Gemini 4 Argon 對決 GPT-6 Sol：五分之一的價格，四倍的帳單

在 Gemini 4 Argon 上執行 Artificial Analysis 指數套件，帳單金額為 $2,407。在 GPT-6 Sol 上執行同一套件，帳單金額為 $1,546。相同的指數、相同的任務、相同的一週。這兩個模型有著完全相同的標價——每百萬輸入詞元 $2.00、每百萬輸出詞元 $10.00，Argon 是 Go​ogle 明示的導入優惠價，Sol 則是 Open​AI 的現行標準價——然而完成相同工作的最終成本卻相差 56%，而且有利於得分低五分的模型。這個差距正是這篇比較值得寫的全部理由，而它與價目表毫無關係。

Google 於 2026-09-30 宣布推出 Gemini 4 Argon，稱其為前沿智能的新時代，定價為輸入 2 美元、輸出 10 美元，快取輸入享 95% 折扣，並透過 Fairwind Program 向受信任的網路防禦人員推出。GPT-6 Sol 自 2026-09-22 起正式全面開放，當時 OpenAI 推出 GPT-6 系列的中階產品，定價為輸入 2 美元、輸出 10 美元，並提供 90% 快取折扣。其中一個如今可透過 OpenAI 相容端點購買，另一個則無法讓具名群體以外的任何人購買，這就是本文的實務分岔點。但即使完全把可用性擺在一邊，前述成本倒掛依然成立，而理解背後原因才是有用之處。

反轉，直白地說

Artificial Analysis 同時發布 Intelligence Index，以及運行該指數所需成本的核算。兩者合讀，傳達出這樣的訊息：

• 智慧指數 — Gemini 4 Argon 52.6 對上 GPT-6 Sol 47.5。五分的差距，是在 Argon 以其高投入設定、Sol 以最大設定進行評測時測得，因此這項比較對 Sol 較為寬容，而非對 Argon。

• 每百萬個 Token 的標價 — 相同。兩者皆為 $2.00 輸入 / $10.00 輸出。快取讀取是唯一差異：Argon 為 $0.10，Sol 為 $0.20。

• 每個索引任務的成本——Gemini 4 Argon 為 $1.99，對比 GPT-6 Sol 的 $1.05。儘管每 token 成本相同，Argon 每個任務的成本大約是兩倍。

• 執行完整套件的成本 — Gemini 4 Argon 為 $2,407，相較於 GPT-6 Sol 的 $1,546。

• 實測輸出速度——GPT-6 Sol 為每秒 77.0 個 token，Gemini 4 Argon 則為 48.9，1.6 倍的差距同時反映在延遲與支出上。

在那份清單中，有一行能解釋其餘所有項目，而那不是價格。那是 token 數量。在該指數自身的任務上，Gemini 4 Argon 每項任務大約產生 561,000 個輸出 token；GPT-6 Sol 則大約產生 282,000 個。Argon 為了回答同一個問題，思考時間是兩倍，而在每 token 費率相同的情況下，帳單金額正好是兩倍。

為什麼代幣就是價格

這是在任何人為遷移編列預算之前，值得內化的修正，因為直覺往往正好相反。當一個模型的定價與競爭對手相同，卻要消耗兩倍的輸出 token 才能完成任務時，每 token 的價格並不是真正的價格。真正的價格是每 token 價格乘以模型決定花費的 token 數量，而第二個因子是模型本身的特性，不是費率表。

每個任務的利潤率差異極大，這讓情況更糟——你不能套用一個固定乘數就了事：

• Terminal-Bench 4.0 — Argon 每項任務輸出 165,330 個 token，Sol 則為 97,372 個。在這裡，Argon 每項任務花費 $6.78，Sol 為 $4.00，儘管 Argon 得分 57.1%，而 Sol 為 43.9%。

• CritPt — Argon 109,533 tokens，相較於 Sol 的 31,848。token 比例為 3.4 倍，在一項 Sol 實際上得分更高的任務中，30.9% 對 27.1%。

• GDPval — Argon 為 74,571 個 token，Sol 則為 41,567 個；每項任務 1.82 美元，對比 1.32 美元。

• Omniscience — 938 對 2,662 的 token 比率，對 Argon 有利，每項任務 $0.010，相較於 Sol 的 $0.027。唯一一個方向翻轉的任務家族。

• 長上下文推理——Argon 2,197 個 token 對比 Sol 的 954，也是這套測試套件中唯一一項 Sol 在分數上明顯勝出的任務，83.7% 對 79.7%。

CritPt 是更具啟發性的那個。一個模型在同一道問題上消耗三倍半的 token，卻產出稍微更差的答案，這不是能力問題，而是花錢習慣的問題。Argon 的推理很長，而在某些任務形態中，這種長度會轉化為分數，在另一些任務形態中，它只會轉化為金錢。該指數的 52.6 與 Sol 的 47.5 是總體數據，而總體數據正好掩蓋了這一點。

這五點實際上從何而來

由於指標差距與成本差距的方向相反，因此值得了解是哪些任務分別驅動了這兩者。

• Terminal-Bench 4.0 — Gemini 4 Argon 57.1% 對上 GPT-6 Sol 43.9%。這是 Argon 最大的單一勝差，也是與長時程代理式編碼最為接近的任務系列。

• 全知性 — Gemini 4 Argon 42.4 對上 GPT-6 Sol 27.1。在事實覆蓋率上相差十五分，是整套測試中比例最大的差距。

• AutomationBench-AA — Gemini 4 Argon 77.5% 對比 GPT-6 Sol 61.6%。

• SciCode — Gemini 4 Argon 61.8% 對比 GPT-6 Sol 57.6%。

• 人類最終考試 — Gemini 4 Argon 57.1% 對比 GPT-6 Sol 47.9%。

• GDPval — Gemini 4 Argon 1,611 對 GPT-6 Sol 1,487。

• ApexAgents / AA-Briefcase —— GPT-6 Sol 的 1,482.78 Elo 對上 Argon 的 1,493.84，這 11 分的差距落在已公布的信賴區間之內，應判定為平手。

• 長上下文推理 — GPT-6 Sol 83.7%，相較於 Gemini 4 Argon 79.7%。這是 Sol 唯一明顯的勝利。

• CritPt — GPT-6 Sol 30.9% 對上 Gemini 4 Argon 27.1%。Sol 再次以些微差距勝出。

所以重點並不是「Argon 比較好」。而是 Argon 在它發布資料一開始強調的兩件事上更強——端到端的商業任務執行，以及長時程的軟體工程——而 Sol 在偏學術風格的推理階梯上，以及長時間維持上下文連貫性方面，則是持平或領先。對於工作量是帶有 400K token 提示的檢索管線的讀者來說，Sol 同時是更好的模型，也是更便宜的模型，這是個不尋常卻很舒服的處境。

比基準討論更歷久不衰的規格差異

• 最大輸出 — Gemini 4 Argon 單一軌跡可達 1,000,000 個 token，Google 稱其為業界最大，並較前一代的 64K 上限有所提升。GPT-6 Sol 為 128,000 個 token。

• 上下文視窗 — GPT-6 Sol 的廠商規格卡標示約 1,050,000 個 token；Argon 則為 1,000,000。Artificial Analysis 透過其測試框架測得 Sol 為 872,000 個 token，這是測試框架的測量值，而非規格卡上的數字——請將規格卡視為規格本身，並把測試框架的數字視為評估者實際檢驗的結果。

• 輸入模態——兩者都接受文字、圖像和檔案。Argon 的發布資料也著重於長影片理解，其中 Google 聲稱在 LVBench 上達到 91.7%，並稱其為最先進水準；那是廠商自行報告的數字，目前尚無獨立評測榜單重現該結果。

• 視訊輸入 — 偏軟。Artificial Analysis 的圖表將 Argon 標示為停用視訊輸入，並在推出時明確提及視訊；而 Sol 的規格卡則完全未列出視訊。如果視訊是你工作流程中的關鍵環節，這兩張卡都無法給你定論，你應該先測試再進行架構設計。

• 推理強度 — Sol 在 API 上提供可設定的強度（從 none 到 max，預設為 medium），且其評測設定為 max。Argon 的評測設定為 high；尚未有人在其最高設定下發表過同一套測試套件。

100 萬 token 的輸出上限，是真正可能改變架構、而不只是改變預算的那一項。你目前為了維持在 128K 上限以下，而拆成十幾個串接呼叫的任何工作——多檔案修補集、完整稽核報告、一次處理的長文件——都會變成一次呼叫，讓代理迴圈能遺失狀態的地方更少。這是否值得付出兩倍的每任務成本，完全取決於你是否真的有那類工作負載。如果有，那大概就值得。如果你的呼叫只是分類後回傳，那就是把錢花在沒人會用到的餘裕上。

無人能及的努力設定，以及它為何重要

有一個但書值得獨立成段，因為這關乎把這五點的指數差距解讀為能力差異。Artificial Analysis 將 Gemini 4 Argon 列在其 {{2}}high{{/2}}{{3}} 推理強度設定，而 GPT-6 Sol 則列在 {{/3}}{{4}}max{{/4}}{{5}} 設定。這兩者並不是兩把梯子上的同一級，而這種不匹配的方向很有意思：Sol 是在其最昂貴的設定下運行，而 Argon 則是在中等設定下運行。{{/5}}high 推理強度設定，而 GPT-6 Sol 則列在 max 設定。這兩者並不是兩把梯子上的同一級，而這種不匹配的方向很有意思：Sol 是在其最昂貴的設定下運行，而 Argon 則是在中等設定下運行。

接下來有兩種解讀，而數據無法分辨何者為真。要嘛 Argon 在 max之下會拿下高於 52.6 的分數——但每項任務也會消耗超過 561,000 個 token，成本超過 $1.99——要嘛它拿到的分數大致相同，而這就意味著在這套測試套件上，努力程度旋鈕並沒有發揮太大作用。目前沒有任何已發表的執行結果能給出定論。任何把 52.6 當成 Argon 上限來引用的人，引用的是某個配置，而非模型本身，而且那個配置還是其廠商選擇優先發表的那一個。

同樣的邏輯也適用於 Sol 的 47.5，只是方向相反：max 是其階梯的頂端，因此這個數字更接近上限而非下限。在相同努力下的一場公平對決，可能縮小差距，也可能翻轉成本比較，因為 max 所消耗的 token，正是每百萬個要價 10 美元的 token。

可用性分支，它決定實際答案

Gemini 4 Argon 尚未正式全面推出。Google 的公告表示，它正透過 Fairwind Program 向一群受信任的網路防禦人員逐步推出；該公司正在參與美國政府自願性的發布前模型存取流程；而對開發者、企業與消費者的一般開放將「儘快」到來，並先從付費 API 客戶與 Google AI Ultra 訂閱者開始。沒有模型識別碼、沒有端點、沒有配額，也沒有日期。它不在任何公開 API 上，包括我們自己的 API 在內——查看 API 目錄會出現 404，因為它在那裡還不存在。

GPT-6 Sol 是一款可直接呼叫的產品。在 OrcaRouter 上，它是openai/gpt-6-sol，與目錄中其他200 多款模型使用同一個 OpenAI 相容端點，並以 OpenAI 的定價原樣轉售、零加成，因此上方所述的 $2/$10，以及 272,000 詞元長上下文的 $4/$15 級距，才是你實際支付的價格，而非價目表上的說法。跨供應商的自動容錯移轉可涵蓋路由在執行途中退化的情況，而路由 DSL 能讓單一應用程式把便宜的分類流量送往較小的模型，並把困難的推理流量送往 Sol，無須第二個 SDK。

最後那個安排，對大多數團隊來說，是這個比較中誠實的答案。支持 Argon 的成本論點確實成立，但有條件：僅限於長時間跨度代理工作主導的工作負載；反對它的成本論點在其他每一種工作負載上都成立；而且這個月你无论如何也買不到它。便宜的做法是現在就建立評估測試框架——你自己的提示、你自己的評分，在幾種投入程度設定下對 Sol 跑測試——這樣當 Argon 觸及付費 API 客戶時，你對一個其他人屆時都會根據排行榜來回答的問題，已經有了有實測依據的答案。

什麼能讓它塵埃落定

有三件事，依它們能多大程度左右最終判斷來排序。Argon 以真正、非導入推廣價的價格正式全面上市——「導入」這個詞意味著 $2/$10 可能變動，而 Google 自己的順序把付費 API 客戶放在最前面，所以推出後首次公布的費率才是觀察重點。一份已公開的 Artificial Analysis 對 Argon 在最高 effort 設定下的測試結果，這將說明 52.6 是天花板，還是只差毫釐。還有一項對 DeepSWE v1.1 分數的獨立重現——Google 聲稱 77.9%，並稱其為新的最佳水準；截至今日，這是由廠商自行報告，且尚未在 Google 之外被重現。

在那之前，這種區分乾淨俐落，還略帶諷刺。GPT-6 Sol 是驗證得更充分的模型、速度更快的那個、每完成一項任務成本更低的那個，也是你今天下午就能呼叫的那個。Gemini 4 Argon 則是在自家廠商選擇公布的排行榜上得分更高的模型，實際使用的成本大約是兩倍，而且尚未開賣。在兩者之間做選擇，並不是對能力的判斷。這是在判斷，那兩句話之中，哪一句更符合你這個月的情況。