GPT-6.1 Sol กับ Gemini 4 Carbon: ห่างกันห้าคะแนนดัชนี ค่าใช้จ่ายหกเท่า และหนึ่งรุ่นที่คุณเรียกใช้ไม่ได้

การเปรียบเทียบระหว่าง GPT-6.1 Solกับ Gemini 4 Carbon มีลักษณะที่ผิดปกติ: ตัวหนึ่งในนั้นตอบคำขอในระบบโปรดักชันมาตั้งแต่ 29 กันยายน 2026 ส่วนอีกตัวตอบแบบทดสอบมาตรฐานมาตั้งแต่ 28 ตุลาคม Carbon ของ Google มีอยู่จริง เป็นโมเดลที่ได้คะแนนสูงสุดบนกระดานจัดอันดับอิสระ และคุณไม่สามารถส่งคำขอไปให้มันได้ เว้นแต่คุณจะเป็นผู้ป้องกันด้านความปลอดภัยไซเบอร์ที่ได้รับอนุญาตให้เข้าร่วมโปรแกรม Fairwind ของ Google ไม่มีสตริงโมเดลที่เปิดเผยต่อสาธารณะ ไม่มีหน้าราคาที่เผยแพร่ ไม่มีเอนด์พอยต์ ส่วน GPT-6.1 Sol คุณเรียกใช้ได้บ่ายนี้เลย ความไม่สมมาตรนี้ไม่ได้ทำให้การเปรียบเทียบไร้ความหมาย — มันทำให้เป็นการเปรียบเทียบที่แตกต่างจากการเปรียบเทียบที่ตารางอันดับบอกเป็นนัย และเป็นการเปรียบเทียบที่ใช้งานได้จริงกว่ามาก

อันหนึ่งเป็นผลิตภัณฑ์ อีกอันเป็นโครงการ

Google ประกาศเปิดตัว Gemini 4 Carbon ในฐานะ "โมเดลแนวหน้าถัดไปของเรา" เมื่อวันที่ 28 ตุลาคม 2026 สองสัปดาห์หลังจาก Gemini 4 Argon โดยเปิดให้เข้าถึงแก่กลุ่มผู้ป้องกันไซเบอร์บางส่วนผ่าน Fairwind พร้อมสัญญาว่าจะเปิดให้เข้าถึงในวงกว้างสำหรับนักพัฒนา ธุรกิจ และผู้บริโภค "โดยเร็วที่สุด" โดยไม่ระบุวันที่ชัดเจน ณ วันที่ 5 พฤศจิกายน ยังไม่มีตัวระบุโมเดลที่พร้อมใช้งานทั่วไป ราคาที่ Google ระบุไว้ — 2.00 ดอลลาร์ต่อล้านโทเค็นอินพุต และ 10.00 ดอลลาร์ต่อล้านโทเค็นเอาต์พุต อินพุตที่แคชไว้ลด 95% และจะเพิ่มเป็น 4.00 และ 20.00 ดอลลาร์ในอัตรามาตรฐาน โดยไม่มีวันที่สิ้นสุดที่ยืนยันได้สำหรับระดับราคาแนะนำ — เป็นเพียงตารางราคาสำหรับบริการที่ผู้อ่านส่วนใหญ่ไม่สามารถซื้อได้

GPT-6.1 Sol พร้อมใช้งานทั่วไปบน OpenAI API ตั้งแต่ 29 กันยายน ในอัตราหลักเดียวกันทุกประการ: $2.00 ขาเข้า, $10.00 ขาออก, $0.10 อินพุตแคช, $2.50 การเขียนแคช โดยมีขั้นบันไดบริบทแบบยาวซึ่งคิดราคาคำขอทั้งหมดใหม่เป็น $4.00 อินพุต และ $15.00 เอาต์พุต เมื่ออินพุตเกิน 272,000 โทเค็น แค็ตตาล็อกของเราบรรจุเป็น openai/gpt-6.1-sol ระบุวันที่ 2026-09-29 ในราคาของ OpenAI เองโดยไม่มีส่วนบวกเพิ่ม เราไม่จำหน่าย Gemini 4 Carbon เพราะยังไม่มีอะไรให้จำหน่าย; เราจำหน่าย Gemini 4 Argon

ดังนั้นการวางกรอบอย่างตรงไปตรงมาจึงไม่ใช่ "คุณควรเปลี่ยนไปใช้อันไหน" แต่เป็น "คะแนนนำห้าคะแนนของ Carbon ประกอบด้วยอะไรจริง ๆ และคุณจะจ่ายเท่าไรสำหรับมันถ้ามันอยู่ในเมนู"

เรตการ์ดที่เหมือนกัน แต่บิลกลับต่างกันถึงหกเท่า

ทั้งสองโมเดลมีราคาที่ระบุไว้ที่ $2.00 และ $10.00 อ่านบรรทัดนั้นแล้วคุณคงสรุปได้ว่าทั้งคู่มีต้นทุนในการใช้งานเท่ากัน การวัดที่เป็นอิสระกลับบอกเป็นอย่างอื่น และเหตุผลอยู่ที่ปริมาณ ไม่ใช่ราคา

• ดัชนี Intelligence Index v5.0.1 — Gemini 4 Carbon 60 เทียบกับ GPT-6.1 Sol 55 ทั้งคู่ที่ระดับความพยายามสูงสุดตามที่เผยแพร่

• ความเร็วเอาต์พุต — Carbon 68 โทเคน/วินาที เทียบกับ Sol 56 โทเคน/วินาที

• ต้นทุนต่องานจัดทำดัชนีที่เสร็จสมบูรณ์ — Carbon $7.76 เทียบกับ Sol $1.27

• โทเค็นเอาต์พุตที่ใช้ไปในการรันดัชนี — Carbon 205 ล้าน เทียบกับ Sol 63.7 ล้าน

• เวลาต่องานการจัดทำดัชนี — Sol 20.3 นาที โดยใช้เวลา 157.57 วินาทีจนถึงโทเค็นคำตอบแรก

• หน้าต่างบริบท — Carbon 1M เทียบกับ Sol 1,050,000

• เอาต์พุตสูงสุดในการตอบกลับหนึ่งครั้ง — Sol 128,000 โทเค็น; Google ยังไม่เผยแพร่ตัวเลขของ Carbon

• รูปแบบข้อมูล — ทั้งสองรับข้อความและรูปภาพ แล้วส่งคืนข้อความ

• ความพร้อมใช้งาน — Carbon ถูกจำกัดให้เฉพาะผู้ป้องกัน Fairwind และไม่มีตัวระบุสาธารณะ เทียบกับ Sol ที่พร้อมใช้งานทั่วไปตั้งแต่ 29 กันยายน

• ราคาตามรายการ — ทั้งอินพุต $2.00 และเอาต์พุต $10.00 ต่อล้านโทเค็น ก่อนที่ Carbon จะปรับขึ้นเป็น $4.00 และ $20.00

Carbon สร้างโทเค็นเอาต์พุตเป็น 3.2 เท่าของ Sol และมีต้นทุนต่องานสูงกว่า 6.1 เท่า ใบแจ้งหนี้เพิ่มขึ้นเร็วกว่าจำนวนโทเค็น ซึ่งเป็นสิ่งที่เกิดขึ้นเมื่อโมเดลคิดนานขึ้นและรับบริบทมากขึ้นในแต่ละครั้ง ความนำในดัชนี 5 จุดที่ได้มาด้วยการใช้จ่าย 6 เท่าเป็นการแลกเปลี่ยนที่ป้องกันได้สำหรับทีมความปลอดภัยที่ดำเนินการวิเคราะห์ที่มีความสำคัญสูงเพียงไม่กี่ร้อยรายการ แต่เป็นการแลกเปลี่ยนที่ป้องกันไม่ได้สำหรับสิ่งใดก็ตามที่มีคิว

จุดที่ Carbon เหนือกว่าอย่างแท้จริง

การจัด Carbon ให้อยู่ในหมวดเนกไทราคาแพงนั้นเป็นเรื่องง่ายและผิดพลาด ในการประเมินที่ Google สร้างหรือคัดเลือกมา Carbon นำอย่างชัดเจน และการประเมินเหล่านั้นก็ใกล้เคียงกับกรณีการใช้งานที่ประกาศไว้มากที่สุด

• SEC-bench Pro, การตรวจจับช่องโหว่ — Carbon 88.2% รายงานโดย Google

• ExploitGym, การใช้ช่องโหว่ — Carbon 54.8% รายงานโดย Google

• CWE-bench การแพตช์ — Carbon 71.0% ตามรายงานของ Google

• การโจมตีด้วยพรอมต์แบบทางอ้อมของ Gray Swan — อัตราความสำเร็จในการโจมตี 0.0% รายงานโดย Google

• GDPxเบนช์มาร์กวิชาชีพ 206 งานของ SemiAnalysis — Carbon อยู่ที่ประมาณ 10.9% ด้วยต้นทุนราว 16 ดอลลาร์ต่องาน ตามหลัง Claude Opus 5.5 ที่ประมาณ 12% และราว 51 ดอลลาร์ต่องาน

• AA-Omniscience — Carbon ครองอันดับสูงสุดในกระดานวัดความแม่นยำด้านความรู้ การรายงานอิสระระบุว่าอัตราการสร้างข้อมูลเท็จ (hallucination) ของโมเดลนี้อยู่ที่ประมาณ 11% ซึ่งสูงกว่าตัวเลขของ Argon และเป็นข้อมูลที่ควรรู้ก่อนจะมองว่าความเป็นผู้นำด้านไซเบอร์เป็นตัวชี้วัดความน่าเชื่อถือโดยทั่วไป

ตัวเลขด้านไซเบอร์คือเหตุผลที่โมเดลนี้มีอยู่ และเป็นเหตุผลที่มันถูกจำกัดการเข้าถึง นอกจากนี้ยังไม่มีใครนอก Google ทำซ้ำผลได้ ถูกใช้งานโดยไม่มี guardrails ตามการรายงานข่าวการเปิดตัว และเผยแพร่โดยไม่มี system card แยกต่างหากตอนเปิดตัว ให้ติดป้ายว่าเป็นข้อมูลที่ผู้ขายรายงานเองแล้วผ่านไปเลย พวกมันไม่ใช่เหตุผลที่ทีมวิศวกรรมทั่วไปจะเลือกโมเดลนี้

ลีดมีลักษณะเฉพาะตามโดเมน ไม่ใช่ลักษณะทั่วไป

ผลลัพธ์จากบุคคลที่สามที่มีประโยชน์ที่สุดในสัปดาห์ที่ผ่านมาเป็นผลลัพธ์เชิงลบ เมื่อ SemiAnalysis รันการจัดอันดับ GDPx ใหม่โดยไม่รวมงานด้านความปลอดภัยไซเบอร์ ชีววิทยา และ alignment ลำดับก็เปลี่ยนไป: GPT-6 Astra ขึ้นมาเป็นอันดับหนึ่ง และทั้ง GPT-6.1 Sol และ Claude Sonnet 5.5 แซงหน้า Gemini 4 Carbon ขึ้นไป SemiAnalysis กล่าวว่าลำดับที่ปรับใหม่สอดคล้องกับความรู้สึกส่วนตัวของบริษัทเองได้ดีกว่า

นั่นคือข้อความที่แม่นยำเกี่ยวกับสิ่งที่ Carbon เป็น มันไม่ได้ฉลาดกว่าในทุกด้านอย่างสม่ำเสมอ แต่แข็งแกร่งอย่างไม่สมสัดส่วนในกลุ่มโดเมนที่บังเอิญเป็นจุดที่ Google มุ่งเป้า และดัชนีแบบรวมให้รางวัลกับกลุ่มนั้น หากภาระงานของคุณคือการวิเคราะห์ความปลอดภัย นั่นคือเหตุผลทั้งหมดที่ควรรอการเข้าถึง หากภาระงานของคุณคือไปป์ไลน์เอกสาร เอเจนต์เขียนโค้ด หรือโฟลว์สนับสนุน ช่องว่างห้าคะแนนส่วนใหญ่ประกอบด้วยงานที่คุณจะไม่มีวันได้รัน และคุณกำลังเปรียบเทียบโมเดลที่คุณเรียกใช้ได้กับโมเดลที่คุณเรียกใช้ไม่ได้

สิ่งที่ Sol ทำได้ดีกว่า เมื่อดูจากตัวเลขของ OpenAI เอง

คำกล่าวอ้างการเปิดตัวของ OpenAI สำหรับ GPT-6.1 Sol เป็นข้อมูลที่ผู้ขายรายงานเอง จึงควรอ่านโดยคำนึงถึงข้อนี้ แต่ก็เจาะจงพอที่จะตรวจสอบภายหลังได้ บน DeepSWE v1.1 รายงานว่าได้ 75.22% ที่ระดับ high effort และ 71.90% ที่ระดับ max — รายละเอียดที่ผิดปกติคือ benchmark นี้ให้ผลสูงสุดที่ระดับ high ไม่ใช่ max บน OSWorld 2.0 ได้ 71.42% ที่ระดับ max บน Terminal-Bench Science 0.1 ได้ 57.02% ที่ระดับ max เทียบกับ 68.1% ของ GPT-6 Astra บน AutomationBench 1.0.6 ได้ 36.10% ที่ระดับ max บน GDP.pdf ได้ 32.0% ที่ระดับ high เท่ากับ Astra

รูปแบบในตัวเลขเหล่านั้นคือส่วนที่มีประโยชน์: Sol ใกล้เคียงกับ Astra ในงานเอกสารและการเขียนโค้ด และตามหลังอย่างชัดเจนในงานวิทยาศาสตร์และระบบอัตโนมัติระยะยาว มันเป็นม้าศึกที่เพดานความสามารถใกล้เคียงระดับแนวหน้า โดยจำหน่ายในราคาหนึ่งในห้าของราคา $10.00 และ $50.00 ของ Astra การวัดผลอิสระเห็นพ้องกับรูปแบบนี้ — 55 บน v5.0.1 ไม่ใช่คะแนนระดับแนวหน้า แต่ $1.27 ต่องานที่เสร็จสมบูรณ์นั้นต่ำที่สุดในการเปรียบเทียบนี้อย่างมาก

การตัดสินใจ สำหรับผู้อ่านสองคนที่บทความนี้มี

หากคุณเป็นฝ่ายป้องกันภายใน Fairwind การแลกเปลี่ยนนี้เป็นของจริง และตัวเลขข้างต้นคือข้อแลกเปลี่ยนนั้น: ห้าคะแนนดัชนีและความได้เปรียบด้านไซเบอร์เฉพาะทางจำนวนมาก แลกกับต้นทุนต่องานที่สูงเป็นหกเท่าและเรตการ์ดที่เพิ่มเป็นสองเท่าเมื่อช่วงแนะนำสิ้นสุดลง ใช้ Carbon ในงานที่ผลการวิเคราะห์คือสิ่งส่งมอบ และใช้ Sol ในงานที่ปริมาณเป็นตัวกำหนด

ถ้าคุณเป็นคนส่วนใหญ่ Carbon ไม่ใช่เรื่องที่ต้องตัดสินใจ แต่เป็นสิ่งที่ต้องจับตา โมเดลที่ควรนำมาเปรียบเทียบในวันนี้คือ Gemini 4 Argon ซึ่งแคตตาล็อกของเรามีในชื่อ google/gemini-4-argon ในอัตราแนะนำเริ่มต้น $2.00 และ $10.00 เท่ากัน และได้คะแนน 50 บนดัชนี v5.0.1 เดียวกัน — ต่ำกว่า Sol ห้าคะแนน ที่ 68 โทเค็นต่อวินาที และมีต้นทุนต่องานอยู่ในช่วงเดียวกับ Carbon Argon จะเพิ่มเป็นสองเท่าเป็น $4.00 และ $20.00 ในอัตรามาตรฐาน ซึ่งเป็นวันที่ควรบันทึกไว้ในปฏิทิน

เหตุผลที่ต้องใส่ใจเรื่อง gating ไม่ใช่แค่คะแนน คือเลเยอร์การกำหนดเส้นทางทำให้คำตอบสุดท้ายมีต้นทุนต่ำ ทั้ง Sol และ Argon อยู่หลังคีย์เดียวที่นี่ ในราคาตามรายการของผู้ให้บริการโดยไม่บวกเพิ่ม ดังนั้นการเปรียบเทียบจึงเป็นการเปลี่ยน config ไม่ใช่สัญญาฉบับที่สอง เมื่อ Carbon เปิดใช้งานจริง routing DSL คือจุดที่การแบ่งตามงานควรอยู่: การวิเคราะห์ไซเบอร์ไปที่ผู้เชี่ยวชาญ ส่วนที่เหลือไปที่ตัวทำงานหลัก พร้อม failover หากผู้เชี่ยวชาญติด rate limit ในวันแรก การสร้างไปป์ไลน์กับโมเดลเดียวแล้ว hard-code เป็นการตัดสินใจที่เสื่อมค่าลงตามเวลา และคู่นี้คือข้อโต้แย้งที่ชัดที่สุดสำหรับการไม่ทำเช่นนั้น

ห้าคะแนนเป็นความแตกต่างจริงระหว่างสองโมเดล แต่โดยตัวมันเองแล้ว ไม่ใช่เหตุผลที่จะสร้างสแต็กใหม่ทั้งหมดโดยอิงกับบริการที่ยังไม่เปิดให้บริการ