GPT-6.1 Sol 与 Gemini 4 Argon：仅差半分，且只有一款在售

你能在GPT-6.1 Sol与Gemini 4 Argon之间比较的每一项都是可测量的，但没有一项能落实到行动，因为这两款模型中只有一款买得到。Gemini 4 Argon 于 2026 年 9 月 30 日在一篇署名 Koray Kavukcuoglu 的 DeepMind 博文中发布，标称的入门价格为每百万输入 token 2.00 美元、每百万输出 token 10.00 美元，并将通过 Fairwind 计划首先向一批具名的网络防御人员推出。它没有模型标识符，没有 API 端点，没有可供计费的已公布每 token 费率，也没有任何客户能够访问的页面。GPT-6.1 Sol 于 2026 年 9 月 29 日发布，定价为 2.00 美元和 10.00 美元，现已可用。在 Artificial Analysis 智能指数上，两者相差 0.8 分——Argon 52.6，Sol 51.8——这使它们成为本批次中差距最小的一对，单看该指数可谓不分伯仲。但在决定实际部署的那把标尺上，其中一款模型根本不在候选之列。

这种不对称并非细枝末节，也不是什么独家猛料。它是应当决定这组对比如何被解读的事实：Argon 的数据所描述的，是一个面向单一群体、处于受控推送阶段的模型；而 GPT-6.1 Sol 的数据所描述的，则是价目表上的一款产品。把两者放在一起比较仍然值得——Argon 是厂商目前主推的型号，其测量结果确实反映了 Gemini 产品线顶端所处的位置——但每一个结论都必须带上“如果它买得到”这一前提，且没有哪一个结论能带上“你是否该换用”这个说法。

该指数只允许进行一次比较，而且几乎不分上下。

两个模型都出现在 Artificial Analysis 上，并且都带有一个分数，以及一份关于产生该分数所花费成本的核算。

• 智能指数，v4.3.2 — Gemini 4 Argon 52.6 对比 GPT-6.1 Sol 51.8，相差 0.8 分

• 每个索引任务的成本——Gemini 4 Argon $1.99 对比 GPT-6.1 Sol $0.72，为了这 0.8 分，差距达到 2.8 倍

• 运行完整套件的成本 — Gemini 4 Argon $2,407，对比 GPT-6.1 Sol $1,082

• 在该测试套件上生成的输出 token 数——Gemini 4 Argon 110M 对比 GPT-6.1 Sol 67M，冗长度相差 1.6 倍

• 标明的推介价——两者均为每百万 token 输入 $2.00、输出 $10.00，Argon 上的缓存输入可减免 95%

• 上下文窗口 — GPT-6.1 Sol 1,050,000 个 token；Argon 尚未公布

第四行解释了第二行。在几乎相同的标称费率下，每任务 2.8 倍的成本差异，来自以相当的输出价格写出了 1.6 倍的 token，再加上这些 token 背后推理量所带来的成本。按其规格卡来看，Argon 并不是一个昂贵的模型。它在评测中很话多，而账最终结算在输出上。

配置不同，而差异的方向对更便宜的模型有利。Artificial Analysis 把 Gemini 4 Argon 标注为高努力设置，把 GPT-6.1 Sol 标注为 max 设置——因此 Sol 是在其最昂贵的设置下被测量的，而 Argon 则是在低于其上限的某个设置下被测量的。所以，0.8 个百分点的差距是对 Sol 而言较为宽厚的比较版本：给 Argon 配上最高设置，差距很可能拉大；给 Sol 配上更低的设置，其成本则会进一步下降。这两种做法都不会改变可用性线，而这条线是唯一能终结部署决策的线。

究竟该如何解读0.8个百分点的差距

不到一分的差距在十项评估的综合得分中算不上排名。那只是处于同一水平区间的两个模型。

这个指数没有为 Argon 公布的内容，正是那种能让这一分数区间变得清晰可读的组成细节——它在哪些评测中胜出、在哪些方面较弱、在构成综合分数的各个子分数上表现如何。GPT-6.1 Sol 的页面包含这些细项；Argon 的页面则只有一个总标题分数和一项成本。仅凭标题分数构建的比较只能说两者持平，仅此而已，而它就应该准确这么说，而不是从 0.8 分的差距中硬造出一个赢家。

有一个值得补充的外部数据点，而它指向的是相反的方向。在公告发布后流传的一项第三方编程评测中，Argon 位列第三，排在 GPT-6 Astra 和 Claude Opus 5.5 之后——对于一款处于受控发布阶段的模型来说，这是相当强劲的成绩，也与综合评分 52.6 保持一致。但这也只是来自单一评测的一次观察，且发表于公告发布后的头几天，因此它只是证据，而非长期战绩。标注一下，然后继续。

这两张价格卡片实际上是做什么用的

Argon 的标示费率比索引行更需谨慎对待，因为其中包含两个数字。

优惠期费率为输入 $2.00、输出 $10.00，缓存输入享 95% 折扣；若换算到一张价目卡上，Argon 与 GPT-6.1 Sol 的同类价格正好持平。厂商自家的脚注写明，在一段其并未定义的优惠期结束后，费率将变为每百万输入 token $4.00、每百万输出 token $20.00。后一组数字并非假设——它是该模型预计最终稳定于其上的已公布数字——而它恰好落在当前前沿模型的标价上，而非低于该标价。只引用优惠期那一组数字的对比，是在为一个尚未普遍可用的模型引用促销价，这一句话里就叠了两重临时性。

GPT-6.1 Sol 的价目卡是截然相反的一类对象。$2.00 和 $10.00 是标准费率，而非促销；超过 272,000 个提示 token 后长上下文阶梯价升至 $4.00 / $15.00，这一价格已公布，并适用于界定明确的边界；$0.10 的缓存输入今天已经生效并可计费。其中没有任何内容需要就供应商拒绝界定的某个时间段添加脚注。

这就是可用性那一行背后的实质。并不是说 Argon 是更差的模型——指数显示两者不相上下——而是说，这两张卡中，一张是承诺，另一张是意向。

推出本身就是对比

Fairwind Program 是 Argon 公告中技术对比往往会略过的部分，而它正是在这里最关键的部分。

该供应商首先将模型交到一批具名的网络防御者手中，优先于其他所有人；没有宣布全面开放的日期，没有开发者等候名单，也没有任何已发布的、可供客户锁定的标识符。这是发布前沿模型的一种正当方式，对于这一能力级别的模型来说也并不罕见。这也意味着，关于 Argon 在真实流量下的成本、延迟、吞吐量和可靠性的每一项说法目前都未经测量：没有生产流量可供测量。供应商自己的基准测试运行存在，Artificial Analysis 的综合评测也存在，而这两者之间，一个是某家实验室的评估，一个是某位评估者的测试套件。这就是全部记录。

GPT-6.1 Sol 的记录只有八天，并且以另一种方式显得单薄：只有一个独立配置，没有从业者语料库，还有一个已发布的产品，其故障模式尚未在任何地方被记录下来。两个模型都没有充分证据。然而，其中一个有一张发票。

那么这个比较是做什么的

三种用途，但没有一种能促成购买决策。

首先，校准。如果你们正在追踪 Argon 相对于 GPT-6.1 Sol 的位置，那么 52.6 对 51.8、每任务成本相差 2.8 倍就是当前状况，这说明 Gemini 4 系列在能力上具有竞争力，同时仍在敲定其商业条款。留意入门费率会被 $4.00 / $20.00 这一对价格取代，这会在能力不变的情况下，把价格匹配变成价格溢价。

其次，是一个持位立场。一个已被发布、已被评测却无法接入的模型，恰恰是需要在你的应用与模型选择之间保留一层抽象的最清晰理由。本文中的两个模型，从我方这一侧看，接入方式完全相同：GPT-6.1 Sol 已在 OrcaRouter 上线，自有定价 $2.00 / $10.00，缓存输入为 $0.10，且没有任何加价，因此今天就可以按提供商目录价为其构建工作负载。如果有一天 Argon 获得了标识符和价目表，评估它应当只是一次配置变更，而不是重写——而在此之前，花在 Argon 上的工程量，正应等于能让这一点继续成立所需的量。

第三，一份可证伪的观察清单。以下任何一项都会把这篇“截至目前我们所知”的文章变成可供选购参考的对比：开发者文档中出现模型标识符、其模型卡索引中出现条目、附有公开每 token 费率的正式发布公告，或 Artificial Analysis 发布一个处于不同 effort level 的第二种配置。在其中任何一项落地之前，任何声称 Argon 在生产环境中比 GPT-6.1 Sol 更便宜、更快或更好的文章，都是在描述一个除单一群体之外无人运行过的模型。

坦诚的收尾只有一句话，而且它关乎问题的形态，而不是得分。Gemini 4 Argon 和 GPT-6.1 Sol 在二者共同出现的唯一独立榜单上足够接近，以至于该指数无法在它们之间做出选择；真正让它们分出高下的是，一个已经可用，另一个只是承诺，而承诺不是你会把生产流量导向的东西。关注 Argon，如果价格和模态适合你的工作，就采用 Sol，并把抽象层保持得足够薄，这样当 Argon 成真的那一天，它只是一行配置，而不是一个项目。