GPT-6.1 Sol против Gemini 4 Carbon: пять пунктов индекса, счёт в шесть раз больше и один, который нельзя вызвать

Сравнение между GPT-6.1 Sol и Gemini 4 Carbon имеет необычную форму: один из них обслуживает продакшн-запросы с 29 сентября 2026 года, а другой отвечает на бенчмарки с 28 октября. Carbon от Google — реальный продукт, это модель с наивысшим рейтингом на независимом лидерборде, и вы не можете отправить ей запрос, если только вы не специалист по киберзащите, допущенный к программе Fairwind от Google. Ни публичной строки модели, ни опубликованной страницы с ценами, ни эндпоинта. GPT-6.1 Sol вы можете вызвать сегодня днём. Эта асимметрия не делает сравнение бессмысленным — она делает его не тем сравнением, которое подразумевают таблицы лидеров, а гораздо более практичным.

Один — продукт, другой — программа.

Google представила Gemini 4 Carbon как «нашу следующую фронтирную модель» 28 октября 2026 года, через две недели после Gemini 4 Argon. Доступ открыли для части специалистов по киберзащите через Fairwind, при этом более широкий доступ для разработчиков, бизнеса и потребителей обещан «как можно скорее» без указания даты. По состоянию на 5 ноября общедоступного идентификатора модели всё ещё нет. Объявленные Google цены — $2.00 за миллион входных токенов и $10.00 за миллион выходных, кэшированный ввод со скидкой 95%, с повышением до $4.00 и $20.00 по стандартным тарифам без подтверждённой даты окончания вводного тарифа — это тарифная сетка для сервиса, который большинство читателей не может купить.

GPT-6.1 Sol общедоступен в OpenAI API с 29 сентября по той же базовой цене: $2.00 за ввод, $10.00 за вывод, $0.10 за кэшированный ввод, $2.50 за запись кэша, а при длинном контексте весь запрос пересчитывается по $4.00 за ввод и $15.00 за вывод свыше 272 000 входных токенов. В нашем каталоге он представлен как openai/gpt-6.1-sol, добавлен 2026-09-29, по собственной цене OpenAI без наценки. Мы не предлагаем Gemini 4 Carbon, потому что предлагать пока нечего; мы предлагаем Gemini 4 Argon.

Итак, честная постановка вопроса — не «на что вам стоит переключиться», а «из чего на самом деле состоит преимущество Carbon в пять пунктов и сколько вы были бы готовы за него заплатить, если бы оно было в меню».

Одинаковые тарифные карты, а счёт различается в шесть раз

Обе модели указаны по цене $2.00 и $10.00. Прочитав эту строку, вы заключили бы, что их запуск стоит одинаково. Независимое измерение говорит об обратном, и причина в объёме, а не в цене.

• Intelligence Index v5.0.1 — Gemini 4 Carbon 60 против GPT-6.1 Sol 55, оба на максимальном заявленном уровне усилий

• Скорость вывода — Carbon 68 токенов/с против Sol 56 токенов/с

• Стоимость за выполненную задачу индексации — Carbon $7.76 против Sol $1.27

• Токенов вывода израсходовано при прогоне индексации — Carbon 205 млн против Sol 63,7 млн

• Время на задачу индексирования — Sol 20,3 минуты, при этом 157,57 секунды до первого токена ответа

• Контекстное окно — Carbon 1M против Sol 1,050,000

• Максимальный объём вывода в одном ответе — Sol: 128 000 токенов; Google не опубликовала показатель Carbon

• Модальности — обе принимают текст и изображения и возвращают текст

• Доступность — Carbon доступен только защитникам Fairwind, публичного идентификатора нет, тогда как Sol общедоступен с 29 сентября

• Цена по прайс-листу — как $2.00 за ввод, так и $10.00 за вывод за миллион, до перехода Carbon к $4.00 и $20.00

Carbon произвёл в 3,2 раза больше выходных токенов, чем Sol, и обошёлся в 6,1 раза дороже на задачу. Счёт растёт быстрее, чем количество токенов, — так происходит, когда модель дольше думает и поглощает больше контекста за попытку. Пятипунктовое преимущество в индексе, купленное за шестикратные расходы, — оправданный компромисс для команды безопасности, выполняющей несколько сотен критически важных анализов; но неоправданный для чего угодно, где есть очередь.

Где Carbon действительно впереди

Было бы легко и неправильно записать Carbon в дорогие галстуки. На оценках, которые Google создал или выбрал, он явно лидирует, и это оценки, наиболее близкие к заявленному сценарию использования.

• SEC-bench Pro, обнаружение уязвимостей — Carbon 88,2%. По данным Google.

• ExploitGym, эксплуатация — Carbon 54.8%. По данным Google.

• CWE-bench, патчинг — Carbon 71,0%. По данным Google.

• Gray Swan: косвенная инъекция промпта — 0,0% доля успешных атак. По данным Google.

• GDPx — профессиональный бенчмарк SemiAnalysis из 206 задач: Carbon — около 10,9% при примерно $16 за задачу, позади Claude Opus 5.5 с примерно 12% и примерно $51 за задачу.

• AA-Omniscience — Carbon лидирует в таблице точности знаний; независимая проверка показала, что доля его галлюцинаций составляет около 11%, что выше показателя Argon — это стоит знать, прежде чем воспринимать лидерство в кибербезопасности как показатель общей надёжности.

Показатели по кибербезопасности — это причина существования модели и причина ограниченного доступа к ней. Кроме того, никто за пределами Google их не воспроизвёл, они запущены без защитных механизмов — согласно публикациям о запуске — и опубликованы без отдельной системной карты на момент запуска. Помечайте их как данные, предоставленные поставщиком, и идите дальше; это не та причина, по которой обычная инженерная команда выбрала бы эту модель.

Лид привязан к предметной области, а не универсален

Самый полезный сторонний результат прошедшей недели — негативный. Когда SemiAnalysis повторно запустила свой рейтинг GDPx, исключив задачи по кибербезопасности, биологии и alignment, порядок изменился: GPT-6 Astra переместилась на первое место, а GPT-6.1 Sol и Claude Sonnet 5.5 обе обошли Gemini 4 Carbon. SemiAnalysis заявила, что пересмотренный порядок лучше соответствует её собственным субъективным впечатлениям.

Это точное утверждение о том, что такое Carbon. Он не является равномерно умнее; он непропорционально силён в кластере доменов, в который, как оказалось, целился Google, и совокупный индекс вознаграждает этот кластер. Если ваша рабочая нагрузка — анализ безопасности, это и есть весь аргумент в пользу того, чтобы дождаться доступа. Если ваша рабочая нагрузка — конвейер документов, агент для программирования или сценарий поддержки, разрыв в пять пунктов в основном состоит из задач, которые вы никогда не будете запускать, и вы сравниваете модель, которую можете вызвать, с той, которую не можете.

В чём Sol лучше — по собственным показателям OpenAI

Заявления OpenAI о запуске GPT-6.1 Sol основаны на данных самого производителя, и их следует воспринимать именно так, но они достаточно конкретны, чтобы их можно было проверить позже. В DeepSWE v1.1 заявлено 75,22% при высоком уровне усилий и 71,90% при максимальном — необычная деталь в том, что этот бенчмарк достигает пика при высоком, а не при максимальном уровне. В OSWorld 2.0 — 71,42% при максимальном. В Terminal-Bench Science 0.1 — 57,02% при максимальном против 68,1% у GPT-6 Astra. В AutomationBench 1.0.6 — 36,10% при максимальном. В GDP.pdf — 32,0% при высоком, на уровне Astra.

Полезная часть — это закономерность в этих числах: Sol близок к Astra в работе с документами и кодингом и явно уступает ей в науке и долгосрочной автоматизации. Это рабочая лошадка с потолком, близким к передовому уровню, продающаяся за пятую часть цены Astra в $10.00 и $50.00. Независимое измерение согласуется с этой картиной: 55 баллов на v5.0.1 — не передовой результат, но $1.27 за выполненную задачу — самый низкий показатель в этом сравнении с большим отрывом.

Решение — для тех двух читателей, которые есть у этой статьи

Если вы защитник внутри Fairwind, компромисс реален, и приведённые выше цифры — это и есть компромисс: пять пунктов индекса и значительное преимущество именно в кибербезопасности в обмен на шестикратную стоимость за задачу и тарифную сетку, которая удваивается по окончании вводного периода. Используйте Carbon там, где анализ является результатом, и Sol — там, где важна массовость.

Если вы относитесь ко всем остальным, Carbon — не решение, а пункт для наблюдения. Модель, с которой стоит сравнивать сегодня, — Gemini 4 Argon; в нашем каталоге она представлена как google/gemini-4-argon по той же вводной ставке $2.00 и $10.00 и набирает 50 баллов в том же индексе v5.0.1 — на пять баллов меньше, чем Sol, при 68 токенах в секунду и стоимости задачи в том же диапазоне, что у Carbon. На стандартных тарифах Argon удваивается до $4.00 и $20.00 — эту дату стоит отметить в календаре.

Причина, по которой стоит думать о гейтинге, а не только об оценках, в том, что слой маршрутизации делает итоговый ответ дешёвым. И Sol, и Argon здесь находятся за одним ключом, по каталожной цене провайдера без наценки, поэтому сравнение — это изменение конфигурации, а не второй договор. Когда Carbon всё-таки откроется, DSL маршрутизации — это место, где должно быть разделение по задачам: киберанализ — специалисту, всё остальное — рабочей лошадке, с переключением при сбое, если специалист с первого дня ограничен лимитом запросов. Строить пайплайн под одну модель и жёстко зашивать её — это решение, которое плохо стареет, и эта пара — самый ясный аргумент против того, чтобы его принимать.

Пять пунктов — это реальная разница между двумя моделями. Само по себе это не причина перестраивать стек вокруг сервиса, который ещё не открыл свои двери.