GPT-6.1 Terra vs Gemini 4 Argon: de één is goedkoper, de ander heeft vaker gelijk

Op de DualEntry-boekhoudbenchmark gepubliceerd op 26 oktober 2026, Gemini 4 Argon behaalde 91,1% en GPT-6.1 Terra behaalde 78,2% — en Terra deed dat in 16,1 seconden voor 4,2 cent, de snelste en goedkoopste run van alle OpenAI-modellen in die set van 22 modellen. Die ene rij is de onderlinge strijd in het klein. Googles vlaggenschip is de betere oordeelsmotor; OpenAI's nieuwe middenklasse is de betere doorvoermotor; en de kloof tussen die twee taken is waar het geld echt naartoe gaat. Alleen op basis van de stickerprijs tussen hen kiezen, levert in beide richtingen het verkeerde antwoord op.

De specificaties, naast elkaar, omdat de details meer bepalen dan de grote getallen:

• Prijs — GPT-6.1 Terra $1,00 per 1M invoer en $5,00 per 1M uitvoer, stijgend naar $2,00/$7,50 zodra een verzoek meer dan 272K invoertokens overschrijdt; Gemini 4 Argon $2,00/$10,00 introductietarief tot en met 30 november 2026, daarna $4,00/$20,00.

• Context — Terra: 1,05M tokens met een uitvoerlimiet van 128K; Argon: ongeveer 1M invoer (Google heeft geen cijfer gepubliceerd; trackers vermelden 1M) en tot 1M tokens in één enkele uitvoer via de Long Decode Continuation-functie.

• Invoer — Terra accepteert tekst en afbeeldingen; Artificial Analysis vermeldt dezelfde twee modaliteiten voor Argon, terwijl de aankondiging van Google en de benchmarks voor lange video's erop wijzen dat video-invoer ook mogelijk is.

• Redeneerbeheer — Terra biedt zes inspanningsniveaus; Argon biedt er drie.

• Kennisafsluiting — Terra juni 2026; Argon maart 2026.

• Onafhankelijke Intelligentie-index — Terra 48, Argon 53, op de huidige schaal van Artificial Analysis.

Het prijsverschil waar iedereen naar verwijst, is het verkeerde.

De launch coverage framet dit als een prijsverschil van factor twee: $1/$5 tegenover $2/$10. Dat klopt alleen tijdens Argon's introductieperiode, en alleen per token. Na 30 november is de outputprijs viervoudig ten opzichte van Terra, niet tweevoudig. En per token is niet hoe er voor agentwerk wordt betaald.

Artificial Analysis plaatst Terra op ongeveer $0,40 per Intelligence Index-taak en Argon op $1,62 — een viervoudig verschil, niet een tweevoudig. De oorzaak is vooral de tariefkaart en niet een uit de hand gelopen breedsprakigheid: bij diezelfde evaluatie genereerde Argon 110M outputtokens tegenover Terra's 130M, dus Terra was juist de spraakzamere van de twee en eindigde toch op een kwart van de kosten. Wat Terra je oplevert, is een goedkoper token en een sneller antwoord, niet een korter antwoord.

Er is een tweede klif die de berichtgeving rond de lancering meestal mist. Terra's invoerprijs van $1,00 geldt voor de eerste 272K tokens van een verzoek. Daarna springt de invoer naar $2,00 en de uitvoer naar $7,50. Voor chat en codereview maakt dit nooit uit. Voor een contractbeoordeling van 600K tokens of een langdurige doorzoeking van een repository verdubbelt Terra's effectieve prijs halverwege het verzoek en wordt de kloof met Argon sterk kleiner. Begroot op basis van de verzoekgrootte die je daadwerkelijk verstuurt, niet die in de eerste rij van de prijstabel.

Waar de voorsprong van Argon echt is, niet marketing

Het voordeel van Argon is geconcentreerd in werk waarbij een fout antwoord meer kost dan de tokens om het te voorkomen. Het DualEntry-resultaat is het duidelijkste publieke voorbeeld: 91,1% overall tegenover 78,2% voor Terra, met de grootste afzonderlijke kloof bij crediteuren, waar Argon 84,6% scoorde en Terra 53,8%. Terra eindigde gedeeld achttiende van de 22 modellen op die benchmark. Het was ook het snelste, wat aangeeft wat voor model het is: geoptimaliseerd om een wachtrij weg te werken, niet om de laatste verdedigingslinie te zijn.

Hetzelfde patroon duikt elders op. Op de Vals Index staat Argon bovenaan het veld met 68,9%, als eerste van ongeveer 41 modellen. Op de Intelligence Index van Artificial Analysis scoort het 53 tegenover Terra's 48. Op AA-Omniscience ligt de hallucinatiegraad rond 15% — de laagste gemeten onder frontiermodellen — terwijl GPT-6 Astra, het model waarmee Argon het vaakst wordt vergeleken, rond 51% zit. Terra's eigen gispercentage daalde van 88% naar 38% ten opzichte van zijn voorganger, wat een echte verbetering is, maar die twee cijfers zijn niet dezelfde maatstaf en mogen niet van elkaar worden afgetrokken. De eerlijke lezing is dat Argon het voorzichtiger model is en Terra het veel verbeterde maar nog steeds meer speculatieve model.

Het invoeroppervlak van Argon is breder op één as: video. Het technische paneel van Artificial Analysis vermeldt alleen tekst en afbeeldingen, maar de aankondiging van Google schetst uitgebreidere multimodale mogelijkheden en test langvideobegrip op LVBench, wat alleen zin heeft als video als invoer wordt ondersteund. Als je pipeline opgenomen gesprekken of schermopnames verwerkt, controleer dan de exacte formaten in de documentatie van Google voordat je er een integratie omheen bouwt — waar dat geldt, is het een verschil in mogelijkheden dat geen prijsvoordeel van Terra goedmaakt.

Waar Terra de rationele standaard is

Terra's zaak is niet dat het slimmer is. Het is dat de meeste productieverkeer niet het slimste model nodig heeft, en Terra is uitzonderlijk goed in tegen lage kosten goed genoeg zijn.

Het is snel op een manier die systeemontwerp verandert: 90,9 outputtokens per seconde volgens de meting van Artificial Analysis tegenover 80,9 van Argon, waarbij OpenAI claimt dat taken ongeveer drie keer sneller worden voltooid dan met zijn eigen vlaggenschip. Een supporttriagewachtrij, een logsammenvatter, een code-reviewer voor een eerste ronde of een documentclassificator die een miljoen keer per maand draait, heeft geen baat bij Argon's beoordelingsmarge. Het heeft baat bij een model dat binnen seconden antwoordt voor $0,40 per taak in plaats van dollars per taak.

Terra is ook de beter controleerbare van de twee. Zes redeneerniveaus tegenover Argon's drie betekent fijnmazigere granulariteit in de enige knop die zowel kosten als latentie het meest beïnvloedt. Teams die eenvoudige verzoeken naar lage inspanning sturen en moeilijke naar maximale inspanning, kunnen vaak binnen een paar punten van de nauwkeurigheid van een groter model uitkomen tegen een fractie van de rekening. Argon biedt je minder ruimte om die afweging te maken.

En Terra's nieuwere kennisafsluitdatum — juni 2026 tegenover maart 2026 — is van belang voor alles wat redeneert over recente gebeurtenissen, bibliotheekversies of prijzen die deze zomer zijn veranderd. Het is een klein voordeeltje, maar het is gratis.

De beslissingsregel

Kies er geen. Het bewijs ondersteunt een splitsing, en die splitsing is ongewoon zuiver:

• Gebruik GPT-6.1 Terra voor werk met een hoog volume en korte output onder supervisie, waarbij een fout antwoord stroomafwaarts wordt opgevangen: classificatie, extractie, routering, generatie van eerste concepten, triage van logs en alerts, code review op grote schaal.

• Gebruik Gemini 4 Argon voor werk met een laag volume, een lange looptijd en hoge kosten bij fouten: financiële en boekhoudkundige reconciliatie, juridische en compliance-reviews, meerstapsagenten die tools zonder toezicht bedienen, en alles waarvoor video-, audio- of PDF-invoer nodig is.

Gebruik Terra als eerste doorgang en Argon als escalatie voor de staart. Het verschil van 78,2 tegenover 91,1 bij boekhoudwerk is precies het soort marge waarbij een goedkope eerste doorgang plus een dure controle beter is dan elk model afzonderlijk.

• Voer de berekening opnieuw uit na 30 november. Argon's overstap van $2/$10 naar $4/$20 verandert het omslagpunt aanzienlijk, en elke vergelijking die tijdens de actieperiode is geschreven, zal verouderd zijn.

Hoe je een van beide uitvoert

Beschikbaarheid verschilt meer dan de benchmarks suggereren. Terra is op 26 oktober uitgebracht via OpenAI's API, ChatGPT en Codex, zonder open weights. Argon wordt sinds de aankondiging op 30 september in fasen uitgerold — eerst naar gescreende cyberverdedigers via Google's Fairwind-programma, daarna naar AI Ultra-abonnees en betalende API-klanten — en Google heeft geen brede gratis release toegezegd.

Op 27 oktober staan geen van beide modellen in de catalogus van OrcaRouter, dus dit is geen geval waarin we je één endpoint voor beide kunnen geven. Wat we je wel kunnen vertellen, is hoe de omringende stack meestal wordt opgebouwd: teams zetten een goedkope uitvoerder en een dure controleur achter één API, en de modellen die al worden gerouteerd — Claude Opus 5.5, GPT-6.1 Sol, Grok 4.7 en meer dan 200 andere — zitten achter één sleutel, met de lijstprijzen van de provider doorgegeven tegen 0% opslag en automatische failover wanneer een provider achteruitgaat. Als Terra of Argon in de catalogus terechtkomt, past het in dezelfde sleutel in plaats van een tweede integratie te worden. Test ze tot die tijd elk via hun leverancier en houd de routeringsbeslissing op taakniveau, waar die thuishoort.

Waar je op moet letten is niet nog een benchmarkgrafiek. Het zijn Argons prijs na de promotieperiode en Terra's eerste onafhankelijke Terminal-Bench-run, die momenteel berust op OpenAI's eigen claim van 50,3% tegenover Argons 57%-plus. Als Terra in de buurt van dat aantal blijft bij een kwart van Argons kosten per taak, wordt de hierboven genoemde opsplitsing de standaardarchitectuur voor veel teams. Als dat aantal afwijkt, wordt de goedkope-first-passstrategie duurder dan hij lijkt.