GPT-6.1 Sol 对比 Gemini 4 Carbon：五个指数点、六倍账单，还有一个你无法调用

与GPT-6.1 SolGemini 4 Carbon 之间的比较呈现出一种不同寻常的形态：其中一个自 2026 年 9 月 29 日起一直在响应生产环境请求，另一个则自 10 月 28 日起一直在应对基准测试。Google 的 Carbon 是真实存在的，它是独立榜单上得分最高的模型，但除非你是获准加入 Google Fairwind 计划的网络安全防御者，否则无法向它发送请求。没有公开的模型字符串，没有公布的价格页面，也没有端点。GPT-6.1 Sol 你今天下午就能调用。这种不对称并没有让这项比较变得毫无意义——它使这项比较不同于排行榜所暗示的那种比较，而且实用得多。

一个是产品，另一个是计划。

Google于2026年10月28日宣布 Gemini 4 Carbon 为“我们的下一个前沿模型”，此时距离Gemini 4 Argon发布已有两周。通过 Fairwind，访问权限已向部分网络防御者开放，并承诺“尽快”向更广泛的开发者、企业和消费者开放，但未给出具体日期。截至11月5日，仍没有全面可用的模型标识符。Google公布的定价——每百万输入 token 2.00 美元、每百万输出 token 10.00 美元，缓存输入享 95% 折扣，按标准费率将升至 4.00 美元和 20.00 美元，且优惠档的结束日期尚未确认——是一份大多数读者无法购买的服务价目表。

GPT-6.1 Sol 自 9 月 29 日起已在 OpenAI API 上正式开放使用，标价完全保持不变：输入 $2.00，输出 $10.00，缓存输入 $0.10，缓存写入 $2.50，并设有一档长上下文阶梯价格——当输入超过 272,000 个 token 时，整个请求将按输入 $4.00、输出 $15.00 重新计价。我们的目录以 openai/gpt-6.1-sol 收录该模型，上架日期为 2026-09-29，采用 OpenAI 自身的价格，不收取任何加价。我们不收录 Gemini 4 Carbon，因为目前尚无该模型可供收录；我们收录的是 Gemini 4 Argon。

所以，诚实的提问方式不该是“你该切换到哪一个”，而应是“Carbon 那五个百分点的领先优势究竟由什么构成，以及如果它能像菜单上的一道菜那样供你点选，你愿意为它付多少钱”。

相同的费率卡，账单却相差六倍

两款模型的标价分别为 2.00 美元和 10.00 美元。只看这一行，你会得出它们运行成本相同的结论。独立测量结果却并非如此，原因在于用量，而非价格。

• Intelligence Index v5.0.1 — Gemini 4 Carbon 60 对比 GPT-6.1 Sol 55，两者均达到已公布的最高努力水平

• 输出速度 — Carbon 68 token/秒，Sol 56 token/秒

• 每个已完成索引任务的成本 — Carbon $7.76 对比 Sol $1.27

• 索引运行消耗的输出 token——Carbon 2.05 亿 vs Sol 6370 万

• 每个索引任务耗时 — Sol 20.3 分钟，首个答案 token 用时 157.57 秒

• 上下文窗口 — Carbon 1M 对比 Sol 1,050,000

• 单次响应最大输出量——Sol 128,000 个 token；Google 尚未公布 Carbon 的数值

• 模态——两者均接受文本和图像，并返回文本

• 可用性 — Carbon 仅限 Fairwind 防御者使用，没有公开标识符；相比之下，Sol 自 9 月 29 日起已全面可用

• 标价 — 每百万输入 $2.00、输出 $10.00，在 Carbon 转向 $4.00 和 $20.00 之前

Carbon 产生的输出 token 数量是 Sol 的 3.2 倍，而每项任务成本是 Sol 的 6.1 倍。费用增长快于 token 数量增长，这正是模型思考更久、每次尝试摄入更多上下文时会发生的情况。对于一个要运行数百项高风险分析的安全团队来说，用六倍支出换来指数领先五个点，是一笔站得住脚的交易；但对于任何有任务队列的场景，这都是一笔站不住脚的交易。

Carbon 真正领先之处

把 Carbon 归类为一条昂贵的领带既容易又错误。在 Google 构建或选定的评测中，它明显领先，而这些评测也最贴近所公布的用例。

• SEC-bench Pro，漏洞检测 — Carbon 88.2%。谷歌报告。

• ExploitGym，利用 — Carbon 54.8%。Google 报告。

• CWE-bench，修补 — Carbon 71.0%。Google 报告。

• Gray Swan 间接提示注入 — 攻击成功率 0.0%。据 Google 报告。

• GDPx，SemiAnalysis 的 206 项任务专业基准测试中——Carbon 约为 10.9%，每项任务约 16 美元，落后于 Claude Opus 5.5 的约 12% 和每项任务约 51 美元。

• AA-Omniscience — Carbon 在知识准确性排行榜上领先；独立报道称其幻觉率接近 11%，高于 Argon 的数值，在将网络安全领域的领先表现视为整体可靠性领先之前，这一点值得了解。

网络能力指标是这个模型存在的原因，也是它被限制访问的原因。这些指标同样未被 Google 以外的任何人复现；根据发布报道，它们是在没有防护措施的情况下运行的；发布时也没有单独的系统卡。把它们标记为厂商报告的数据，然后继续即可；它们并不是普通工程团队会选择这个模型的原因。

这条线索是领域特定的，而非通用的

过去一周最有用的第三方结果是负面的。当SemiAnalysis在排除网络安全、生物学和对齐任务后重新运行其GDPx排名时，顺序发生了变化：GPT-6 Astra升至第一，GPT-6.1 Sol和Claude Sonnet 5.5均超过了Gemini 4 Carbon。SemiAnalysis表示，修订后的排序更符合其自身的主观印象。

这是对 Carbon 究竟是什么的准确陈述。它并非在所有方面都更聪明；它在某个领域集群上强得不成比例，而这恰好是 Google 瞄准的方向，综合指数又会奖励这个集群。如果你的工作负载是安全分析，这就是等待获取访问权限的全部理由。如果你的工作负载是文档流水线、编码智能体或支持流程，那么这五分差距主要由你永远不会运行的任务构成，而你是在拿一个你能调用的模型和一个你无法调用的模型作比较。

按 OpenAI 自己公布的数据，Sol 在哪些方面更胜一筹

OpenAI 对 GPT-6.1 Sol 的发布宣称属于厂商自报数据，应照此理解，但这些数据足够具体，日后可加以核验。在 DeepSWE v1.1 上，其报告称 high effort 下为 75.22%，max 下为 71.90%——不同寻常之处在于，该基准的峰值出现在 high 而非 max。在 OSWorld 2.0 上，max 下为 71.42%。在 Terminal-Bench Science 0.1 上，max 下为 57.02%，而 GPT-6 Astra 为 68.1%。在 AutomationBench 1.0.6 上，max 下为 36.10%。在 GDP.pdf 上，high 下为 32.0%，与 Astra 持平。

这些数字中真正有用的是其规律：Sol 在文档和编码工作上接近 Astra，在科学和长周期自动化方面则明显落后于它。它是一款主力型模型，能力上限接近前沿水平，售价仅为 Astra 的 10.00 美元和 50.00 美元档位的五分之一。独立测量结果在总体形态上与此一致——在 v5.0.1 上得到 55 分并非前沿分数，但每完成一项任务 1.27 美元是本次比较中最低的，而且优势幅度很大。

这项决定，对于这篇文章仅有的两名读者而言

如果你是 Fairwind 内部的防御者，这个取舍是真实的，上面的数字就是该取舍：用五个指数点和一个大型网络专项领先，换取每任务六倍的成本，以及介绍期结束后翻倍的费率卡。在分析成果就是交付物的场景运行 Carbon，在追求处理量的场景运行 Sol。

如果你属于其他所有人，Carbon 就不是一个决策项，而是一个关注项。今天要对比的模型是 Gemini 4 Argon，我们的目录以 google/gemini-4-argon 收录它，入门价同样为 2.00 美元和 10.00 美元，并且它在同一个 v5.0.1 指数上得分为 50——比 Sol 低五分，速度为每秒 68 个 token，每任务成本与 Carbon 处于同一区间。按标准费率，Argon 会翻倍至 4.00 美元和 20.00 美元，这个日期要记在日历上。

之所以要关心门控而不只是评分，是因为路由层能让最终答案的成本很低。在这里，Sol 和 Argon 都通过同一个密钥访问，按提供商标价计费且无加价，所以比较二者只是改一下配置，而不是再签一份合同。等 Carbon 真正开放时，按任务分流就该放在 routing DSL 里：网络安全分析交给专用模型，其余交给主力模型；如果专用模型在第一天就被限流，则进行故障转移。围绕单一模型构建流水线并将其硬编码，是一个日后会显得很不明智的决定，而这对组合正是不该这么做的最清楚论据。

五分是两款模型之间的真实差距。但仅凭这一点，并不足以成为围绕一个尚未开门营业的服务重建整套技术栈的理由。