Gemini 4 Carbon vs GPT-6 Astra: Hai mẫu flagship bị giới hạn, một cái bẫy tái định giá

Cả hai mô hình này đều được phát hành ở trạng thái tắt. GPT-6 Astra ra mắt ngày 3 tháng 9 năm 2026 với tư cách là mô hình OpenAI đầu tiên vượt ngưỡng Critical về an ninh mạng theo Preparedness Framework của chính mình, và nó đến được với doanh nghiệp ở trạng thái mặc định bị tắt cho đến khi quản trị viên được cấp các điều khiển để bật nó vào ngày 9 tháng 9. Gemini 4 Carbon ra mắt ngày 28 tháng 10 năm 2026 cho một nhóm chuyên gia phòng thủ không gian mạng được chỉ định đích danh thông qua Fairwind Program của Google và chỉ mở cho các nhà phát triển API trả phí vào ngày 10 tháng 11. Chính lịch sử chung đó khiến việc so sánh thú vị hơn một dòng điểm số: hai phòng thí nghiệm tiên phong đã độc lập đi đến kết luận rằng một mô hình có năng lực đến mức này cần một cổng kiểm soát, và hai cổng đó vận hành khác nhau. Điều đó cũng giải thích con số mà hầu hết người mua bỏ sót, đó là Carbon tính cùng một mức giá cho yêu cầu 900.000 token như với yêu cầu 9.000 token, trong khi GPT-6 Astra định giá lại toàn bộ yêu cầu khi bạn vượt quá 272.000 token đầu vào.

Ở những chỗ mà hai cái đó thực sự giống hệt nhau

Hãy bắt đầu với những dòng khớp nhau, vì chúng thu hẹp phạm vi quyết định nhanh hơn những dòng khác biệt.

• Cửa sổ ngữ cảnh — 1.000.000 token đối với Carbon; 1.050.000 đối với Astra, trong đó 922.000 là đầu vào tối đa và 128.000 là đầu ra tối đa. Với một lời nhắc thực tế, đây là cùng một phạm vi, và cả hai nhà cung cấp đều công bố con số đó ở dạng triệu tròn.

• Phương thức nhập — văn bản, hình ảnh và tệp cho Astra; văn bản, hình ảnh, âm thanh, video và PDF cho Carbon. Hỗ trợ âm thanh và video của Carbon là điểm khác biệt thực sự duy nhất trong hàng này.

• Định vị — công việc chuyên môn dài hạn thay vì trò chuyện. OpenAI bán Astra cho công việc đi từ một chỉ dẫn đến một sản phẩm hoàn chỉnh qua nhiều bước, trên các môi trường làm việc thay vì sản phẩm trò chuyện. Google bán Carbon như mô hình mạnh nhất của mình cho các tác vụ phức tạp dài hạn, với các vòng xác minh mở rộng xuyên suốt kỹ thuật phần mềm, an ninh mạng, công việc tri thức và khoa học. Không nhà cung cấp nào tuyên bố có một chatbot tốt hơn.

• Kiểm soát quyền truy cập khi ra mắt — Astra dành cho một nhóm tổ chức hạn chế ngay từ ngày đầu, sau đó mở rộng triển khai ChatGPT và API; Carbon dành cho các chuyên gia phòng thủ không gian mạng và đối tác Fairwind trong mười hai ngày trước khi có quyền truy cập API trả phí.

• Vị thế độc lập — cả hai đều được đo trên Artificial Analysis Intelligence Index v5.0.1, điều không đúng với mọi mô hình trong phân khúc giá này và khiến các con số có thể so sánh với nhau theo cách mà hầu hết các so sánh giữa các phòng thí nghiệm không làm được.

• Mốc cắt kiến thức — của Astra là ngày 30 tháng 4 năm 2026. G​oogle chưa công bố mốc cắt nào cho Carbon và tài liệu mô hình của nó không có trường này, nên dòng đó chỉ có một phía và đáng để biết trước khi bạn xây dựng một pipeline nhạy cảm với độ mới dựa trên giả định rằng nó là hiện hành.

Dòng 272.000 token, đã được xử lý trọn vẹn

Đây là phần của phép so sánh có thể làm thay đổi ngân sách, vì vậy nó cần đến số học chứ không phải tính từ.

GPT-6 Astra tính 10 USD cho mỗi triệu token đầu vào và 50 USD cho mỗi triệu token đầu ra cho tới 272.000 token đầu vào. Vượt qua ngưỡng đó, nó tính 20 USD và 75 USD — và toàn bộ yêu cầu bị tính lại giá, không chỉ các token vượt ngưỡng. Một lời nhắc 300.000 token không tốn chỉ hơn một chút so với lời nhắc 270.000 token; nó tốn gấp đôi ở đầu vào và gấp rưỡi ở đầu ra, cho toàn bộ 300.000 token.

Gemini 4 Carbon không có bậc theo độ dài. Mức giá của nó là 4 USD mỗi triệu token đầu vào và 20 USD mỗi triệu token đầu ra từ ngày 1 tháng 12 năm 2026, và 2 USD/10 USD đến hết ngày 30 tháng 11. Không có bước giá nào ở bất kỳ độ dài ngữ cảnh nào, nghĩa là cùng một mức giá áp dụng dù bạn gửi 2.000 token hay 900.000 token.

Hãy gửi một yêu cầu phân tích tài liệu 400.000 token cho cả hai, với mức giá Carbon sau ngày 1 tháng 12:

• GPT-6 Astra — 400.000 token đầu vào với mức $20 mỗi triệu token là $8,00 cho prompt, trước khi tính bất kỳ đầu ra nào. Cùng yêu cầu đó dưới ngưỡng 272.000 token sẽ chỉ tốn $4,00; việc vượt qua ranh giới này đã khiến chi phí tăng gấp đôi.

• G​emini 4 Carbon — 400.000 token đầu vào với giá 4 USD mỗi triệu là 1,60 USD. Không có yếu tố độ dài nào làm thay đổi mức giá.

Thêm 20.000 token đầu ra và khoảng cách càng nới rộng: Astra tính những token đó ở mức $75 mỗi triệu, tức $1,50, so với mức $20 mỗi triệu của Carbon, tức $0,40. Toàn bộ yêu cầu rơi vào $9,50 so với $2,00. Đối với một pipeline đọc toàn bộ cơ sở mã hoặc toàn bộ tập tài liệu, đó là mức chênh lệch gấp năm lần trên đúng khối lượng công việc mà cả hai mô hình được bán để xử lý — và điều đó không hề hiện ra trên một bảng giá chỉ niêm yết những con số nổi bật.

Lợi thế của Carbon hẹp hơn ở các lời nhắc ngắn, nơi cả hai đều nằm trong dải giá rẻ của mình và mức $10/$50 của Astra so với $4/$20 của Carbon chốt ở mức rẻ hơn 60% chứ không phải rẻ hơn gấp năm lần. Điều cần mô hình hóa là vách đá, không phải con số hào nhoáng trên tiêu đề.

Các điểm số, và hai chuẩn đối chiếu đi theo chiều ngược lại

Artificial Analysis có cả hai mô hình, được đo trên cùng một chỉ số, đây là cách so sánh rõ ràng nhất hiện có:

• Intelligence Index v5.0.1 — Gemini 4 Carbon đạt 60 ở mức nỗ lực cao, đứng thứ tư trong số 74. GPT-6 Astra đạt 57 ở mức nỗ lực tối đa, đứng thứ tám trong số 74. Nấc điều chỉnh riêng của Carbon đưa nó lên 58 ở mức trung bình và 54 ở mức thấp; của Astra đạt 55 ở xhigh và cao, 52 ở mức trung bình và 43 ở mức thấp.

• Chi phí cho mỗi tác vụ lập chỉ mục — $7.76 cho Carbon so với $6.24 cho Astra. Astra là mô hình rẻ hơn trên mỗi tác vụ hoàn thành mặc dù tốn nhiều hơn trên mỗi token, vì nó ít dài dòng hơn trong phần đánh giá.

• Tốc độ đầu ra — 79 token mỗi giây đối với Carbon, 37 đối với Astra. Đây là khoảng cách lớn nhất trong dữ liệu độc lập và nó nghiêng về phía Carbon với mức hơn 2 lần.

• Thời gian đến token trả lời đầu tiên — 67 giây đối với Carbon so với 238 giây đối với Astra. Bốn phút trước token đầu tiên là một loại độ trễ khác hẳn, và đó là lý do Astra được triển khai phía sau một hàng đợi thay vì một trình xử lý yêu cầu.

• Độ rườm rà — Carbon tiêu thụ 205 triệu token đầu ra trên chỉ số; trang của Astra không công bố con số tương đương ở mức nỗ lực tối đa, vì vậy không thể so sánh dòng đó và không nên đoán.

Chúng cách nhau ba điểm ở các thiết lập cao nhất, và thứ tự vẫn ổn định khi điều chỉnh thang nỗ lực: mức medium của Carbon (58) vẫn đánh bại mức max của Astra (57). Nhưng dữ liệu độc lập cũng chứa phản ví dụ quan trọng. Bài đăng ngày 10 tháng 11 của chính G​oogle thừa nhận rằng Carbon thua FrontierSWE 2 trước GPT-6 Astra — một trong hai thất bại benchmark mà bài đó liệt kê — và đó là so sánh do nhà cung cấp tự báo cáo, lấy từ chính tài liệu ra mắt của mô hình, khiến nó gần như đáng tin nhất có thể đối với một lời thừa nhận. Carbon cũng thua OSWorld-2.1 offline trước Claude Opus 5.5, xin ghi nhận.

Phần còn lại trong bảng ra mắt của Carbon là của chính Google và chưa được tái lập: đứng đầu trên CursorBench 4.0, trên WANDR của Perplexity và trên AutomationBench của Zapier với chi phí mỗi tác vụ thấp hơn gấp hơn 2 lần so với mô hình bên ngoài tốt thứ nhì; đứng thứ hai trên một benchmark Multimodal Knowledge Agent mới với chi phí trung bình mỗi tác vụ thấp hơn gấp hơn 6 lần; đồng hạng nhất trên đánh giá tài chính đầu-cuối của Hebbia; đứng đầu trong 23 cấu hình tiên tiến trên GMI của Balyasny. Ở mảng an ninh mạng, SEC-bench Pro đạt 88,2%, ExploitGym 54,8%, CWE-bench 71,0%, và Project Fortify đạt 100% độ thu hồi quét và 95% độ chính xác phân loại. Mỗi con số đều là một tuyên bố về một tổ hợp tác vụ cụ thể, do nhà cung cấp công bố, chưa được bất kỳ ai bên ngoài Google kiểm toán, trên một mô hình mới chỉ ở trạng thái có thể gọi chung trong một ngày.

Hai cánh cổng, hai vấn đề khác nhau

Cổng của Astra là một sự phân loại. Việc vượt qua mức Critical theo Preparedness Framework của OpenAI là một phát hiện về những gì mô hình có thể làm, và hệ quả mang tính cấu trúc: các triển khai doanh nghiệp mặc định được phát hành ở trạng thái tắt, quản trị viên cần bật mô hình một cách rõ ràng, và các biện pháp bảo vệ mở rộng theo từng tầng thay vì mở tất cả cùng lúc. Mặt tích cực của hình thức đó là quyền kiểm soát nằm ở quản trị viên của khách hàng. Cái giá là một đợt triển khai doanh nghiệp có thêm một bước phê duyệt không liên quan đến mua sắm.

Cổng của Carbon từng là một nhóm người dùng được chọn. Bài đăng ngày 28 tháng 10 của Google nêu tên các chuyên gia phòng thủ mạng, rồi các đối tác của Fairwind Program, rồi các nhà phát triển và người tiêu dùng “càng sớm càng tốt”. Không có ID mô hình, không có endpoint, không có lưu ý nào về bảng giá và không có model card nào được công bố. Ngày 10 tháng 11, API trả phí mở và bảng giá xuất hiện, và việc kiểm soát truy cập chuyển từ ai được gọi mô hình sang ai được gọi mô hình mà không phải trả tiền — tức là không ai cả. Carbon hoàn toàn không có gói miễn phí: mọi token đều bị tính phí, kể cả token suy nghĩ và cả chỉ dẫn hệ thống của công cụ khi bật grounding.

Sự khác biệt đó đáng được nói rõ ràng cho bất kỳ ai đang lên kế hoạch triển khai. Hạn chế của Astra là một công tắc quản trị do ai đó trong tổ chức của bạn kiểm soát. Hạn chế của Carbon là một hóa đơn không có mức sàn và, tính đến ngày 11 tháng 11, không có giới hạn tốc độ nào được công bố — trang mô hình của G​oogle không nêu rõ chúng, vì vậy thông lượng là thứ bạn phát hiện bằng cách gọi API chứ không phải bằng cách đọc về nó.

Nên đặt cái nào phía sau quyết định khó khăn

Đối với công việc tài liệu và cơ sở mã trong ngữ cảnh dài, câu trả lời là Carbon và lý do là ngưỡng 272.000 token chứ không phải khoảng cách chỉ số ba điểm. Việc định giá lại của Astra là một cái bẫy đối với đúng loại khối lượng công việc mà nó được xây dựng để phục vụ; một mô hình được bán dựa trên công việc chuyên nghiệp đầu-cuối trong những khoảng thời gian dài là một mô hình sẽ thường xuyên vượt quá 272.000 token đầu vào, và mỗi yêu cầu trong số đó phải trả gấp đôi cho toàn bộ prompt.

Đối với phục vụ nhạy cảm với độ trễ, cả hai đều không phù hợp và việc lựa chọn là vô nghĩa. 67 giây để có token đầu tiên so với 238 là cuộc so tài giữa hai mô hình mà cả hai đều thuộc về hàng đợi xử lý theo lô.

Đối với một khối lượng công việc mà ở đó những thế mạnh đặc thù của Astra phát huy tác dụng — và chính sự nhượng bộ FrontierSWE 2 của G​oogle cho thấy có ít nhất một trường hợp như vậy — khoảng cách ba điểm nhỏ hơn khoảng tin cậy của một chỉ số duy nhất, và chi phí chuyển đổi lớn hơn phần chênh lệch. Astra cũng đã được đưa vào vận hành thực tế được hai tháng còn Carbon mới được một ngày, đây là một lợi thế thực sự trong một mô hình mà bạn đã lập danh mục các kiểu lỗi của nó.

Dòng chi phí trên mỗi tác vụ đáng được xem xét thêm một lần nữa, vì đó là con số mà một người hoài nghi sẽ viện đến. Astra ở mức $6,24 so với Carbon ở mức $7,76 nghĩa là Astra rẻ hơn 20% cho mỗi tác vụ lập chỉ mục đã hoàn thành, trong khi tốn hơn 150% cho mỗi token. Điểm mấu chốt nằm ở độ dài diễn đạt: Astra suy nghĩ ít hơn trên chỉ mục, Carbon suy nghĩ nhiều hơn. Nếu khối lượng công việc của bạn giống với chỉ mục, con số trên mỗi tác vụ là con số trung thực. Nếu nó giống với việc đọc một tài liệu 400.000 token, con số trên mỗi tác vụ là không liên quan và bậc độ dài quyết định mọi thứ. Hầu hết khối lượng công việc thực tế thuộc loại thứ hai, đó là lý do so sánh giá nổi bật đánh giá thấp lợi thế của Carbon chứ không phải đánh giá quá cao.

Chạy cả hai, đó là việc mà hầu hết các nhóm sẽ làm.

Kết quả thực tế của một phép so sánh sát sao đến vậy là một đội thường sẽ có cả hai: Carbon cho các bài đọc dài và công việc liên quan đến không gian mạng, Astra cho bất cứ việc gì mà các pipeline hiện hữu đã chứng minh nó làm tốt. Cả hai đều là API của nhà cung cấp có trọng số đóng, nghĩa là hai hợp đồng, hai bề mặt SDK và hai mối quan hệ thanh toán — đúng tình huống mà một router ra đời để san phẳng. Cả hai đều có trong danh mục ở đây: openai/gpt-6-astra ở mức $10 và $50 của OpenAI với giá đọc từ bộ nhớ đệm $1.00 và cùng phân tầng 272.000 token, cùng bề mặt tương thích OpenAI như 216 mô hình khác trên khóa API. Gemini 4 Carbon không có trong danh mục của chúng tôi và được truy cập qua API trả phí của Google; không nên hiểu bất cứ điều gì ở đây là chúng tôi cung cấp nó.

Điều mà định tuyến mang lại trong cặp kết hợp cụ thể này là một chuỗi dự phòng. Carbon đã có thể được công chúng nói chung gọi tới trong một ngày với các giới hạn tốc độ chưa được công bố, đúng vào tình huống mà một mô hình thứ hai đứng sau cùng một endpoint biến sự cố ngừng hoạt động thành phản hồi chậm hơn thay vì một yêu cầu thất bại. Điều đó cũng có nghĩa là việc định giá lại ngày 1 tháng 12 diễn ra như một thay đổi cấu hình chứ không phải một cuộc di trú — giá niêm yết của nhà cung cấp được chuyển qua với mức tăng giá 0%, vì vậy con số ở phía chúng ta thay đổi vào đúng ngày con số của Google thay đổi, và một chính sách định tuyến các prompt dài đến mô hình nào rẻ hơn trên mỗi token trong tháng này chỉ là một dòng trong DSL chứ không phải một nhánh mã.

Xem gì

Hai điều, cả hai đều gắn với mốc thời gian. Giá của Carbon tăng gấp đôi vào ngày 1 tháng 12, điều này sẽ làm giảm một nửa khoảng cách nổi bật so với Astra trên các prompt ngắn trong khi không làm thay đổi khoảng cách ngữ cảnh dài — bờ vực trở nên tệ hơn, chứ không tốt hơn. Và thang nỗ lực của Astra cho OpenAI dư địa để dịch chuyển mà không cần một mô hình mới: xhigh ở mức 55 thấp hơn ba điểm so với cài đặt tối đa có chi phí cao hơn trên mỗi tác vụ, vì vậy mặc định định tuyến ở xhigh là một cách hợp lý để mua năng lực Astra với mức giá hiệu dụng thấp hơn, và là cách mà hầu hết người mua chưa bao giờ thử.

Điều sẽ không thay đổi là thực tế cấu trúc mà cuộc so sánh này dựa vào. Một trong các mô hình này tính phí cố định ở mọi độ dài, còn mô hình kia tăng gấp đôi toàn bộ yêu cầu khi vượt một ngưỡng, và với công việc dài hạn mà cả hai nhà cung cấp quảng bá, khác biệt đó đáng giá hơn ba điểm chỉ số.