GPT-6.1 Sol so với Gemini 4 Carbon: Năm điểm chỉ số, hóa đơn gấp sáu lần, và một thứ bạn không thể gọi

So sánh giữa GPT-6.1 Sol và Gemini 4 Carbon có một hình dạng khác thường: một trong hai đã trả lời các yêu cầu production kể từ ngày 29 tháng 9 năm 2026, còn mô hình kia đã trả lời các bài đánh giá kể từ ngày 28 tháng 10. Carbon của Google là có thật, đây là mô hình đạt điểm cao nhất trên bảng độc lập, và bạn không thể gửi yêu cầu cho nó trừ khi bạn là chuyên gia phòng thủ an ninh mạng được kết nạp vào chương trình Fairwind của Google. Không có chuỗi mô hình công khai, không có trang giá được công bố, không có endpoint. GPT-6.1 Sol thì bạn có thể gọi ngay chiều nay. Sự bất đối xứng đó không khiến việc so sánh trở nên vô nghĩa — nó khiến đây trở thành một phép so sánh khác với phép so sánh mà các bảng xếp hạng ngụ ý, và thực tế hơn nhiều.

Một cái là sản phẩm, cái kia là chương trình.

Google đã công bố Gemini 4 Carbon là "mô hình tiên phong tiếp theo của chúng tôi" vào ngày 28 tháng 10 năm 2026, hai tuần sau Gemini 4 Argon. Quyền truy cập đã được mở cho một nhóm nhỏ các chuyên gia phòng thủ không gian mạng thông qua Fairwind, với quyền truy cập rộng hơn dành cho nhà phát triển, doanh nghiệp và người tiêu dùng được hứa hẹn "sớm nhất có thể" và không kèm theo ngày cụ thể. Tính đến ngày 5 tháng 11, vẫn chưa có mã định danh mô hình nào được cung cấp rộng rãi. Mức giá mà Google đã công bố — 2,00 USD mỗi triệu token đầu vào và 10,00 USD mỗi triệu token đầu ra, đầu vào được lưu trong bộ nhớ đệm giảm 95%, tăng lên 4,00 USD và 20,00 USD theo mức giá tiêu chuẩn mà không có ngày kết thúc được xác nhận cho gói giới thiệu — là bảng giá của một dịch vụ mà hầu hết độc giả không thể mua.

{{1}}GPT-6.1 Sol đã chính thức khả dụng trên OpenAI API kể từ ngày 29 tháng 9 với đúng mức giá niêm yết như nhau: $2.00 đầu vào, $10.00 đầu ra, $0.10 đầu vào được lưu trong bộ nhớ đệm, $2.50 ghi bộ nhớ đệm, cùng một bậc ngữ cảnh dài định giá lại toàn bộ yêu cầu ở mức $4.00 đầu vào và $15.00 đầu ra khi vượt quá 272,000 token đầu vào.{{/1}} Danh mục của chúng tôi cung cấp nó với mã {{2}}openai/gpt-6.1-sol{{/2}}, được niêm yết vào ngày {{3}}2026-09-29{{/3}}, theo đúng giá của chính OpenAI mà không cộng thêm phụ phí. Chúng tôi không cung cấp {{4}}Gemini 4 Carbon{{/4}}, vì chưa có gì để cung cấp; chúng tôi cung cấp {{5}}Gemini 4 Argon{{/5}}.

Vậy nên cách đặt vấn đề trung thực không phải là “bạn nên chuyển sang cái nào”. Mà là “lợi thế dẫn trước năm điểm của Carbon thực chất được tạo nên từ những gì, và bạn sẽ trả bao nhiêu cho nó nếu nó có trên thực đơn”.

Những bảng giá giống hệt nhau, và hóa đơn chênh lệch gấp sáu lần

Cả hai mô hình đều niêm yết ở mức $2,00 và $10,00. Đọc dòng đó, bạn sẽ kết luận chúng có chi phí vận hành như nhau. Phép đo độc lập lại cho thấy điều ngược lại, và lý do nằm ở khối lượng chứ không phải giá.

• Chỉ số Trí tuệ v5.0.1 — Gemini 4 Carbon 60 so với GPT-6.1 Sol 55, cả hai đều ở mức nỗ lực tối đa đã công bố

• Tốc độ đầu ra — Carbon 68 token/giây so với Sol 56 token/giây

• Chi phí cho mỗi tác vụ index đã hoàn thành — Carbon $7.76 so với Sol $1.27

• Token đầu ra tiêu tốn trong lượt chạy chỉ mục — Carbon 205 triệu so với Sol 63,7 triệu

• Thời gian mỗi tác vụ lập chỉ mục — Sol 20,3 phút, với 157,57 giây để có token trả lời đầu tiên

• Cửa sổ ngữ cảnh — Carbon 1M so với Sol 1,050,000

• Đầu ra tối đa trong một phản hồi — Sol 128.000 token; Google chưa công bố con số cho Carbon

• Phương thức — cả hai đều nhận văn bản và hình ảnh và trả về văn bản

• Tính sẵn có — Carbon chỉ dành cho Fairwind defenders, không có định danh công khai, trong khi Sol đã chính thức có sẵn từ ngày 29 tháng 9

• Giá niêm yết — cả đầu vào $2.00 và đầu ra $10.00 trên mỗi triệu, trước khi Carbon chuyển sang $4.00 và $20.00

Carbon tạo ra số token đầu ra gấp 3,2 lần Sol và tốn chi phí gấp 6,1 lần cho mỗi tác vụ. Hóa đơn tăng nhanh hơn số lượng token, đúng như điều xảy ra khi một mô hình suy nghĩ lâu hơn và nạp nhiều ngữ cảnh hơn trong mỗi lần thử. Một lợi thế dẫn đầu năm điểm trên chỉ số, đạt được bằng mức chi tiêu gấp sáu lần, là một đánh đổi có thể biện minh cho một nhóm bảo mật chạy vài trăm phân tích rủi ro cao; nhưng là một đánh đổi không thể biện minh cho bất kỳ thứ gì có hàng đợi.

Nơi Carbon thực sự vượt trội

Sẽ rất dễ và cũng sai lầm nếu xếp Carbon vào loại cà vạt đắt tiền. Trong các đánh giá do Google tự xây dựng hoặc lựa chọn, nó dẫn đầu rõ ràng, và đó là những đánh giá sát nhất với trường hợp sử dụng đã công bố.

• SEC-bench Pro, phát hiện lỗ hổng bảo mật — Carbon 88,2%. Theo báo cáo của Google.

• ExploitGym, khai thác — Carbon 54.8%. Do Google báo cáo.

• CWE-bench, vá lỗi — Carbon 71.0%. Do Google báo cáo.

• Tấn công chèn lệnh gián tiếp Gray Swan — tỷ lệ tấn công thành công 0,0%. Theo báo cáo của Google.

• GDPx, bài đánh giá chuẩn chuyên môn gồm 206 tác vụ của SemiAnalysis — Carbon đạt khoảng 10,9% với chi phí khoảng 16 đô-la mỗi tác vụ, xếp sau Claude Opus 5.5 với khoảng 12% và khoảng 51 đô-la mỗi tác vụ.

• AA-Omniscience — Carbon dẫn đầu bảng xếp hạng độ chính xác kiến thức; các đánh giá độc lập cho thấy tỷ lệ ảo giác của nó ở mức gần 11%, cao hơn con số của Argon — điều này đáng lưu ý trước khi coi vị trí dẫn đầu về cyber là vị trí dẫn đầu về độ tin cậy tổng thể.

Các con số về an ninh mạng là lý do mô hình tồn tại và là lý do nó bị hạn chế truy cập. Chúng cũng chưa được bất kỳ ai bên ngoài Google tái lập, được vận hành không có rào chắn theo các bài đưa tin về ra mắt, và được công bố mà không có system card riêng khi ra mắt. Hãy gắn nhãn chúng là do nhà cung cấp báo cáo và bỏ qua; chúng không phải lý do một đội kỹ thuật thông thường sẽ chọn mô hình này.

Khách hàng tiềm năng mang tính đặc thù theo lĩnh vực, không phải chung chung

Kết quả bên thứ ba hữu ích nhất trong tuần qua là một kết quả mang tính phủ định. Khi SemiAnalysis chạy lại bảng xếp hạng GDPx của mình với các tác vụ an ninh mạng, sinh học và căn chỉnh bị loại trừ, thứ tự đã thay đổi: GPT-6 Astra chuyển lên vị trí đầu tiên, và cả GPT-6.1 Sol lẫn Claude Sonnet 5.5 đều vượt lên trên Gemini 4 Carbon. SemiAnalysis cho biết thứ tự sửa đổi phù hợp hơn với những ấn tượng chủ quan của chính mình.

Đó là một nhận định chính xác về việc Carbon là gì. Nó không thông minh hơn một cách đồng đều; nó mạnh một cách không cân xứng ở một cụm lĩnh vực mà đúng là nơi Google nhắm tới, và chỉ số tổng hợp sẽ tưởng thưởng cho cụm đó. Nếu khối lượng công việc của bạn là phân tích bảo mật, thì đó chính là toàn bộ lý lẽ để chờ được cấp quyền truy cập. Nếu khối lượng công việc của bạn là một quy trình xử lý tài liệu, một tác nhân lập trình hay một luồng hỗ trợ, thì khoảng cách năm điểm phần lớn được tạo thành từ những tác vụ mà bạn sẽ không bao giờ chạy, và bạn đang so sánh một mô hình bạn có thể gọi với một mô hình bạn không thể gọi.

Sol làm tốt hơn ở điểm nào, theo chính số liệu của OpenAI

Các tuyên bố ra mắt của OpenAI dành cho GPT-6.1 Sol là do nhà cung cấp tự báo cáo và nên được hiểu đúng như vậy, nhưng chúng đủ cụ thể để kiểm chứng về sau. Trên DeepSWE v1.1, nó báo cáo 75,22% ở mức high effort và 71,90% ở mức max — chi tiết bất thường là benchmark này đạt đỉnh ở high, không phải max. Trên OSWorld 2.0, 71,42% ở mức max. Trên Terminal-Bench Science 0.1, 57,02% ở mức max, so với 68,1% của GPT-6 Astra. Trên AutomationBench 1.0.6, 36,10% ở mức max. Trên GDP.pdf, 32,0% ở mức high, ngang bằng Astra.

Quy luật trong những con số đó mới là phần hữu ích: Sol gần bằng Astra ở công việc tài liệu và lập trình, và rõ ràng kém hơn ở khoa học và tự động hóa dài hạn. Nó là một cỗ máy chủ lực với trần năng lực sát ngưỡng tiên phong, được bán với giá bằng một phần năm mức $10.00 và $50.00 của Astra. Đo lường độc lập cũng khớp về hình thái — 55 trên v5.0.1 không phải là điểm tiên phong, nhưng $1.27 cho mỗi tác vụ hoàn thành là mức thấp nhất trong so sánh này, với khoảng cách lớn.

Quyết định đó, đối với hai độc giả mà bài viết này có

Nếu bạn là người phòng thủ bên trong Fairwind, sự đánh đổi là có thật và những con số ở trên chính là sự đánh đổi: năm điểm chỉ số và một lợi thế lớn chuyên biệt về an ninh mạng, đổi lấy chi phí gấp sáu lần cho mỗi tác vụ và một bảng giá tăng gấp đôi khi giai đoạn giới thiệu kết thúc. Hãy chạy Carbon ở nơi phân tích là sản phẩm bàn giao và Sol ở nơi có khối lượng lớn.

Nếu bạn là bất kỳ ai khác, Carbon không phải là một quyết định, mà là một mục cần theo dõi. Mô hình để so sánh hôm nay là Gemini 4 Argon, được danh mục của chúng tôi cung cấp dưới tên google/gemini-4-argon với cùng mức giá giới thiệu $2.00 và $10.00, và đạt 50 điểm trên cùng chỉ số v5.0.1 — thấp hơn Sol năm điểm, ở tốc độ 68 token mỗi giây và chi phí mỗi tác vụ trong cùng khoảng với Carbon. Argon tăng gấp đôi lên $4.00 và $20.00 theo mức giá tiêu chuẩn, và đó là mốc thời gian cần ghi vào lịch.

Lý do cần quan tâm đến cơ chế gating chứ không chỉ điểm số là việc có một lớp định tuyến khiến câu trả lời cuối cùng trở nên rẻ. Cả Sol lẫn Argon đều nằm sau một khóa ở đây, theo giá niêm yết của nhà cung cấp và không có phụ phí, nên việc so sánh chỉ là thay đổi cấu hình chứ không phải thêm một hợp đồng thứ hai. Khi Carbon mở, DSL định tuyến chính là nơi phù hợp để phân tách theo từng tác vụ: phân tích an ninh mạng giao cho chuyên gia, mọi thứ còn lại giao cho mô hình chủ lực, với chuyển đổi dự phòng nếu chuyên gia bị giới hạn tần suất ngay từ ngày đầu. Xây dựng pipeline dựa trên một mô hình và mã hóa cứng nó là quyết định sẽ nhanh chóng lỗi thời, và cặp này là lập luận rõ ràng nhất cho việc không nên làm vậy.

Năm điểm là một khác biệt thực sự giữa hai mô hình. Tự bản thân nó, đó không phải là lý do để xây dựng lại một stack xoay quanh một dịch vụ vẫn chưa mở cửa.