GPT-6.1 Terra kontra Gemini 4 Argon: jeden jest tańszy, drugi częściej ma rację

W benchmarku księgowym DualEntry opublikowanym 26 października 2026 r. Gemini 4 Argon uzyskał 91,1%, a GPT-6.1 Terra uzyskał 78,2% — przy czym Terra dokonała tego w 16,1 sekundy za 4,2 centa, co było najszybszym i najtańszym przebiegiem spośród wszystkich modeli OpenAI w tym zestawie 22 modeli. Ten jeden wiersz to pojedynek w miniaturze. Flagowy model Google’a jest lepszym silnikiem osądu; nowy model OpenAI ze średniej półki jest lepszym silnikiem przepustowości; a różnica między tymi dwoma zadaniami to miejsce, w którym faktycznie trafiają pieniądze. Wybór między nimi wyłącznie na podstawie ceny katalogowej prowadzi do błędnej odpowiedzi w obu kierunkach.

Dane techniczne, zestawione obok siebie, bo szczegóły znaczą więcej niż najważniejsze liczby:

• Cena — GPT-6.1 Terra: 1,00 USD za 1 mln tokenów wejściowych i 5,00 USD za 1 mln tokenów wyjściowych, rosnąca do 2,00/7,50 USD, gdy żądanie przekroczy 272 tys. tokenów wejściowych; Gemini 4 Argon: 2,00/10,00 USD w cenie promocyjnej do 30 listopada 2026 r., następnie 4,00/20,00 USD.

• Kontekst — Terra: 1,05 mln tokenów z limitem wyjścia 128K; Argon: około 1 mln na wejściu (Google nie opublikowało wartości; trackery podają 1 mln) i do 1 mln tokenów w pojedynczym wyjściu dzięki funkcji Long Decode Continuation.

• {{1}}Dane wejściowe{{/1}} — Terra obsługuje tekst i obrazy; Artificial Analysis wymienia te same dwa modalności dla Argon, natomiast ogłoszenie Google i jego benchmarki długiego wideo wskazują również na wejście wideo.

• Kontrola rozumowania — Terra udostępnia sześć poziomów wysiłku; Argon udostępnia trzy.

• Data odcięcia wiedzy — Terra: czerwiec 2026; Argon: marzec 2026.

• Niezależny Indeks Inteligencji — Terra 48, Argon 53, w obecnej skali Artificial Analysis.

Luka cenowa, którą wszyscy przytaczają, jest niewłaściwa.

Relacje z premiery przedstawiają to jako dwukrotną różnicę cen: $1/$5 wobec $2/$10. To prawda tylko w okresie wprowadzającym Argonu i tylko w przeliczeniu na token. Po 30 listopada cena tokenów wyjściowych jest czterokrotnie wyższa w porównaniu z Terra, a nie dwukrotnie. A za pracę agenta nikt nie płaci w przeliczeniu na token.

Artificial Analysis wycenia Terra na około 0,40 USD za zadanie w Intelligence Index, a Argon na 1,62 USD — czterokrotna różnica, a nie dwukrotna. Przyczyną jest głównie cennik, a nie wymykająca się spod kontroli gadatliwość: w tej samej ocenie Argon wygenerował 110 mln tokenów wyjściowych wobec 130 mln w przypadku Terra, więc Terra była właściwie bardziej gadatliwa z tych dwóch i mimo to zakończyła z kosztem stanowiącym jedną czwartą. To, co kupuje Terra, to tańszy token i szybsza odpowiedź, a nie krótsza.

Istnieje jeszcze drugi próg, który w relacjach z premiery przeważnie umyka. Cena tokenów wejściowych w Terra na poziomie 1,00 USD obowiązuje dla pierwszych 272 tys. tokenów żądania. Powyżej tego cena tokenów wejściowych skacze do 2,00 USD, a tokenów wyjściowych do 7,50 USD. W przypadku czatu i przeglądu kodu nigdy to nie ma znaczenia. Przy przeglądzie umowy liczącej 600 tys. tokenów albo długoterminowym przeszukiwaniu repozytorium efektywna cena Terra podwaja się w trakcie żądania, a różnica względem Argon gwałtownie się zmniejsza. Planuj budżet pod rozmiar żądania, które faktycznie wysyłasz, a nie ten z pierwszego wiersza tabeli cen.

Gdzie przewaga Argonu jest prawdziwa, a nie marketingowa

Przewaga Argonu koncentruje się na pracy, w której błędna odpowiedź kosztuje więcej niż tokeny potrzebne do zapobieżenia jej. Wynik DualEntry jest najczystszym publicznym przykładem: 91,1% ogółem wobec 78,2% Terra, z największą pojedynczą różnicą w zobowiązaniach wobec dostawców, gdzie Argon uzyskał 84,6%, a Terra 53,8%. Terra zakończyła ex aequo na 18. miejscu wśród 22 modeli w tym benchmarku. Był też najszybszy, co mówi, jakim modelem jest: zoptymalizowanym do rozładowywania kolejki, a nie do bycia ostatnią linią obrony.

Ten sam schemat pojawia się także gdzie indziej. W Vals Index Argon zajmuje szczyt stawki z wynikiem 68,9%, będąc pierwszym spośród około 41 modeli. W Intelligence Index Artificial Analysis uzyskuje 53 punkty wobec 48 punktów Terry. W AA-Omniscience jego odsetek halucynacji wynosi około 15% — najniższy zmierzony wśród modeli frontier — podczas gdy GPT-6 Astra, model, z którym najczęściej się go porównuje, plasuje się blisko 51%. Odsetek zgadywań samej Terry spadł z 88% do 38% w porównaniu z jej poprzednikiem, co jest autentyczną poprawą, ale te dwie liczby nie są tą samą metryką i nie należy ich od siebie odejmować. Uczciwa interpretacja jest taka, że Argon jest modelem bardziej ostrożnym, a Terra — znacznie ulepszonym, lecz wciąż bardziej spekulatywnym.

Powierzchnia wejściowa Argonu jest szersza na jednej osi: wideo. Panel techniczny Artificial Analysis wymienia tylko tekst i obrazy, ale ogłoszenie Google przedstawia rozszerzone możliwości multimodalne i benchmarkuje rozumienie długiego wideo na LVBench, co ma sens tylko wtedy, gdy wideo trafia na wejście. Jeśli Twój potok przetwarza nagrane rozmowy lub zrzuty ekranu, zweryfikuj dokładne formaty w dokumentacji Google, zanim zbudujesz wokół nich integrację — tam, gdzie się to potwierdza, jest to różnica możliwości, której nie zniweluje żadna przewaga cenowa Terra.

Gdzie Terra jest racjonalnym domyślnym wyborem

Nie chodzi o to, że Terra jest mądrzejsza. Chodzi o to, że większość ruchu produkcyjnego nie potrzebuje najinteligentniejszego modelu, a Terra jest wyjątkowo dobra w byciu wystarczająco dobrą tanio.

Jest szybki w sposób, który zmienia projektowanie systemów: 90,9 tokenów wyjściowych na sekundę w pomiarze Artificial Analysis wobec 80,9 u Argon, przy czym OpenAI twierdzi, że kończy zadania około trzy razy szybciej niż jego własny flagowy model. Kolejka do segregacji zgłoszeń pomocy technicznej, sumaryzator logów, recenzent kodu w pierwszym przejściu albo klasyfikator dokumentów uruchamiany milion razy w miesiącu nie korzysta z marginesu osądu Argon. Korzysta z modelu, który zwraca wynik w sekundach po 0,40 USD za zadanie zamiast dolarów za zadanie.

Terra jest także bardziej kontrolowalna z tych dwóch. Sześć poziomów rozumowania w porównaniu z trzema w Argonie oznacza drobniejszą granulację w jedynym pokrętle, które najbardziej wpływa zarówno na koszt, jak i opóźnienie. Zespoły, które kierują łatwe żądania do niskiego wysiłku, a trudne do maksymalnego, często mogą zbliżyć się do dokładności większego modelu w granicach kilku punktów za ułamek jego rachunku. Argon daje mniej swobody na dokonanie tego kompromisu.

A nowsza data odcięcia wiedzy Terry — czerwiec 2026 w porównaniu z marcem 2026 — ma znaczenie dla wszystkiego, co rozumuje o niedawnych wydarzeniach, wersjach bibliotek lub cenach, które zmieniły się tego lata. To niewielka przewaga, ale jest darmowa.

Reguła decyzyjna

Nie wybieraj jednej. Dowody przemawiają za podziałem, a podział ten jest wyjątkowo czysty:

• Używaj GPT-6.1 Terra do pracy o dużym wolumenie i krótkich wynikach, wymagającej nadzoru, w której błędna odpowiedź jest wychwytywana na dalszym etapie: klasyfikacja, ekstrakcja, routing, generowanie pierwszych wersji, triage logów i alertów, masowy przegląd kodu.

• Używaj Gemini 4 Argon do prac o małym wolumenie, długim horyzoncie i wysokim koszcie błędu: uzgadniania finansowego i księgowego, przeglądu prawnego i zgodności, wieloetapowych agentów obsługujących narzędzia bez nadzoru oraz wszystkiego, co wymaga danych wejściowych w formie wideo, audio lub PDF.

Używaj Terra jako pierwszego przebiegu, a Argon jako eskalacji dla końcówki. Luka 78,2 wobec 91,1 w pracy księgowej to dokładnie ten rodzaj marginesu, w którym tani pierwszy przebieg plus droga kontrola bije którykolwiek model osobno.

• Ponownie wykonaj obliczenia po 30 listopada. Przejście Argonu z $2/$10 na $4/$20 znacząco zmienia punkt przecięcia kosztów, a każde porównanie napisane w okresie promocyjnym będzie nieaktualne.

Jak uruchomić którykolwiek z nich

Dostępność różni się bardziej, niż sugerują benchmarki. Terra została udostępniona 26 października za pośrednictwem API OpenAI, ChatGPT i Codex, bez otwartych wag. Argon jest udostępniany etapami od ogłoszenia 30 września — najpierw zweryfikowanym specjalistom ds. cyberbezpieczeństwa w ramach programu Fairwind Google’a, następnie subskrybentom AI Ultra i klientom płatnego API — a Google nie zobowiązał się do szerokiego bezpłatnego udostępnienia.

Na dzień 27 października żaden z tych modeli nie znajduje się w katalogu OrcaRouter, więc nie jest to przypadek, w którym możemy podać Ci jeden punkt końcowy dla obu. Możemy natomiast powiedzieć, jak zwykle buduje się otaczający stos: zespoły utrzymują taniego wykonawcę i drogiego weryfikatora za jednym API, a modele, które są już trasowane — Claude Opus 5.5, GPT-6.1 Sol, Grok 4.7 i ponad 200 innych — stoją za jednym kluczem, z cenami katalogowymi dostawców przekazywanymi bez marży (0%) i automatycznym przełączaniem awaryjnym w razie degradacji dostawcy. Jeśli Terra lub Argon trafi do katalogu, zostanie obsłużony tym samym kluczem, zamiast stawać się osobną integracją. Do tego czasu testuj każdy z nich u jego dostawcy i podejmuj decyzję o trasowaniu na poziomie zadania, gdzie należy.

Nie chodzi o kolejny wykres benchmarków. Chodzi o cenę Argonu po promocji i pierwszy niezależny przebieg Terminal-Bench wykonany przez Terrę, który obecnie opiera się na deklaracji samego OpenAI wynoszącej 50,3% wobec ponad 57% Argonu. Jeśli Terra utrzyma się blisko tej liczby przy jednej czwartej kosztu Argonu na zadanie, powyższy podział stanie się domyślną architekturą dla wielu zespołów. Jeśli wynik się rozjedzie, strategia taniej pierwszej próby okaże się droższa, niż wygląda.