GPT-6.1 Sol vs Gemini 4 Carbon: Fem indexpoäng, sex gånger notan och en som du inte kan anropa

Jämförelsen mellan GPT-6.1 Sol och Gemini 4 Carbon har en ovanlig form: en av dem har besvarat produktionsförfrågningar sedan 29 september 2026, och den andra har besvarat benchmarks sedan 28 oktober. Googles Carbon är verklig, den är den högst poängsatta modellen på den oberoende resultattavlan, och du kan inte skicka en förfrågan till den om du inte är en cybersäkerhetsförsvarare som antagits till Googles Fairwind-program. Ingen offentlig modellsträng, ingen publicerad prissida, ingen endpoint. GPT-6.1 Sol kan du anropa i eftermiddag. Den asymmetrin gör inte jämförelsen meningslös – den gör den till en annan jämförelse än den som topplistorna antyder, och en mycket mer praktisk sådan.

Den ena är en produkt, den andra är ett program.

Google tillkännagav Gemini 4 Carbon som "vår nästa frontiermodell" den 28 oktober 2026, två veckor efter Gemini 4 Argon. Tillgången öppnades för en delmängd av cyberförsvarare via Fairwind, med bredare åtkomst för utvecklare, företag och konsumenter utlovad "så snart som möjligt" och utan något datum. Per den 5 november finns det fortfarande ingen allmänt tillgänglig modellidentifierare. Priserna som Google har angett – 2,00 USD per miljon indatatokens och 10,00 USD per miljon utdatatokens, 95 % rabatt på cachad indata, som stiger till 4,00 och 20,00 USD vid ordinarie priser utan bekräftat slutdatum för introduktionsnivån – är en prislista för en tjänst som de flesta läsare inte kan köpa.

GPT-6.1 Sol har varit allmänt tillgänglig på OpenAI API sedan 29 september till exakt samma officiella pris: $2.00 in, $10.00 ut, $0.10 cachad indata, $2.50 cache-skrivning, med ett långkontextsteg som prissätter om hela förfrågan till $4.00 indata och $15.00 utdata över 272 000 indatatoken. Vår katalog har den som openai/gpt-6.1-sol, listad 2026-09-29, till OpenAIs eget pris utan påslag. Vi har inte Gemini 4 Carbon, eftersom det ännu inte finns något att ha; vi har Gemini 4 Argon.

Så den ärliga formuleringen är inte ”vilken du ska byta till”. Den är ”vad består egentligen Carbons ledning med fem procentenheter av, och vad skulle du betala för den om den fanns på menyn”.

Identiska prislistor, och en faktura som skiljer sig med en faktor sex

Båda modellerna listas till $2.00 och $10.00. Läser man den raden skulle man dra slutsatsen att de kostar lika mycket att köra. Den oberoende mätningen säger något annat, och orsaken är volym snarare än pris.

• Intelligence Index v5.0.1 — Gemini 4 Carbon 60 vs GPT-6.1 Sol 55, båda med maximalt publicerad ansträngning

• Utdatashastighet — Carbon 68 tokens/sek vs Sol 56 tokens/sek

• Kostnad per slutförd indexuppgift — Carbon 7,76 USD vs Sol 1,27 USD

• Utdatatokens som förbrukades vid indexkörningen – Carbon 205 miljoner vs Sol 63,7 miljoner

• Tid per indexuppgift — Sol 20,3 minuter, med 157,57 sekunder till dess första svarstoken

• Kontextfönster — Carbon 1M vs Sol 1 050 000

• Maximal utdata per svar — Sol 128 000 tokens; Google har inte publicerat någon siffra för Carbon

• Modaliteter — båda accepterar text och bilder och returnerar text

• Tillgänglighet — Carbon begränsat till Fairwind-försvarare, ingen offentlig identifierare jämfört med Sol som är allmänt tillgängligt sedan 29 september

• Listpris — både $2.00 för indata och $10.00 för utdata per miljon, innan Carbon gick över till $4.00 och $20.00

Carbon producerade 3,2 gånger så många utdatatokens som Sol och kostade 6,1 gånger så mycket per uppgift. Räkningsbeloppet växer snabbare än antalet tokens, vilket är vad som händer när en modell tänker längre och tar in mer kontext per försök. Ett fempunkters försprång i index som köpts med sex gånger så stor utgift är en försvarbar avvägning för ett säkerhetsteam som kör några hundra analyser med höga insatser; det är en oförsvarlig sådan för allt som har en kö.

Där Carbon verkligen ligger före

Det skulle vara enkelt och fel att avfärda Carbon som ett dyrt slips. I de utvärderingar som Google har byggt eller valt ut ligger det klart i täten, och det är de utvärderingar som ligger närmast det aviserade användningsfallet.

• SEC-bench Pro, sårbarhetsdetektering – Carbon 88,2 %. Rapporterat av Google.

• ExploitGym, utnyttjande — Carbon 54,8 %. Rapporterat av Google.

• CWE-bench, patchning — Carbon 71,0 %. Rapporterat av Google.

• Gray Swan indirekt promptinjektion — 0,0 % attacksframgångsgrad. Rapporterat av Google.

• GDPx, SemiAnalysiss professionella benchmark med 206 uppgifter – Carbon cirka 10,9 % till ungefär 16 USD per uppgift, bakom Claude Opus 5.5 på ungefär 12 % och cirka 51 USD per uppgift.

• AA-Omniscience — Carbon leder kunskapsnoggrannhetstabellen; oberoende rapportering har uppskattat dess hallucinationsfrekvens till nära 11 %, upp från Argons siffra, vilket är värt att känna till innan man behandlar ett cyberförsprång som ett allmänt tillförlitlighetsförsprång.

Cybersiffrorna är anledningen till att modellen finns och anledningen till att den är gated. De har dessutom inte reproducerats av någon utanför Google, kördes utan skyddsräcken enligt lanseringsrapporteringen och publicerades utan ett separat systemkort vid lanseringen. Märk dem som leverantörsrapporterade och gå vidare; de är inte anledningen till att ett allmänt ingenjörsteam skulle välja den här modellen.

Ledtråden är domänformad, inte generell.

Det mest användbara tredjepartsresultatet från den senaste veckan är ett negativt sådant. När SemiAnalysis körde om sin GDPx-rankning med cybersäkerhets-, biologi- och alignment-uppgifter uteslutna ändrades ordningen: GPT-6 Astra flyttades till första plats, och både GPT-6.1 Sol och Claude Sonnet 5.5 flyttades före Gemini 4 Carbon. SemiAnalysis sade att den reviderade ordningen bättre matchade deras egna subjektiva intryck.

Det är ett precist påstående om vad Carbon är. Det är inte genomgående smartare; det är oproportionerligt starkt inom ett domänkluster som råkar vara där Google riktade det, och det aggregerade indexet belönar det klustret. Om din arbetsbelastning är säkerhetsanalys är det hela argumentet för att vänta på åtkomst. Om din arbetsbelastning är en dokumentpipeline, en kodningsagent eller ett supportflöde, består fempoängsgapet till stor del av uppgifter som du aldrig kommer att köra, och du jämför en modell som du kan anropa med en som du inte kan.

Vad Sol gör bättre, enligt OpenAIs egna siffror

OpenAIs lanseringspåståenden för GPT-6.1 Sol är baserade på leverantörens uppgifter och bör läsas med det i åtanke, men de är tillräckligt specifika för att kunna kontrolleras senare. På DeepSWE v1.1 rapporterar den 75.22 % vid high effort och 71.90 % vid max – den ovanliga detaljen är att detta benchmark når sin topp vid high, inte max. På OSWorld 2.0: 71.42 % vid max. På Terminal-Bench Science 0.1: 57.02 % vid max, mot GPT-6 Astras 68.1 %. På AutomationBench 1.0.6: 36.10 % vid max. På GDP.pdf: 32.0 % vid high, i nivå med Astra.

Det användbara är mönstret i de siffrorna: Sol ligger nära Astra i dokument- och kodarbete och ligger tydligt efter i vetenskap och långsiktig automatisering. Det är en arbetshäst med ett tak nära frontlinjen, såld till en femtedel av Astras $10.00 och $50.00. Oberoende mätning instämmer i bilden – 55 på v5.0.1 är inte en frontlinjepoäng, men $1.27 per slutförd uppgift är den lägsta i den här jämförelsen med bred marginal.

Beslutet, för de två läsare den här artikeln har

Om du är försvarare inom Fairwind är avvägningen verklig och siffrorna ovan är avvägningen: fem indexpoäng och ett stort cyberspecifikt försprång, mot sex gånger kostnaden per uppgift och en prislista som fördubblas när introduktionsperioden upphör. Kör Carbon där analysen är leveransen och Sol där volymen finns.

Om du tillhör alla andra är Carbon inte ett beslut, utan en bevakningspunkt. Modellen att jämföra med i dag är Gemini 4 Argon, som vår katalog listar som google/gemini-4-argon till samma introduktionstaxa på $2.00 och $10.00, och som får 50 poäng på samma v5.0.1-index — fem poäng under Sol, med 68 tokens per sekund och en kostnad per uppgift i samma intervall som Carbons. Argon fördubblas till $4.00 och $20.00 vid standardtaxor, vilket är datumet att lägga in i kalendern.

Anledningen till att bry sig om gatingen snarare än bara poängen är att ett routinglager gör det slutliga svaret billigt. Både Sol och Argon ligger här bakom en och samma nyckel, till leverantörens listpris utan påslag, så jämförelsen är en konfigurationsändring snarare än ett andra avtal. När Carbon väl öppnar är routing-DSL:en platsen där en uppdelning per uppgift hör hemma: cyberanalys till specialisten, allt annat till arbetshästen, med failover om specialisten är rate-limiterad från dag ett. Att bygga pipelinen mot en enda modell och hårdkoda den är beslutet som åldras dåligt, och det här paret är det tydligaste argumentet för att inte fatta det.

Fem poäng är en verklig skillnad mellan två modeller. Det är i sig inte ett skäl att bygga om en stack kring en tjänst som inte har öppnat sina dörrar.