GPT-6.1 Sol vs Gemini 4 Argon: En halv poäng ifrån varandra, och bara en av dem är till salu

Allt du kan jämföra mellan GPT-6.1 Sol och Gemini 4 Argon är mätbart, och inget av det är åtgärdsbart, eftersom bara en av de två modellerna kan köpas. Gemini 4 Argon tillkännagavs den 30 september 2026 i ett DeepMind-inlägg som tillskrevs Koray Kavukcuoglu, med ett angivet introduktionspris på 2,00 USD per miljon indatatoken och 10,00 USD per miljon utdatatoken, och lanseras först till en namngiven grupp av cyberförsvarare via Fairwind Program. Den har ingen modellidentifierare, ingen API-slutpunkt, ingen publicerad per-token-taxa som du kan faktureras mot, och ingen sida som du kan nå som kund. GPT-6.1 Sol släpptes den 29 september 2026 för 2,00 USD och 10,00 USD och är tillgänglig nu. På Artificial Analysis Intelligence Index skiljer de två sig 0,8 poäng åt — Argon 52,6, Sol 51,8 — vilket gör detta till den tätaste matchningen i den här omgången och, enbart sett till indexet, ett dött lopp. På mätaren som avgör verkliga utplaceringar är en av dessa modeller inte ens en kandidat.

Den asymmetrin är inte en teknikalitet, och den är inte heller ett scoop. Det är det faktum som bör styra hur jämförelsen läses: Argons siffror beskriver en modell i en kontrollerad utrullning till en kohort, och GPT-6.1 Sol:s siffror beskriver en produkt på en prislista. Att jämföra dem är fortfarande värt att göra – Argon är vad leverantören för närvarande lyfter fram, och dess mätningar säger något verkligt om var toppen av Gemini-serien ligger – men varje slutsats måste bära frasen "om den vore köpbar", och ingen av dem bär frasen "bör du byta".

Indexet tillåter exakt en jämförelse, och den är nästan oavgjord

Båda modellerna förekommer på Artificial Analysis, och båda har en poäng och en redovisning av vad det kostade att producera den poängen.

• Intelligence Index, v4.3.2 — Gemini 4 Argon 52,6 mot GPT-6.1 Sol 51,8, en skillnad på 0,8 punkter

• Kostnad per indextask — Gemini 4 Argon 1,99 $ mot GPT-6.1 Sol 0,72 $, en spridning på 2,8× för de där 0,8 poängen

• Kostnad för att köra hela sviten — Gemini 4 Argon $2,407 mot GPT-6.1 Sol $1,082

• Utdatatoken som genererades i den sviten — Gemini 4 Argon 110M mot GPT-6.1 Sol 67M, en skillnad i utförlighet på 1,6×

• Angivet introduktionspris — 2,00 USD in och 10,00 USD ut per miljon tokens för båda, med cachad indata med 95 % rabatt på Argon

• Kontextfönster — GPT-6.1 Sol 1 050 000 tokens; Argon är inte publicerad

Den fjärde raden förklarar den andra. En 2,8× skillnad i kostnad per uppgift vid nästan identiska annonserade priser kommer från att skriva 1,6× så många tokens till ett jämförbart pris för utdata, plus vad än resonemangsvolymerna bakom dem kostar. Argon är inte en dyr modell enligt sitt modellkort. Den är en pratsam sådan i utvärderingen, och notan görs upp i utdata.

Konfigurationerna skiljer sig åt, och skillnadens riktning gynnar den billigare modellen. Artificial Analysis visar Gemini 4 Argon vid dess inställning för hög ansträngning och GPT-6.1 Sol vid max – så Sol mäts vid sin dyraste inställning och Argon vid något under sitt tak. Gapet på 0,8 punkter är därför den generösa versionen av jämförelsen för Sol: ge Argon dess högsta inställning och gapet vidgas sannolikt, ge Sol en lägre inställning och dess kostnad sjunker ytterligare. Inget av dragen ändrar tillgänglighetslinjen, som är den enda linjen som avgör ett driftsättningsbeslut.

Att alls läsa en marginal på 0,8 punkter

En skillnad på mindre än en poäng i ett sammansatt mått baserat på tio utvärderingar är ingen rangordning. Det är två modeller inom samma intervall.

Det som indexet inte publicerar för Argon är den komponentdetalj som skulle göra bandet läsbart – vilka utvärderingar den vinner, var den är svag, hur den beter sig över delpoängen som utgör det sammansatta betyget. GPT-6.1 Sols sida innehåller de raderna; Argons har en rubrik och en kostnad. En jämförelse som enbart bygger på rubriken kan säga att de två är jämbördiga och inget annat, och den bör säga exakt det i stället för att konstruera en vinnare ur en marginal på 0,8 punkter.

Det finns en extern datapunkt värd att lägga till, och den pekar i motsatt riktning. I en tredjepartsutvärdering av kodning som cirkulerade efter tillkännagivandet placerade sig Argon trea efter GPT-6 Astra och Claude Opus 5.5 — ett starkt resultat för en modell i en kontrollerad utrullning, och ett som ligger i linje med 52,6 på kompositmåttet. Det är också en enskild observation från en enda utvärdering, publicerad under de första dagarna av ett tillkännagivande, vilket gör det till ett bevis snarare än en resultathistorik. Etikettera det och gå vidare.

Vad de två priskorten faktiskt är till för

Den angivna satsen för Argon bör hanteras mer varsamt än indexraden, eftersom den innehåller två tal.

Introduktionspriset är $2,00 in och $10,00 ut, med cachad indata med 95 % rabatt, vilket på ett kort skulle göra Argon till en likvärdig prismatchning för GPT-6.1 Sol. Leverantörens egen fotnot anger att priset efter en introduktionsperiod som den inte definierar blir $4,00 per miljon indatatoken och $20,00 per miljon utdatatoken. Det andra paret är inte hypotetiskt – det är den publicerade siffran som modellen förväntas landa på – och det landar exakt på det aktuella frontier-listpriset snarare än under det. En jämförelse som bara citerar introduktionsparet citerar ett kampanjnummer för en modell som ännu inte är allmänt tillgänglig, vilket är två grader av provisoriskhet i en och samma rad.

GPT-6.1 Sols kort är ett objekt av motsatt slag. $2,00 och $10,00 är den ordinarie taxan, inte en kampanj; långkontextsteget till $4,00 / $15,00 över 272 000 prompttokens är publicerat och gäller vid en definierad gräns; cachad indata till $0,10 är live i dag och debiterbar. Det finns inget i det som kräver en fotnot om en period som leverantören vägrar definiera.

Det är vad som ligger bakom tillgänglighetsraden. Inte att Argon är en sämre modell – indexet säger att de två ligger på samma nivå – utan att ett av dessa två kort är ett åtagande och det andra en avsikt.

Själva utrullningen är jämförelsen

Fairwind-programmet är den del av Argons tillkännagivande som en teknisk jämförelse tenderar att hoppa över, och det är den del som betyder mest här.

Leverantören sätter först modellen i händerna på en namngiven kohort av cyberförsvarare, före alla andra, utan något annonserat datum för allmän öppning, ingen väntelista för utvecklare och ingen publicerad identifierare som en kund kan låsa sig vid. Det är ett legitimt sätt att släppa en frontiermodell, och det är inte ovanligt för förmågan i den här klassen. Det innebär också att varje påstående om Argons kostnad, latens, genomströmning och tillförlitlighet i verklig trafik för närvarande är ouppmätt: det finns ingen produktionstrafik att mäta. Leverantörens egen benchmarkkörning finns, och det sammansatta resultatet från Artificial Analysis finns, och tillsammans utgör de ett labs utvärdering och en utvärderares svit. Det är hela underlaget.

GPT-6.1 Sols meritlista är åtta dagar gammal och tunn på ett annat sätt: en oberoende konfiguration, ingen praktikerkorpus, och en produkt i drift vars felmoder ännu inte finns nedskrivna någonstans. Ingen av modellerna är väl underbyggd. En av dem har dock en faktura.

Så vad är den här jämförelsen till för?

Tre användningar, och ingen av dem är ett köpbeslut.

Först: kalibrering. Om du följer var Argon står mot GPT-6.1 Sol är 52,6 mot 51,8 vid en kostnadsskillnad på 2,8× per uppgift det aktuella svaret, och det säger att Gemini 4-linjen är konkurrenskraftig vad gäller förmåga medan den fortfarande gör upp om sina kommersiella villkor. Håll utkik efter att introduktionspriset ersätts av paret $4.00 / $20.00, vilket skulle förvandla en prismatchning till en prispremie vid oförändrad förmåga.

För det andra, en avvaktande hållning. En modell som är annonserad, uppmätt och inte går att routa är det tydligaste fallet som finns för att behålla en abstraktion mellan din applikation och ditt modellval. Båda modellerna i den här artikeln kan nås på samma sätt från vår sida av staketet: GPT-6.1 Sol finns på OrcaRouter till sitt eget $2.00 / $10.00 med cachad indata för $0.10 och inget tillagt, så en arbetsbelastning kan byggas mot den i dag till leverantörens listpris. Om och när Argon får en identifierare och en prislista bör en utvärdering av den vara en konfigurationsändring snarare än en omskrivning — och fram till dess är den korrekta mängden ingenjörsarbete att lägga på Argon den mängd som håller det sant.

För det tredje, en falsifierbar bevakningslista. Vilket som helst av följande skulle förvandla detta från en artikel om vad vi vet så här långt till en jämförelse som går att handla efter: en modellidentifierare i utvecklardokumentationen, en post i dess modellkortsindex, ett inlägg om allmän tillgänglighet med publicerade priser per token, eller att Artificial Analysis publicerar en andra konfiguration på en annan ansträngningsnivå. Tills något av detta blir verklighet beskriver en artikel som hävdar att Argon är billigare, snabbare eller bättre än GPT-6.1 Sol i produktion en modell som ingen utanför en enda kohort har kört.

Den ärliga avslutningen är en enda mening, och den handlar om frågans form snarare än om poängen. Gemini 4 Argon och GPT-6.1 Sol ligger tillräckligt nära varandra på den enda oberoende resultattavla där båda förekommer för att indexet inte ska kunna välja mellan dem; det som avgör mellan dem är att den ena är tillgänglig och den andra är ett löfte, och ett löfte är inte något man dirigerar produktionstrafik till. Följ Argon, inför Sol om priset och modaliteterna passar ditt arbete, och håll abstraktionen tillräckligt tunn så att den dag Argon blir verklighet är den en rad konfiguration snarare än ett projekt.