dua kali lipat: $1/$5 dibandingkan $2/$10. Itu benar hanya selama periode pengenalan Argon, dan hanya per token. Setelah 30 November, harga output menjadi empat kali lipat relatif terhadap Terra, bukan dua kali lipat. Dan per token bukanlah cara siapa pun membayar untuk pekerjaan agen.

Artificial Analysis menempatkan Terra pada sekitar $0.40 per tugas Intelligence Index dan Argon pada $1.62 — selisih empat kali lipat, bukan dua kali lipat. Penyebabnya sebagian besar adalah daftar tarif, bukan verbositas yang tak terkendali: pada evaluasi yang sama, Argon menghasilkan 110M token keluaran sedangkan Terra 130M, jadi Terra sebenarnya lebih cerewet di antara keduanya dan tetap selesai dengan seperempat biaya. Yang didapat Terra adalah token yang lebih murah dan jawaban yang lebih cepat, bukan jawaban yang lebih pendek.

Ada tebing kedua yang sebagian besar liputan peluncuran lewatkan. Harga input Terra sebesar $1.00 berlaku untuk 272K token pertama dalam sebuah permintaan. Setelah itu, harga input melonjak ke $2.00 dan output ke $7.50. Untuk chat dan tinjauan kode, ini tidak pernah menjadi masalah. Untuk tinjauan kontrak 600K token atau penelusuran repositori jangka panjang, harga efektif Terra menjadi dua kali lipat di tengah permintaan dan selisihnya terhadap Argon menyempit tajam. Anggarkan untuk ukuran permintaan yang benar-benar Anda kirim, bukan yang ada di baris pertama tabel harga.

Di mana keunggulan Argon itu nyata, bukan sekadar pemasaran

Keunggulan Argon terkonsentrasi pada pekerjaan di mana jawaban yang salah lebih mahal daripada token untuk mencegahnya. Hasil DualEntry adalah contoh publik paling jelas: 91,1% secara keseluruhan versus 78,2% milik Terra, dengan selisih tunggal terlebar pada utang usaha, tempat Argon mencetak 84,6% dan Terra 53,8%. Terra berakhir berbagi peringkat ke-18 dari 22 model pada tolok ukur tersebut. Model itu juga yang tercepat, yang memberi tahu Anda jenis model seperti apa ia: dioptimalkan untuk membersihkan antrean, bukan untuk menjadi garis pertahanan terakhir.

Pola yang sama muncul di tempat lain. Pada Vals Index, Argon berada di puncak peringkat dengan 68,9%, peringkat pertama dari sekitar 41 model. Pada Intelligence Index milik Artificial Analysis, Argon mencetak 53 berbanding 48 milik Terra. Pada AA-Omniscience, tingkat halusinasinya sekitar 15% — terendah yang terukur di antara model-model frontier — sementara GPT-6 Astra, model yang paling sering dibandingkan dengannya, berada di sekitar 51%. Tingkat tebakan Terra sendiri turun dari 88% menjadi 38% dibandingkan pendahulunya, yang merupakan peningkatan nyata, tetapi kedua angka itu bukan metrik yang sama dan tidak semestinya saling dikurangkan. Bacaan yang jujur adalah bahwa Argon adalah model yang lebih berhati-hati dan Terra adalah model yang jauh lebih baik tetapi masih lebih spekulatif.

Permukaan masukan Argon lebih luas pada satu sumbu: video. Panel teknis Artificial Analysis hanya mencantumkan teks dan gambar, tetapi pengumuman Google membingkai kemampuan multimodal yang diperluas dan tolok ukur pemahaman video panjang pada LVBench, yang hanya masuk akal jika video ikut dimasukkan. Jika pipeline Anda menyerap panggilan terekam atau tangkapan layar, verifikasi format persisnya terhadap dokumentasi Google sebelum membangun integrasi di sekitarnya — pada titik di mana hal itu berlaku, itu adalah perbedaan kemampuan yang tidak dapat ditutup oleh keunggulan harga Terra mana pun.

Ketika Terra adalah pilihan default yang rasional

Argumen Terra bukanlah bahwa ia lebih pintar. Melainkan bahwa sebagian besar lalu lintas produksi tidak membutuhkan model terpintar, dan Terra luar biasa mampu menjadi cukup baik dengan biaya murah.

Model ini cepat dengan cara yang mengubah desain sistem: 90,9 token keluaran per detik dalam pengukuran Artificial Analysis dibandingkan 80,9 milik Argon, dengan OpenAI mengklaim penyelesaian tugas sekitar tiga kali lebih cepat daripada model unggulannya sendiri. Antrean triase dukungan, peringkas log, peninjau kode tahap pertama, atau pengklasifikasi dokumen yang berjalan sejuta kali sebulan tidak memperoleh manfaat dari margin pertimbangan Argon. Manfaatnya datang dari model yang merespons dalam hitungan detik dengan biaya $0,40 per tugas alih-alih beberapa dolar per tugas.

Terra juga merupakan yang lebih dapat dikendalikan di antara keduanya. Enam tingkat penalaran dibandingkan tiga tingkat milik Argon berarti granularitas yang lebih halus pada satu tuas yang paling memengaruhi biaya sekaligus latensi. Tim yang mengarahkan permintaan mudah ke upaya rendah dan permintaan sulit ke upaya maksimal sering kali dapat mencapai akurasi yang hanya berselisih beberapa poin dari model yang lebih besar dengan biaya yang jauh lebih kecil. Argon memberi Anda lebih sedikit ruang untuk melakukan pertukaran tersebut.

Dan batas pengetahuan Terra yang lebih baru — Juni 2026 dibandingkan Maret 2026 — penting untuk apa pun yang menalar tentang peristiwa terkini, versi pustaka, atau harga yang berubah musim panas ini. Ini keunggulan yang kecil, tetapi gratis.

Aturan keputusan

Jangan memilih salah satu. Bukti mendukung adanya pemisahan, dan pemisahan itu luar biasa rapi:

• Gunakan GPT-6.1 Terra untuk pekerjaan bervolume tinggi, beroutput pendek, dan tersupervisi yang jawaban salahnya tertangkap di tahap hilir: klasifikasi, ekstraksi, perutean, pembuatan draf awal, triase log dan peringatan, serta tinjauan kode massal.

• Gunakan Gemini 4 Argon untuk pekerjaan bervolume rendah, berjangka panjang, dan berbiaya kesalahan tinggi: rekonsiliasi keuangan dan akuntansi, tinjauan hukum dan kepatuhan, agen multi-langkah yang mengoperasikan alat tanpa pengawasan, serta apa pun yang memerlukan input video, audio, atau PDF.

• Gunakan Terra sebagai pass pertama dan Argon sebagai eskalasi untuk bagian akhir. Selisih 78,2 versus 91,1 pada pekerjaan akuntansi adalah persis jenis margin di mana pass pertama yang murah ditambah pemeriksaan yang mahal lebih unggul daripada masing-masing model jika digunakan sendiri.

• Hitung ulang perhitungannya setelah 30 November. Perubahan Argon dari $2/$10 menjadi $4/$20 mengubah titik persilangan secara signifikan, dan perbandingan apa pun yang ditulis selama periode promosi akan usang.

Cara menjalankan salah satunya

Ketersediaan berbeda lebih jauh daripada yang disiratkan oleh benchmark. Terra dirilis pada 26 Oktober melalui API OpenAI, ChatGPT, dan Codex, tanpa bobot terbuka. Argon telah diluncurkan secara bertahap sejak pengumumannya pada 30 September — pertama kepada para pembela siber yang telah diverifikasi melalui program Fairwind Google, lalu kepada pelanggan AI Ultra dan pelanggan API berbayar — dan Google belum berkomitmen pada rilis gratis yang luas.

Per 27 Oktober, tidak ada satu pun dari kedua model itu yang ada di katalog OrcaRouter, jadi ini bukan kasus di mana kami bisa memberikan satu endpoint untuk keduanya. Yang bisa kami sampaikan adalah bagaimana stack di sekitarnya biasanya dibangun: tim menempatkan eksekutor murah dan pemeriksa mahal di belakang satu API, dan model-model yang sudah dirutekan — Claude Opus 5.5, GPT-6.1 Sol, Grok 4.7, dan lebih dari 200 lainnya — berada di belakang satu kunci dengan harga daftar penyedia diteruskan pada markup 0% dan failover otomatis saat penyedia mengalami degradasi. Jika Terra atau Argon masuk ke katalog, model itu akan masuk ke kunci yang sama alih-alih menjadi integrasi kedua. Sampai saat itu, uji masing-masing melalui vendornya dan pertahankan keputusan perutean di tingkat tugas, tempatnya yang semestinya.

Yang perlu diperhatikan bukanlah grafik benchmark lain. Melainkan harga pasca-promosi Argon dan uji Terminal-Bench independen pertama Terra, yang saat ini bertumpu pada klaim OpenAI sendiri sebesar 50,3% versus lebih dari 57% milik Argon. Jika Terra mampu bertahan mendekati angka itu dengan biaya per tugas seperempat dari Argon, pembagian di atas menjadi arsitektur default bagi banyak tim. Jika melenceng, strategi pass pertama yang murah menjadi lebih mahal daripada yang terlihat.