
Gemini 4 Carbon 对比 GPT-6 Sol:十四天势均力敌,随后差距扩大至两倍
- Google新Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 每百万 tokens · 90 tok/s
- Anthropic新Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 每百万 tokens · 97 tok/s
- orca新Orca: OrcaC2 1.02026-11-0711 tok/s
- Orca新OrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 每百万 tokens · 89 tok/s
- Orca新OrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 每百万 tokens · 131 tok/s
- Orca新OrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 每百万 tokens · 85 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 每百万 tokens · 127 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 每百万 tokens · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百万 tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百万 tokens · 45 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447智能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 每百万 tokens · 194 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929智能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 每百万 tokens · 136 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733智能
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740智能
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 每百万 tokens · 123 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955智能
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855智能
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 每百万 tokens · 182 tok/s
今天,Gemini 4 Carbon和GPT-6 Sol的公开标价相同:每百万输入 token 2.00 美元,每百万输出 token 10.00 美元,缓存输入为 0.20 美元或更低。到 2026 年 12 月 1 日,这一点将不再成立。Carbon 的费率是推广价,并将上调至 4.00 美元和 20.00 美元;而 Sol 的 2.00 美元和 10.00 美元并没有印明有效期。因此,买家真正需要的比较并不是“同一价格下哪个模型更好”——而是独立指数上那 16 个百分点的差距值多少钱,以及从下个月 1 日起是否值得为此支付两倍价格。
这个决策中还有第三个模型,而两家厂商的营销都不会把它放在那里。GPT-6 Sol 现已被 Artificial Analysis 标记为弃用,并在同一产品线内被 GPT-6.1 Sol 取代;后者得分为 55,而 Sol 为 44,价格同为 $2.00 和 $10.00。一个在 11 月中旬在 Carbon 和 Sol 之间做选择的读者,是在当前模型和上一代模型之间做选择,而这个页面诚实的版本必须在第二段而不是最后一段说明这一点。
在日历翻动之前,逐行查看两张费率卡
先从两个模型真正吻合的那些行开始,因为它们比双方各自的营销宣传所暗示的还要多。
• 标准输入价格——Carbon 每百万 $2.00;Sol 每百万 $2.00。目前二者相同,而 Carbon 将于 12 月 1 日翻倍。
• 标准输出价格 — Carbon 每百万 $10.00;Sol 每百万 $10.00。相同,Carbon 侧的到期时间也相同。
• 缓存输入——Carbon 今天为 $0.10,12 月 1 日起为 $0.20,两者均相当于 95% 的折扣;Sol 为 $0.20,相当于 90% 的折扣。无论在该日期之前还是之后,Carbon 的缓存都是两者中更便宜的。
• 上下文窗口——Carbon 1,048,576 个 token;Sol 1,050,000。把两者都四舍五入到一百万,就别再为此纠结了。
• 单次响应最大输出——Sol 128,000 tokens;Carbon 65,536。这是实际规格差异中最大的一项,而它只在你要求单轮生成一份长篇幅产物时才会显现出来——而这恰恰是长时程智能体工作往往会做的事。
• 输入模态——Carbon 支持文本、图像、音频、视频和 PDF;Sol 支持文本和图像;尽管 GPT-6 Sol 模型页面列出的是文本和图像,但我们的目录条目中接受文档。两者之中,只有 Carbon 可以接收录音或片段。
• 推理控制——Sol 的努力档位依次为 none、low、medium、high、xhigh、max,因此可以要求它完全不思考;Carbon 公布的是 low、medium 和 high 三档,未列出关闭档位。在低成本的分类路径上,这一差异就是全部账单。
• 知识截止时间——Sol 为 2026 年 4 月 20 日;Google 尚未公布 Carbon 的截止时间。这只是单方面信息,在基于假设构建对时效性敏感的流水线之前,值得了解。
• 可用性 — 两者目前均可在付费 API 上调用;Carbon 没有免费层级,并且会对每个处理的 token 计费,包括思考部分,而 Sol 则按 Standard、Batch、Flex、Fast 和 Ultrafast 服务层级定价。
价格行才是决定这次比较的关键,而且它们也是那两个模型完全没有任何变化时仍会变化的行。
这十六个点从何而来
Artificial Analysis 使用 Intelligence Index v5.0.1 对两款模型进行测量,该指数将九项评估——AA-Briefcase、AutomationBench-AA、Terminal-Bench 4.0、FrontierCode-AA 2.0、AA-Omniscience、GDP.pdf、HLE-Diamond、CritPt v2 和 Terminal-Bench-Science——合并为一个数字。正是这种统一的评分方式,使该比较具备合理性,而不是新闻稿式的大杂烩。
• 智能指数 — Carbon 60 在 81 个模型中排名第 4;GPT-6 Sol 44 在 81 个模型中排名第 34。作为参考,GPT-6.1 Sol 以 55 分位列第 12。
• 每完成一项索引任务的成本——Carbon 为 5.48 美元;GPT-6 Sol 为 2.47 美元。每 token 成本更低的模型,每项任务成本也更低,相差 2.2 倍。
• 每项任务耗时——Carbon 33.2 分钟;Sol 7.3 分钟,而全班中位数为 13.5。
• 输出速度与延迟——Carbon 每秒 62 个 token,首个回答 token 用时 72.88 秒;Sol 每秒 123 个 token,首个 token 用时 36.21 秒。
• token 量 — 在索引运行期间,Carbon 从 76.2 亿输入中输出了 2.05 亿输出 token,追踪器称其非常冗长;Sol 从 47.5 亿中输出了 6510 万,称其相当简洁。该类别的中位数为 7860 万输出 token。
最后一行解释了成本那一行,而且是两页中最有用的单项信息。Carbon 并不是为完成同样的工作而对每个 token 收取更多费用;它是在一个答案是一份文档或一个补丁、而非一次证明搜索的基准测试上,写了三倍数量的 token 才得出答案。一个用文字思考更久的模型,是在按词计费,而索引运行正是你能看到兑换率的地方。
关于 Carbon 的分数,有一点需要说明:该追踪器把 Carbon 分成三行分别发布,即低强度、中强度和高强度,而只有高强度那一行才达到 60。单说一句“Carbon 得分 60”,在最高强度下成立,但在大多数人会默认选用的设置下并不成立。

这条 272,000 token 的计费项,比价格更能决定账单。
两个模型都不会按朴素意义上的“越过边界后对每个 token 额外收费”来计费;两者都会对整个请求重新定价。区别在于,只有其中一个存在边界。
GPT-6 Sol 对最多 272,000 个输入 token 按输入 $2.00、输出 $10.00 计费。超过该上限后,请求中的每一个 token——不是超出部分,而是全部——都按输入 $4.00、输出 $15.00 计费。Google 未公布 Carbon 的长度档位:无论请求是 2,000 个 token 还是 900,000 个 token,都适用相同的每 token 费率。
按 Carbon 12 月后的费率,让两者都处理一次 40 万 token 的文档分析:
• Gemini 4 Carbon — 400,000 个 token,按每百万 $4.00 计算,提示词费用为 $1.60。按当前的推广费率,同一请求为 $0.80。
• GPT-6 Sol — 同样的 400,000 个 token 越过该界限后,重新定价为每百万 $4.00,也就是 $1.60。如果该请求的 token 数保持在 272,000 以下,费用本应为 $0.80。
再增加 20,000 个输出 token,差距就显现出来:Carbon 按每百万 $20.00 收费,也就是 $0.40;Sol 按 $15.00 收费,也就是 $0.30。因此,Carbon 所宣传的固定价格优势在超过阈值后,在输入方面消失,在输出方面则略有反转。所谓 Carbon 对长文档更便宜的说法,相对于 GPT-6 Astra 成立——后者的价格翻倍至 $20.00 和 $75.00——但相对于 Sol 则不成立。
Carbon 的无档位结构真正取胜的地方在于可预测性,而不是价格。文档长度可变的流水线只需为一种费率建模,也没有会踩到的悬崖;而悬崖很容易踩到:在 Sol 下,300,000 token 的请求并不是比 270,000 token 的请求贵一点,而是全部 300,000 个 token 的输入费用翻倍。如果你的检索步骤偶尔返回过多内容,那就是一次预算事故,而不是缓慢偏移。
哪个模型在哪些方面更好——在证据允许的范围内尽可能收窄表述
两个模型都没有在由与二者均无利害关系的人选定的任务套件上进行过正面比较。目前存在的是共享指数和厂商材料,而该指数的九个组成部分可以单独解读。
• 长程推理与科学工作——Carbon 的优势。它是 Google 在 11 月 13 日的研究报告中与 Argon 和 Hydrogen 并列提及的模型,其指数领先优势集中在前沿推理评估上,而非均匀分布。
• 智能体编程与终端任务——两者的差距比总分所显示的要小。Carbon 的领先是通用能力上的领先,而非专门体现在智能体方面;而且谷歌为 Gemini 4 代发布的官方材料中,编程智能体的数据一直落后于综合指数。
• 高吞吐量的生产路径——Sol,或者更好的是,它的继任者。首个 token 的延迟减半,每个任务分钟的吞吐量提升四倍,并且有文档化的推理关闭开关。对于答案简短且数量庞大的工作而言,Carbon 的冗长是一种没有相应收益的负担。
• 多模态输入——Carbon 毫无悬念胜出。Sol 支持文本和图像;Carbon 还支持音频、视频和 PDF,这是两者唯一不在同一产品类别的一项。
• 超长单次产出——单就上限而言,Sol 已触顶。128,000 个输出 token 对比 Carbon 的 65,536,意味着任何必须一次性产出的内容,在 Google 一侧都有硬性上限。
• 连续性——Sol,但仅通过其继任者。今天基于 GPT-6 Sol 构建的团队,所构建的模型已被追踪器标记为弃用,转而推荐 GPT-6.1 Sol,后者成本相同且得分高出十一分。这并不是回避该供应商的理由;而是当编写请求体时,应指定 gpt-6.1-sol 而非 gpt-6-sol 的理由。
运行对比,而不是读取它
这两个模型都在 OrcaRouter 上按各自供应商自己的标价路由,加价为 0%,即 google/gemini-4-carbon 和 openai/gpt-6-sol,通过同一个 OpenAI 兼容端点和同一个密钥——与 openai/gpt-6.1-sol 并列,而弃用说明让这一行变得相关。这使得这一特定比较能以异常低的成本通过实证得出结论:同一个请求体可以指向 Carbon、Sol 以及 Sol 的继任者,唯一变化的是模型字符串。
给任何打算这么做的人两条实用提醒。第一,12 月 1 日的 Carbon 价格变动属于供应商变更,并在当天直接传导到这里,因此 11 月跑一次、12 月再重复跑一次的成本比较会出现差异,而这些差异的原因与模型毫无关系。第二,如果工作负载是探索性的——在把生产路径正式交给每任务成本为现有方案 2.2 倍的模型之前,先用真实流量试用 Carbon——那么跨供应商的自动故障转移,正是让糟糕的一周不至于变成服务中断、而仍然只是一个数据点的关键。

本周做什么
三个决定,按它们解决的顺序排列。
如果工作负载是短答案且高吞吐量,那么问题根本不是 Carbon 与 Sol 之争。而是 Sol 与 GPT-6.1 Sol 之争,并且后继版本在相同价格下评分更高。Carbon 的 60 根本不参与讨论,因为每次索引运行输出 2.05 亿 token 的 Carbon,无论其评分如何,对于那种流量来说形态都不合适。
如果工作负载是长文档,且文档长度各不相同,那么Carbon在11月30日更值得买,在12月1日则更不划算,而交叉点是算术问题,而不是品味问题。在做出承诺之前,按4.00美元和20.00美元来建模账单,因为这是合同在其大部分生命周期内将执行的费率。
如果工作负载需要音频或视频输入,那就没有可比较的余地。Sol 无法接收这类输入,因此在这个组合中只能选 Carbon 或什么都不选——而 65,536 token 的输出上限也就成了设计中必须围绕的约束,而不是价格。
最不该做的一件事,就是只拿 16 分的指数领先优势作为切换的理由,却不把旁边的每任务成本数字一起摆出来。在同一个评估器、同一修订版本、同一天上,这一领先优势每完成一个任务的成本是 2.2 倍,实际耗时是 4.5 倍。对于前沿推理来说,这是站得住脚的权衡;对于队列来说,则站不住脚。

本文中的对比2
根据本文内容识别 · 基准测试:Artificial Analysis · 每日更新
