GPT-6.1 Terra vs Gemini 4 Argon: Một bên rẻ hơn, một bên thường đúng hơn

Trên bộ đánh giá kế toán DualEntry được công bố ngày 26 tháng 10 năm 2026, Gemini 4 Argon đạt 91,1% và GPT-6.1 Terra đạt 78,2% — và Terra làm được điều đó trong 16,1 giây với 4,2 xu, lần chạy nhanh nhất và rẻ nhất trong số bất kỳ mô hình OpenAI nào thuộc bộ 22 mô hình đó. Chỉ một dòng đó đã thu nhỏ toàn bộ cuộc đối đầu. Mô hình chủ lực của Google là cỗ máy phán đoán tốt hơn; mô hình tầm trung mới của OpenAI là cỗ máy thông lượng tốt hơn; và khoảng cách giữa hai công việc đó chính là nơi tiền thực sự đổ vào. Chỉ dựa vào giá niêm yết để chọn giữa hai mô hình sẽ cho câu trả lời sai theo cả hai hướng.

Thông số kỹ thuật, đặt cạnh nhau, vì các chi tiết quyết định nhiều hơn những con số nổi bật:

• Giá — GPT-6.1 Terra: 1,00 USD mỗi 1 triệu token đầu vào và 5,00 USD mỗi 1 triệu token đầu ra, tăng lên 2,00/7,50 USD khi một yêu cầu vượt quá 272K token đầu vào; Gemini 4 Argon: 2,00/10,00 USD theo giá giới thiệu đến ngày 30 tháng 11 năm 2026, sau đó là 4,00/20,00 USD.

• Ngữ cảnh — Terra 1,05 triệu token với giới hạn đầu ra 128K; Argon có đầu vào khoảng 1 triệu (Google chưa công bố con số; các trình theo dõi liệt kê 1 triệu) và tối đa 1 triệu token trong một đầu ra duy nhất thông qua tính năng Long Decode Continuation của nó.

• Đầu vào — Terra chấp nhận văn bản và hình ảnh; Artificial Analysis liệt kê cùng hai phương thức đó cho Argon, trong khi thông báo của Google và các chuẩn đánh giá video dài của họ cũng cho thấy đầu vào video.

• Kiểm soát suy luận — Terra cung cấp sáu mức độ nỗ lực; Argon cung cấp ba.

• Mốc kiến thức — Terra tháng 6 năm 2026; Argon tháng 3 năm 2026.

• Chỉ số Trí tuệ Độc lập — Terra 48, Argon 53, theo thang điểm hiện tại của Artificial Analysis.

Mức chênh lệch giá mà ai cũng nhắc đến mới là con số sai.

Các bài đưa tin về màn ra mắt mô tả đây là mức chênh lệch giá gấp đôi: $1/$5 so với $2/$10. Điều đó chỉ đúng trong giai đoạn giới thiệu của Argon và chỉ tính theo token. Sau ngày 30 tháng 11, giá đầu ra tăng gấp bốn lần so với Terra, chứ không phải gấp đôi. Và không ai trả tiền cho công việc của agent theo token cả.

Artificial Analysis định giá Terra ở khoảng 0,40 USD cho mỗi tác vụ Intelligence Index và Argon ở 1,62 USD — khoảng cách gấp bốn lần, không phải gấp đôi. Nguyên nhân chủ yếu nằm ở bảng giá chứ không phải do nói dài dòng mất kiểm soát: trong cùng đánh giá đó, Argon tạo ra 110M token đầu ra so với 130M của Terra, vậy Terra thực ra là bên nói nhiều hơn và vẫn kết thúc với chi phí bằng một phần tư. Điều Terra đạt được là token rẻ hơn và câu trả lời nhanh hơn, chứ không phải câu trả lời ngắn hơn.

Có một ngưỡng nhảy giá thứ hai mà hầu hết các bài đưa tin ra mắt đều bỏ sót. Mức giá đầu vào $1.00 của Terra áp dụng cho 272K token đầu tiên của một yêu cầu. Vượt qua mốc đó, giá đầu vào tăng vọt lên $2.00 và giá đầu ra lên $7.50. Với chat và đánh giá mã, điều này không bao giờ thành vấn đề. Với một bản đánh giá hợp đồng 600K token hoặc một đợt quét kho mã trong thời gian dài, giá hiệu dụng của Terra tăng gấp đôi giữa chừng yêu cầu và khoảng cách so với Argon thu hẹp mạnh. Hãy lập ngân sách theo kích thước yêu cầu mà bạn thực sự gửi, không phải kích thước ở hàng đầu tiên trong bảng giá.

Nơi vị thế dẫn đầu của Argon là thật, chứ không phải chiêu tiếp thị

Lợi thế của Argon tập trung ở những công việc mà một câu trả lời sai tốn kém hơn số token để ngăn chặn nó. Kết quả DualEntry là ví dụ công khai rõ ràng nhất: 91,1% tổng thể so với 78,2% của Terra, với khoảng cách đơn lẻ lớn nhất ở các khoản phải trả, nơi Argon đạt 84,6% và Terra 53,8%. Terra về đích đồng hạng 18 trong số 22 mô hình trên bảng đánh giá đó. Nó cũng là mô hình nhanh nhất, điều này cho bạn biết đó là loại mô hình gì: được tối ưu để xử lý nhanh hàng đợi, không phải để làm tuyến phòng thủ cuối cùng.

Mô hình tương tự cũng xuất hiện ở những nơi khác. Trên Vals Index, Argon đứng đầu bảng với 68,9%, đứng thứ nhất trong khoảng 41 mô hình. Trên Intelligence Index của Artificial Analysis, nó đạt 53 so với 48 của Terra. Trên AA-Omniscience, tỷ lệ ảo giác của nó vào khoảng 15% — mức thấp nhất được đo trong số các mô hình tiên phong — trong khi GPT-6 Astra, mô hình mà nó thường được so sánh nhất, ở mức gần 51%. Tỷ lệ đoán của chính Terra đã giảm từ 88% xuống 38% so với phiên bản tiền nhiệm, đây là một cải thiện thực sự, nhưng hai con số đó không phải cùng một thước đo và không nên trừ đi nhau. Cách diễn giải trung thực là Argon là mô hình thận trọng hơn còn Terra là mô hình đã được cải thiện nhiều nhưng vẫn suy đoán nhiều hơn.

Bề mặt đầu vào của Argon rộng hơn trên một trục: video. Bảng kỹ thuật của Artificial Analysis chỉ liệt kê văn bản và hình ảnh, nhưng thông báo của Google mô tả năng lực đa phương thức mở rộng và đánh giá khả năng hiểu video dài trên LVBench, điều này chỉ hợp lý nếu video được đưa vào. Nếu pipeline của bạn tiếp nhận các cuộc gọi đã ghi hoặc ảnh chụp màn hình, hãy xác minh các định dạng chính xác dựa trên tài liệu của Google trước khi xây dựng tích hợp xoay quanh chúng — ở những chỗ chúng được xác nhận là đúng, đó là khác biệt về năng lực mà không lợi thế giá nào của Terra bù đắp được.

Khi Terra là lựa chọn mặc định hợp lý

Trường hợp của Terra không phải là nó thông minh hơn. Mà là phần lớn lưu lượng production không cần mô hình thông minh nhất, và Terra đặc biệt giỏi ở việc đủ tốt với chi phí thấp.

Nó nhanh theo cách làm thay đổi thiết kế hệ thống: 90,9 token đầu ra mỗi giây theo phép đo của Artificial Analysis, so với 80,9 của Argon, trong khi OpenAI tuyên bố hoàn thành tác vụ nhanh hơn khoảng ba lần so với mô hình chủ lực của chính mình. Một hàng đợi phân loại yêu cầu hỗ trợ, một công cụ tóm tắt log, một công cụ đánh giá mã lần đầu hay một bộ phân loại tài liệu chạy một triệu lần mỗi tháng không hưởng lợi từ phần vượt trội về khả năng phán đoán của Argon. Nó hưởng lợi từ một mô hình trả kết quả trong vài giây với chi phí 0,40 USD mỗi tác vụ thay vì vài USD mỗi tác vụ.

Terra cũng là mô hình dễ kiểm soát hơn trong hai mô hình. Sáu mức suy luận so với ba mức của Argon đồng nghĩa với độ chi tiết mịn hơn ở đúng một núm điều chỉnh có ảnh hưởng lớn nhất đến cả chi phí lẫn độ trễ. Các nhóm định tuyến những yêu cầu dễ sang mức nỗ lực thấp và những yêu cầu khó sang mức nỗ lực tối đa thường có thể đạt độ chính xác chỉ kém vài điểm so với một mô hình lớn hơn, với chi phí chỉ bằng một phần nhỏ hóa đơn của mô hình đó. Argon cho bạn ít dư địa hơn để thực hiện đánh đổi đó.

Và mốc kiến thức mới hơn của Terra — tháng 6 năm 2026 so với tháng 3 năm 2026 — có ý nghĩa đối với bất kỳ thứ gì lập luận về các sự kiện gần đây, phiên bản thư viện hoặc mức giá đã thay đổi trong mùa hè này. Đó là một lợi thế nhỏ, nhưng miễn phí.

Quy tắc quyết định

Đừng chọn một. Bằng chứng ủng hộ sự phân tách, và sự phân tách này rõ ràng một cách bất thường:

• Dùng GPT-6.1 Terra cho công việc khối lượng lớn, đầu ra ngắn, có giám sát, nơi câu trả lời sai được phát hiện ở khâu sau: phân loại, trích xuất, định tuyến, tạo bản nháp đầu tiên, sàng lọc log và cảnh báo, đánh giá mã hàng loạt.

• Sử dụng Gemini 4 Argon cho công việc có khối lượng thấp, thời hạn dài và chi phí sai sót cao: đối soát tài chính và kế toán, rà soát pháp lý và tuân thủ, các tác nhân đa bước vận hành công cụ không cần giám sát, và mọi thứ cần đầu vào video, âm thanh hoặc PDF.

• Dùng Terra làm lượt xử lý đầu tiên và Argon làm bước leo thang cho phần cuối. Khoảng cách 78,2 so với 91,1 trong công việc kế toán đúng là kiểu chênh lệch mà ở đó một lượt đầu rẻ cộng với một bước kiểm tra đắt sẽ tốt hơn việc chỉ dùng một mô hình riêng lẻ.

Hãy tính lại sau ngày 30 tháng 11. Việc Argon chuyển từ $2/$10 sang $4/$20 làm thay đổi đáng kể điểm giao nhau, và bất kỳ so sánh nào được viết trong giai đoạn khuyến mãi sẽ trở nên lỗi thời.

Cách chạy một trong hai

Tính sẵn có khác biệt nhiều hơn so với những gì các benchmark gợi ý. Terra đã ra mắt ngày 26 tháng 10 thông qua API của OpenAI, ChatGPT và Codex, mà không có trọng số mở. Argon đã được triển khai theo từng giai đoạn kể từ thông báo ngày 30 tháng 9 — trước tiên cho các chuyên gia phòng thủ không gian mạng đã được thẩm định thông qua chương trình Fairwind của Google, sau đó cho người đăng ký AI Ultra và khách hàng API trả phí — và Google chưa cam kết phát hành miễn phí rộng rãi.

Tính đến ngày 27 tháng 10, cả hai mô hình đều chưa có trong danh mục của OrcaRouter, nên đây không phải trường hợp chúng tôi có thể đưa cho bạn một điểm cuối duy nhất cho cả hai. Điều chúng tôi có thể nói với bạn là cách ngăn xếp xung quanh thường được xây dựng: các đội giữ một bộ thực thi rẻ và một bộ kiểm tra đắt phía sau một API, và các mô hình đã được định tuyến — Claude Opus 5.5, GPT-6.1 Sol, Grok 4.7, và hơn 200 mô hình khác — nằm phía sau một khóa duy nhất với giá niêm yết của nhà cung cấp được chuyển thẳng với mức cộng thêm 0% và tự động chuyển đổi dự phòng khi một nhà cung cấp gặp suy giảm. Nếu Terra hoặc Argon xuất hiện trong danh mục, nó sẽ được ghép vào cùng khóa đó thay vì trở thành một tích hợp thứ hai. Cho đến lúc đó, hãy kiểm thử từng mô hình thông qua nhà cung cấp của nó và giữ quyết định định tuyến ở cấp độ tác vụ, nơi nó thuộc về.

Điều cần để mắt tới không phải là một biểu đồ benchmark khác. Mà là giá sau khuyến mãi của Argon và lần chạy Terminal-Bench độc lập đầu tiên của Terra, hiện đang dựa trên tuyên bố 50,3% của chính OpenAI so với mức hơn 57% của Argon. Nếu Terra giữ được gần con số đó với chi phí mỗi tác vụ bằng một phần tư của Argon, thì cách phân chia nêu trên sẽ trở thành kiến trúc mặc định cho nhiều đội. Nếu con số đó lệch đi, chiến lược lượt đầu rẻ sẽ trở nên đắt đỏ hơn vẻ bề ngoài của nó.