Een titelkaart met de tekst 'Nog veertien dagen dezelfde prijs' en de ondertitel 'Gemini 4 Carbon vs GPT-6 Sol', boven een paneel met twee kolommen: links Gemini 4 Carbon voor $2,00 input en $10,00 output per miljoen tokens tot 30 november, daarna $4,00 en $20,00; rechts GPT-6 Sol voor $2,00 en $10,00, met een long-contextstap naar $4,00 en $15,00 bij meer dan 272.000 inputtokens.
Guides & Insights

Gemini 4 Carbon vs GPT-6 Sol: veertien dagen pariteit, dan een tweevoudige kloof

Auteur

jinhao.song

Publicatiedatum

Nieuwste modellen · 20Bekijk alle modellen →
Benchmarks: Artificial Analysis · dagelijks bijgewerkt
Terug naar alle berichten

Vandaag, Gemini 4 Carbon en GPT-6 Sol hebben dezelfde gepubliceerde prijs: $2,00 per miljoen inputtokens, $10,00 per miljoen outputtokens, $0,20 of minder voor gecachte input. Op 1 december 2026 is dat niet meer zo. Het tarief van Carbon is een introductietarief en stijgt naar $4,00 en $20,00, terwijl de $2,00 en $10,00 van Sol geen vermelde einddatum hebben. De vergelijking die een koper echt nodig heeft, is dus niet "welk model is beter bij dezelfde prijs" — maar wat de kloof van zestien punten op de onafhankelijke index waard is, en of het de moeite waard is om daarvoor vanaf de eerste van volgende maand twee keer zoveel te betalen.

Er is een derde model in deze keuze dat de marketing van geen van beide leveranciers daar plaatst. GPT-6 Sol is nu door Artificial Analysis als verouderd gemarkeerd en binnen dezelfde productlijn opgevolgd door GPT-6.1 Sol, dat 55 scoort tegenover Sols 44, tegen dezelfde prijs van $2,00 en $10,00. Een lezer die medio november tussen Carbon en Sol kiest, kiest tussen een actueel model en een vorig model, en de eerlijke versie van deze pagina moet dat in de tweede alinea zeggen, niet in de laatste.

De twee tariefkaarten, regel voor regel, voordat de kalender verschuift

Begin met de rijen waarin de twee modellen echt overeenkomen, want die zijn talrijker dan de marketing aan beide kanten doet vermoeden.

• Standaard inputprijs — Carbon $2,00 per miljoen; Sol $2,00 per miljoen. Vandaag identiek, en Carbon verdubbelt op 1 december.

• Standaard outputprijs — Carbon $10,00 per miljoen; Sol $10,00 per miljoen. Hetzelfde, met dezelfde vervaldatum aan de kant van Carbon.

• Gecachte invoer — Carbon $0.10 vandaag en $0.20 vanaf 1 december, een korting van 95% hoe dan ook; Sol $0.20, een korting van 90%. De cache van Carbon is zowel voor als na die datum de goedkoopste van de twee.

• Contextvenster — Carbon 1.048.576 tokens; Sol 1.050.000. Rond beide af naar een miljoen en maak je er verder geen zorgen over.

• Maximale uitvoer in één reactie — Sol 128.000 tokens; Carbon 65.536. Dit is het grootste echte verschil in specificaties, en het speelt alleen op wanneer je in één beurt een lang artefact opvraagt, wat nu juist precies is wat langdurig agentwerk doorgaans doet.

• Inputmodaliteiten — Carbon tekst, afbeelding, audio, video en PDF; Sol tekst en afbeelding, waarbij documenten worden geaccepteerd op onze catalogusrij, hoewel de modelpagina van GPT-6 Sol tekst en afbeelding vermeldt. Carbon is de enige van de twee waaraan een opname of een clip kan worden gegeven.

• Redeneerbeheersing — Sols effort-ladder loopt van none, low, medium, high, xhigh tot max, dus hem kan worden opgedragen helemaal niet te denken; Carbon wordt gepubliceerd als rijen low, medium en high, zonder een uit-stand die wordt vermeld. Op een goedkoop classificatiepad is dat verschil de hele rekening.

• Kennisafsluitdatum — Sol 20 april 2026; Google heeft voor Carbon geen afsluitdatum gepubliceerd. Eenzijdig, en goed om te weten voordat je een recentheidsgevoelige pipeline op een aanname bouwt.

• Beschikbaarheid — beide zijn vandaag aanroepbaar via de betaalde API; Carbon heeft geen gratis niveau en rekent elke verwerkte token af, inclusief denkwerk, terwijl Sol prijzen heeft voor de serviceniveaus Standard, Batch, Flex, Fast en Ultrafast.

De prijsregels zijn bepalend voor deze vergelijking, en juist die veranderen zonder dat een van beide modellen ook maar iets verandert.

Waar de zestien punten vandaan komen

Artificial Analysis meet beide modellen op Intelligence Index v5.0.1, die negen evaluaties — AA-Briefcase, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience, GDP.pdf, HLE-Diamond, CritPt v2 en Terminal-Bench-Science — samenbrengt in één getal. Dat gedeelde scoresysteem is wat de vergelijking legitiem maakt in plaats van een lappendeken van persberichten.

• Intelligentie-index — Carbon 60, 4e van 81 modellen; GPT-6 Sol 44, 34e van 81. Ter vergelijking: GPT-6.1 Sol staat op 55, twaalfde.

• Kosten per voltooide indextaak — Carbon $5,48; GPT-6 Sol $2,47. Het model dat per token goedkoper is, is per taak met een factor 2,2× goedkoper.

• Tijd per taak — Carbon 33,2 minuten; Sol 7,3 minuten, tegen een mediaan van 13,5 voor de klas.

• Uitvoersnelheid en latentie — Carbon 62 tokens per seconde met 72,88 seconden tot het eerste antwoordtoken; Sol 123 tokens per seconde met 36,21 seconden tot het eerste token.

• Tokenvolume — Carbon genereerde 205 miljoen output-tokens tijdens de indexrun, uit 7,62 miljard input, door de tracker omschreven als zeer verbose; Sol genereerde 65,1 miljoen uit 4,75 miljard, omschreven als redelijk beknopt. De mediaan voor de klasse is 78,6 miljoen output-tokens.

Die laatste rij verklaart de kostenrij, en het is het nuttigste ding op beide pagina's. Carbon rekent niet meer per token om hetzelfde werk te doen; het schrijft drie keer zoveel tokens om tot het antwoord te komen, op een benchmark waar het antwoord een document of een patch is in plaats van een proof search. Een model dat langer in proza nadenkt, wordt per woord betaald, en bij de index-run kun je de wisselkoers zien.

Eén voorbehoud hoort bij het Carbon-getal: de tracker publiceert Carbon als drie afzonderlijke rijen, lage, gemiddelde en hoge inspanning, en alleen de hoge rij haalt 60. Een enkele regel "Carbon scoort 60" is waar bij maximale inspanning en onwaar bij de instelling waar de meeste mensen standaard voor kiezen.

Screenshot of the Artificial Analysis model page for Gemini 4 Carbon, showing an Intelligence Index of 60 with a rank of 4 out of 81, 62 tokens per second output speed with 72.88 seconds to first answer token, 33.2 minutes per Intelligence Index task, $5.48 cost per task, $2.00 input and $10.00 output per million tokens with a 95% cache discount, 205 million output tokens and a 1M-token context window.

De regel van 272.000 tokens, die de factuur meer bepaalt dan de prijs.

Geen van beide modellen rekent in de naïeve zin extra per token voorbij een grens; beide herprijzen het gehele verzoek. Het verschil is dat slechts één van hen een grens heeft.

GPT-6 Sol factureert $2.00 voor input en $10.00 voor output tot 272.000 inputtokens. Daarboven wordt elk token in het verzoek — niet alleen het overschot, maar het geheel — gefactureerd tegen $4.00 voor input en $15.00 voor output. Google publiceert geen tariefstaffel op basis van lengte voor Carbon: hetzelfde tarief per token geldt, of het verzoek nu 2.000 tokens of 900.000 tokens bevat.

Laat een documentanalyse van 400.000 tokens door beide gaan, tegen het tarief van Carbon na december:

• Gemini 4 Carbon — 400.000 tokens tegen $4,00 per miljoen is $1,60 voor de prompt. Met het huidige introductietarief kost hetzelfde verzoek $0,80.

• GPT-6 Sol — dezelfde 400.000 tokens overschrijden de grens en worden herprijsd naar $4,00 per miljoen, ook $1,60. Als het verzoek onder de 272.000 tokens was gebleven, zou het $0,80 hebben gekost.

Voeg 20.000 outputtokens toe en de kloof ontstaat: Carbon rekent daarvoor $20,00 per miljoen, ofwel $0,40; Sol $15,00, ofwel $0,30. Het vasteprijsvoordeel dat Carbon adverteert, verdampt dus boven de drempel bij input en keert bij output licht om. De bewering dat Carbon goedkoper is voor lange documenten klopt ten opzichte van GPT-6 Astra, dat verdubbelt naar $20,00 en $75,00, en is onjuist ten opzichte van Sol.

Waar de structuur zonder tariefniveaus van Carbon echt wint, is dat voorspelbaarheid, niet prijs. Een pipeline met variabele documentlengte heeft één tarief om te modelleren en geen klif om over te struikelen, en over die klif struikel je gemakkelijk: een verzoek van 300.000 tokens kost onder Sol niet iets meer dan een van 270.000 tokens, maar het kost het dubbele aan invoer voor alle 300.000 tokens. Als je retrievalstap af en toe te veel retourneert, is dat een budgetincident in plaats van een langzame afwijking.

Welk model is waarvoor beter, zo nauw mogelijk geformuleerd als het bewijs toelaat.

Geen van beide modellen is rechtstreeks tegen het andere getest op een takenpakket dat is gekozen door iemand die bij geen van beide belangen heeft. Wat bestaat, is de gedeelde index en leveranciersmateriaal, en de negen componenten van de index kunnen afzonderlijk worden gelezen.

• Langetermijnredenering en wetenschappelijk werk — het voordeel van Carbon. Het is het model dat Google naast Argon en Hydrogen plaatste in zijn onderzoeksverslag van 13 november, en de voorsprong in de index is geconcentreerd in de frontier-reasoning-evaluaties in plaats van gelijkmatig verdeeld.

• Agentisch coderen en terminalwerk — dichter bij elkaar dan de algemene score suggereert. De voorsprong van Carbon is algemeen van aard in plaats van specifiek agentisch, en het eigen lanceringsmateriaal van Google voor de Gemini 4-generatie heeft consistent laten zien dat de cijfers voor codeeragents achterblijven bij de algemene index.

• Productiepaden met hoog volume — Sol, of beter, zijn opvolger. Half de latentie tot het eerste token, vier keer de doorvoer per taakminuut, en een gedocumenteerde uitschakelaar voor redeneren. Voor werk waarbij het antwoord kort is en het volume hoog, is de breedsprakigheid van Carbon een belasting zonder passend voordeel.

• Multimodale invoer — Carbon, zonder twijfel. Sol verwerkt tekst en afbeeldingen; Carbon verwerkt daarnaast ook audio, video en pdf's, wat de enige rij is waarin de twee niet in dezelfde productcategorie vallen.

• Lange afzonderlijke artefacten — Sol, alleen al aan de bovengrens. 128.000 outputtokens tegenover de 65.536 van Carbon betekent dat alles wat in één keer moet worden geproduceerd, aan de Google-kant een harde limiet heeft.

• Continuïteit — Sol, maar alleen via zijn opvolger. Een team dat vandaag op GPT-6 Sol bouwt, bouwt op een model dat de tracker al als verouderd aanmerkt ten gunste van GPT-6.1 Sol, dat hetzelfde kost en elf punten hoger scoort. Dat is geen reden om de leverancier te mijden; het is een reden om gpt-6.1-sol te specificeren in plaats van gpt-6-sol wanneer de request body wordt geschreven.

De vergelijking uitvoeren in plaats van deze te lezen

Beide modellen worden op OrcaRouter gerouteerd tegen de eigen lijstprijzen van hun leveranciers, met 0% opslag, als google/gemini-4-carbon en openai/gpt-6-sol, op één OpenAI-compatibel endpoint en met één sleutel — naast openai/gpt-6.1-sol, de rij die de deprecation-notitie relevant maakt. Dat maakt deze specifieke vergelijking ongewoon goedkoop om empirisch te beslechten: dezelfde request body kan op Carbon, op Sol en op de opvolger van Sol worden gericht, en het enige dat verandert is de modelstring.

Twee praktische opmerkingen voor iedereen die dat doet. Ten eerste: de prijswijziging van Carbon op 1 december is een wijziging van de leverancier die hier op die dag zelf wordt doorgegeven, dus een kostenvergelijking die in november wordt uitgevoerd en in december wordt herhaald, zal verschillen om redenen die niets met het model te maken hebben. Ten tweede: als de werklast verkennend is — Carbon uitproberen op echt verkeer voordat je een productiepad vastlegt op een model waarvan de kosten per taak 2,2× die van de zittende partij zijn — is automatische failover tussen providers wat voorkomt dat een slechte week een storing wordt in plaats van een datapunt.

A two-column comparison card headed 'Gemini 4 Carbon vs GPT-6 Sol', with rows reading: Intelligence Index 60 versus 44; cost per index task $5.48 versus $2.47; time per task 33.2 versus 7.3 minutes; output speed 62 versus 123 tokens per second; maximum output 65,536 versus 128,000 tokens; input price $2.00 rising to $4.00 on 1 December versus $2.00 flat, with a long-context step to $4.00 above 272,000 tokens. A footer reads 'Index, cost and speed per Artificial Analysis Intelligence Index v5.0.1; prices per Google and OpenAI.'

Wat te doen deze week

Drie beslissingen, in de volgorde waarin ze worden opgelost.

Als de workload bestaat uit korte antwoorden en een hoog volume, gaat de vraag helemaal niet over Carbon versus Sol. Het gaat om Sol versus GPT-6.1 Sol, en de opvolger wint op score tegen dezelfde prijs. De 60 van Carbon doet niet mee in de discussie, want Carbon met 205 miljoen outputtokens per indexrun is de verkeerde vorm voor dat verkeer, ongeacht de score.

Als de workload bestaat uit lange documenten en de documenten in lengte variëren, is Carbon op 30 november de betere koop en op 1 december een slechtere, en het omslagpunt is rekenwerk in plaats van smaak. Modelleer de rekening op $4,00 en $20,00 voordat u zich vastlegt, want dat is het tarief waarmee het contract het grootste deel van zijn looptijd zal draaien.

Als de workload audio- of video-invoer vereist, valt er niets te vergelijken. Sol kan de invoer niet verwerken, dus de keuze is in deze combinatie Carbon of niets — en het uitvoerplafond van 65.536 tokens wordt dan de beperking waarrond je moet ontwerpen, in plaats van de prijs.

Het enige wat je niet moet doen, is de zestienpuntenvoorsprong in de index aanvoeren als reden om over te stappen zonder het kost-per-taakcijfer ernaast. Op dezelfde evaluator, dezelfde revisie, dezelfde dag kost de voorsprong 2,2× per voltooide taak en 4,5× de kloktijd. Dat is een verdedigbare afweging voor frontier-redenering en een onverdedigbare voor een wachtrij.

Screenshot of the OrcaRouter model page for openai/gpt-6-sol, showing a 1,050,000-token context window, a 128,000-token maximum output, text and image input with text output, configurable reasoning effort, and pricing of $2.00 per million input tokens and $10.00 per million output tokens with a long-context tier above 272,000 input tokens.

Vergeleken in dit artikel2

Herkend uit dit artikel · Benchmarks: Artificial Analysis · dagelijks bijgewerkt