GPT-6 Sol vs Gemini 3.1 Pro: A diferença de preço é menor do que qualquer um dos posts de lançamento admite

Ambos os modelos custam US$ 2,00 por milhão de tokens de entrada. O GPT-6 Sol cobra US$ 10,00 por milhão de tokens de saída; o Gemini 3.1 Pro cobra US$ 12,00. Nas tarifas anunciadas, o GPT-6 Sol e o Gemini 3.1 Pro, lançado há seis meses, estão dentro de 20% um do outro, o que torna esta a comparação de preços menos dramática da linha atual — e a mais enganosa, porque nenhum dos dois modelos cobra de fato sua tarifa anunciada em trabalhos de contexto longo, e os dois limites de faixa ficam em pontos diferentes e reajustam em direções distintas.

Essa é a comparação que vale a pena fazer corretamente. O GPT-6 Sol foi lançado em 22 de setembro de 2026 a $2/$10, um corte de 50% em relação ao GPT-5.6 Sol, com uma faixa de contexto longo acima de 272.000 tokens de entrada que aproximadamente dobra a entrada e aumenta a saída em 50%. O Gemini 3.1 Pro está disponível desde 19 de fevereiro de 2026 a $2/$12, com um limite de faixa em 200.000 tokens que o leva a $4/$18 e uma tarifa de lote de $1/$6. Mesmo preço de etiqueta, geometria da tabela de preços diferente, e a aritmética abaixo é o que decide qual deles é mais barato para o seu tráfego.

Duas tabelas de preços, desenhadas em escala

• Entrada base — GPT-6 Sol $2.00 por 1M vs Gemini 3.1 Pro $2.00 por 1M

• Saída base — GPT-6 Sol US$ 10,00 por 1M vs Gemini 3.1 Pro US$ 12,00 por 1M

• Limite de contexto longo — GPT-6 Sol acima de 272K de entrada vs. Gemini 3.1 Pro acima de 200K de entrada

• Taxa de contexto longo — GPT-6 Sol cerca de $4,00 / $15,00 vs. Gemini 3.1 Pro $4,00 / $18,00

• Escopo de reprecificação — GPT-6 Sol reprecifica toda a solicitação vs Gemini 3.1 Pro reprecifica toda a solicitação

• Cache — GPT-6 Sol cerca de 90% de desconto no input em cache vs. preço de cache do Gemini 3.1 Pro não reafirmado no lançamento

• Lote — preço de lote do GPT-6 Sol não publicado vs. Gemini 3.1 Pro US$ 1,00 / US$ 6,00

• Janela de contexto — GPT-6 Sol 872K segundo a Artificial Analysis, 1,05M declarado vs. entrada de 1M do Gemini 3.1 Pro

• Saída máxima — GPT-6 Sol 128K vs Gemini 3.1 Pro aproximadamente 64K a 66K

• Índice de Inteligência AA (v4.3.2) — GPT-6 Sol 48 vs Gemini 3.1 Pro 30

Dois pontos estruturais decorrem disso. Primeiro, os limites de contexto longo são próximos entre si, mas não idênticos — 272K contra 200K — e ambos aplicam a tarifa mais alta à solicitação inteira, e não ao excedente. Uma chamada que carrega 210K tokens é cobrada à tarifa premium no Gemini 3.1 Pro e à tarifa base no GPT-6 Sol. Essa faixa de 72.000 tokens é onde os dois modelos mais divergem em preço.

Segundo, o espaço de saída não é comparável. O GPT-6 Sol permite 128K tokens de saída; o Gemini 3.1 Pro para em torno de 64K a 66K. Se sua carga de trabalho gera artefatos longos — reescritas completas de arquivos, rascunhos de formato longo, rastros estendidos de cadeia de pensamento que você realmente mantém —, esse teto importa mais do que a diferença de US$ 2 no preço de saída.

Um exemplo prático, porque as taxas anunciadas escondem a resposta

Considere uma carga de trabalho mensal realista: 10 milhões de tokens de entrada e 2 milhões de tokens de saída, todos de contexto curto.

• GPT-6 Sol — 10M de entrada a $2,00 é $20,00, 2M de saída a $10,00 é $20,00. Total: $40,00

• Gemini 3.1 Pro — 10M de entrada a $2,00 resulta em $20,00, 2M de saída a $12,00 resulta em $24,00. Total: $44,00

O GPT-6 Sol é 9% mais barato. Essa é toda a diferença, e é pequena o bastante para que uma única decisão de engenharia em outra parte da stack possa eliminá-la.

Agora torne a mesma carga de trabalho de contexto longo — um agente que carrega 300K tokens de estado de trabalho em cada chamada. Ambos os modelos ultrapassam seus limites.

• GPT-6 Sol — entrada a cerca de $4,00 dá $40,00, saída a cerca de $15,00 dá $30,00. Total: $70,00

• Gemini 3.1 Pro — entrada a $4,00 resulta em $40,00, saída a $18,00 resulta em $36,00. Total: $76,00

As duas contas quase dobram, e o GPT-6 Sol continua na frente, mas a diferença ainda fica abaixo de 10%. O contexto longo não desfaz esse confronto; só torna as duas opções caras.

O caso interessante é cache e processamento em lote, em que os dois fornecedores fizeram apostas diferentes. Se 80% da sua entrada for um prefixo estável, o desconto de cache de cerca de 90% do GPT-6 Sol muda substancialmente a aritmética — 8M de tokens em cache a cerca de US$ 0,20 por milhão são US$ 1,60, mais 2M novos a US$ 2,00, o que dá US$ 4,00, mais US$ 20,00 de saída, para um total próximo de US$ 25,60. A tarifa de lote do Gemini 3.1 Pro faz o mesmo tipo de trabalho na direção oposta: a US$ 1,00 de entrada e US$ 6,00 de saída, a mesma carga de trabalho de 10M/2M chega a US$ 10,00 mais US$ 12,00, ou US$ 22,00.

Portanto, o resumo honesto é: o GPT-6 Sol vence em tráfego interativo e em cargas de trabalho com prefixo em cache; o Gemini 3.1 Pro vence em qualquer coisa que você consiga processar em lote, e a diferença entre os dois melhores casos é de alguns dólares por dez milhões de tokens. Isto não é uma decisão de preço. É uma decisão de formato de carga de trabalho.

A lacuna de capacidade é a decisão real.

Cinquenta e um pontos do Index separam esses modelos no mesmo ranking: GPT-6 Sol com 48, Gemini 3.1 Pro com 30. Isso não é chegar perto, e é por isso que a paridade de preços é uma curiosidade, e não uma ameaça competitiva.

O Intelligence Index da Artificial Analysis é um índice composto, e índices compostos podem ser lisonjeiros. Mas uma diferença desse tamanho se sustenta nos benchmarks componentes que cada fornecedor publica:

• AA Intelligence Index — GPT-6 Sol 48, classificado em 18º de 212 vs. Gemini 3.1 Pro 30, classificado em 81º de 212

• Velocidade de saída — GPT-6 Sol 104,4 tokens/seg vs Gemini 3.1 Pro 115,0 tokens/seg

• Tempo até o primeiro token — GPT-6 Sol 107,18s vs Gemini 3.1 Pro 32,96s, contra uma mediana do placar de 3,87s

• GPQA Diamond — Gemini 3.1 Pro 94,3% (reportado pelo Google)

• ARC-AGI-2 — Gemini 3.1 Pro 77,1% (reportado pelo Google)

• HLE — Gemini 3.1 Pro 44,4% (reportado pelo Google)

• SWE-bench Verified — Gemini 3.1 Pro 80,6% (reportado pelo Google)

• Terminal-Bench 2.0 — Gemini 3.1 Pro 68,5% (reportado pelo Google)

• LiveCodeBench Pro — Gemini 3.1 Pro 2887 Elo (reportado pelo Google)

Leia esses números do Google com atenção, porque eles não são fracos. Um 94,3% no GPQA Diamond e 77,1% no ARC-AGI-2 são resultados fortes, e foram publicados em fevereiro. A razão pela qual o Index ainda coloca o Gemini 3.1 Pro trinta pontos abaixo é que o Index dá muito peso a tarefas agênticas e de longo horizonte, e é aí que os seis meses entre esses dois lançamentos se mostram. O Gemini 3.1 Pro é um forte modelo de raciocínio. O GPT-6 Sol é um forte agente.

A linha de latência é onde o Gemini 3.1 Pro vence de forma absoluta, e não é uma vitória pequena. Um primeiro token de 33 segundos é lento em termos absolutos — a mediana do leaderboard é de 3,87 segundos — mas é um terço dos 107 segundos do GPT-6 Sol. Para qualquer coisa que uma pessoa precise esperar, o Gemini 3.1 Pro é o único dos dois que é minimamente utilizável. O primeiro token de 107 segundos do GPT-6 Sol é o número que vai acabar com a maioria dos projetos-piloto, e vale notar que seu throughput assim que começa é excelente: 104,4 tokens por segundo não fica significativamente atrás dos 115,0 do Gemini. O modelo não é lento. É lento para começar.

A coisa de que o Gemini 3.1 Pro não escapou

O Gemini 3.1 Pro está em prévia desde fevereiro. Seis meses é muito tempo para carregar um rótulo de prévia, e o Google lançou os modelos Flash 3.5, 3.6 e 3.8 nesse meio tempo sem promover o 3.1 Pro à disponibilidade geral. No OrcaRouter, o slug roteável ainda é gemini-3.1-pro-preview, e uma variante separada gemini-3.1-pro-preview-customtools existe ao lado dele.

Isso é relevante para as compras de uma forma que os benchmarks não são. Os endpoints de pré-visualização podem mudar debaixo dos seus pés, ser descontinuados com pouco aviso e ter limites de taxa diferentes dos de um modelo GA. Se você está construindo sobre o Gemini 3.1 Pro hoje, está construindo sobre uma pré-visualização, e deve precificar o risco de migração de acordo — especialmente quando os próprios modelos Flash mais recentes do Google já o ultrapassaram em vários eixos.

O GPT-6 Sol não tem esse problema, mas tem outro: a disponibilidade no lançamento foi mais restrita do que o anúncio dava a entender. Ele está na API, no ChatGPT Work e no Codex nos planos pagos — e os administradores do Enterprise precisam habilitá-lo antes que seus usuários possam vê-lo. Ele não está no ChatGPT Chat. Um carro-chefe que deixa de fora o público consumidor é um carro-chefe voltado para desenvolvedores.

Rodando o barato e o bom juntos

Esta é a rara comparação em que a resposta é obviamente "ambos", e a precificação sustenta isso. Gemini 3.1 Pro é o modelo que você coloca na frente de um humano: primeiro token rápido, tarifas de lote que tornam baratos os trabalhos em massa, pontuações de raciocínio publicadas e fortes. GPT-6 Sol é o modelo que você coloca atrás de uma fila: lento para começar, excelente throughput, melhor por cinquenta e um pontos no Index e com preço dentro de 20% do modelo que está substituindo em trabalho interativo.

O Gemini 3.1 Pro está no OrcaRouter pelo preço de tabela do Google, e no modelo de repasse isso significa que uma mudança de preço do Google entra em vigor do nosso lado no mesmo dia, em vez de esperarmos que um revendedor renegocie. O GPT-6 Sol não está no nosso catálogo até o momento desta publicação — ele é acessível pela própria API da OpenAI —, então uma rota que abranja ambos significa uma chave para o Gemini e uma integração direta com a OpenAI ao lado dela. Alternar entre um modelo de pré-visualização rápido e um modelo de fronteira mais lento é exatamente o caso para o qual o failover automático foi criado: quando o endpoint de pré-visualização se degrada ou é descontinuado, a rota muda, e você descobre isso por uma linha de log em vez de descobrir pelos seus usuários.

A regra de decisão

Escolha o Gemini 3.1 Pro quando houver um humano esperando, quando o trabalho puder ser processado em lote ou quando a saída permanecer curta. Um primeiro token de 33 segundos não é bom, mas é três vezes melhor que o do GPT-6 Sol, e a tarifa de lote de $1/$6 é a forma mais barata de mover um grande corpus por um modelo de raciocínio forte. Aceite que você está em um endpoint de pré-visualização e planeje a migração.

Escolha o GPT-6 Sol quando o trabalho for agêntico, de longo horizonte e não assistido, e quando o seu contexto permanecer abaixo de 272K tokens. Ele pontua 48 contra 30, produz 128K de saída contra cerca de 64K, e o seu preço de prefixo em cache com 90% de desconto torna os ciclos agênticos repetitivos excecionalmente baratos. O seu primeiro token em 107 segundos é uma caraterística da forma como raciocina, não um defeito, e só se torna um problema quando o coloca à frente de alguém.

Não escolha com base no preço. Os dois têm uma diferença de até 9% entre si em uma carga de trabalho de contexto curto e de até 10% em uma de contexto longo. A diferença mensal de nove dólares em um conjunto de dez milhões de tokens não é motivo para escolher um ou outro modelo, e a diferença de cinquenta e um pontos no Index é.