GPT-6.1 Sol 對決 Gemini 4 Carbon：五個指數點、六倍帳單，還有一個你無法呼叫的

若要比較GPT-6.1 Sol 與 Gemini 4 Carbon，會發現這組比較呈現不尋常的樣貌：其中一個自 2026 年 9 月 29 日起就一直在回應正式環境請求，另一個則自 10 月 28 日起一直在回應基準測試。Google 的 Carbon 是真的，它是獨立排行榜上得分最高的模型，但除非你是獲准加入 Google 的 Fairwind 計畫的網路安全防禦人員，否則無法向它送出請求。沒有公開的模型字串、沒有公布定價頁面、也沒有端點。GPT-6.1 Sol 你今天下午就能呼叫。這種不對稱並不讓這項比較失去意義——它讓這項比較不同於排行榜所暗示的那一種，而且實用得多。

一個是產品，另一個是計畫。

Google 於 2026 年 10 月 28 日宣布 Gemini 4 Carbon 為「我們的下一個前沿模型」，就在Gemini 4 Argon之後兩週。存取權已透過 Fairwind 開放給部分網路防禦人員，並承諾「儘快」向更廣泛的開發者、企業與消費者開放，但未附上日期。截至 11 月 5 日，仍沒有全面可用的模型識別碼。Google 公布的定價——每百萬輸入 token 2.00 美元、每百萬輸出 10.00 美元，快取輸入享 95% 折扣，標準費率則升至 4.00 美元與 20.00 美元，且入門費率沒有確認的結束日期——是一項大多數讀者都買不到的服務的價目表。

GPT-6.1 Sol 自 9 月 29 日起已在 OpenAI API 正式全面提供，且牌價完全相同：輸入 $2.00、輸出 $10.00、快取輸入 $0.10、快取寫入 $2.50，並設有長上下文級距；當輸入超過 272,000 個 token 時，整筆請求會重新計價為輸入 $4.00、輸出 $15.00。我們的型錄以 openai/gpt-6.1-sol 收錄，上架日期為 2026-09-29，採用 OpenAI 自身價格，不加價。我們未收錄 Gemini 4 Carbon，因為目前尚無可收錄的內容；我們收錄的是 Gemini 4 Argon。

所以，誠實的問法不是「你該改用哪一個」，而是「Carbon 領先五個百分點，這五個百分點究竟由什麼構成？如果它列在菜單上，你願意為它付多少錢？」

相同的價目表，帳單卻相差六倍

兩款模型的標價分別為 $2.00 和 $10.00。讀到這一行，你會得出它們的運行成本相同的結論。獨立測量結果卻並非如此，原因在於用量而非價格。

• 智慧指數 v5.0.1 — Gemini 4 Carbon 60 對 GPT-6.1 Sol 55，兩者皆達已公布的最高投入程度

• 輸出速度 — Carbon 每秒 68 個 token，Sol 每秒 56 個 token

• 每完成一個索引任務的成本 — Carbon $7.76 對比 Sol $1.27

• 索引執行時消耗的輸出 token 數 — Carbon 2.05 億 vs Sol 6,370 萬

• 每個索引任務的耗時 — Sol 20.3 分鐘，距離其第一個答案 token 耗時 157.57 秒

• 上下文視窗 — Carbon 1M 對比 Sol 1,050,000

• 單次回應的最大輸出量 — Sol 128,000 個 token；Google 尚未公布 Carbon 的數據

• 模態 — 兩者皆接受文字與圖片並回傳文字

• 可用性 — Carbon 僅限 Fairwind 防禦者使用，且無公開識別碼；Sol 則自 9 月 29 日起全面可用

• 定價 — 每百萬輸入 $2.00、輸出 $10.00，在 Carbon 調整為 $4.00 與 $20.00 之前

Carbon 產生的輸出 token 數量是 Sol 的 3.2 倍，而每項任務的成本是 6.1 倍。帳單的增長速度快於 token 數量，這正是模型思考更久、每次嘗試攝入更多上下文時會發生的情況。以六倍支出換來的五點指數領先，對於執行數百項高風險分析的安全團隊來說是站得住腳的取捨；對於任何需要排隊處理的場景，則是站不住腳的取捨。

Carbon 真正領先之處

把 Carbon 歸類為一條昂貴的領帶，既容易又錯誤。在 Google 自行建置或挑選的評測中，它明顯領先，而那些評測正是最貼近其所公布使用情境的。

• SEC-bench Pro，弱點偵測 — Carbon 88.2%。由 Google 回報。

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

• CWE-bench，修補 — Carbon 71.0%。由 Google 回報。

• Gray Swan 間接提示注入 — 0.0% 攻擊成功率。由 Google 回報。

• GDPx，SemiAnalysis 的 206 項任務專業基準——Carbon 約 10.9%，每項任務約 16 美元，落後於 Claude Opus 5.5 的約 12% 及每項任務約 51 美元。

• AA-Omniscience — Carbon 在知識準確度排行榜上領先；獨立的評測結果顯示，其幻覺率接近 11%，高於 Argon 的數字，在把資安領域的領先視為整體可靠性領先之前，這一點值得留意。

這些 cyber 數據既是這個模型存在的原因，也是它受到管制的原因。根據發布報導，這些數據也未經 Google 外部任何人重現、是在沒有護欄的情況下跑出來的，而且發布時並未附上獨立的系統卡。把它們標為廠商自行報告，然後繼續推進即可；它們並不是一般工程團隊會選擇這個模型的原因。

該線索{{1}}是{{/1}}領域形塑的，而非通用的

過去一週最有用的第三方結果是一個負面結果。當 SemiAnalysis 在排除網路安全、生物學與對齊任務後重新執行其 GDPx 排名，順序改變了：GPT-6 Astra 升至第一，而 GPT-6.1 Sol 與 Claude Sonnet 5.5 也都超前 Gemini 4 Carbon。SemiAnalysis 表示，修訂後的排序更符合其自身的主觀印象。

這精確說明了 Carbon 是什麼。它並非全面更聰明；它是在某個領域集群上格外強，而那恰好是 Google 瞄準它的地方，且總合指數會獎勵那個集群。如果你的工作負載是安全分析，那就是值得等到取得存取權的全部理由。如果你的工作負載是文件處理流程、編碼代理或支援流程，那麼這五點差距主要來自你永遠不會執行的任務，而你是在拿一個叫得到的模型，跟一個叫不到的模型相比。

依 OpenAI 自己公布的數據，Sol 表現更勝一籌的地方

OpenAI 對 GPT-6.1 Sol 的發布說法屬於廠商自行公布，應以此看待，但其具體程度足以日後查核。在 DeepSWE v1.1 上，它回報高強度模式下為 75.22%，最高模式下為 71.90%——不尋常的細節在於，這項基準的峰值出現在高強度模式，而非最高模式。在 OSWorld 2.0 上，最高模式下為 71.42%。在 Terminal-Bench Science 0.1 上，最高模式下為 57.02%，相較之下 GPT-6 Astra 為 68.1%。在 AutomationBench 1.0.6 上，最高模式下為 36.10%。在 GDP.pdf 上，高強度模式下為 32.0%，與 Astra 持平。

這些數字中的模式才是有用的部分：{{1}}Sol 在文件與程式編寫工作上緊追 Astra，但在科學與長時程自動化方面明顯落後{{/1}}。它是主力機型，上限已接近前沿水準，售價僅為 {{2}}Astra 的 $10.00 與 $50.00{{/2}} 的五分之一。獨立測量也認同這樣的樣貌——{{3}}在 v5.0.1 上拿到 55 分並非前沿分數，但每完成一項任務 $1.27 是本次比較中最低，且差距明顯{{/3}}。

這個決定，對這篇文章僅有的兩位讀者而言

如果你是 Fairwind 內部的防禦方，這項取捨確實存在，而上面的數字就是這項取捨：五個指數點，以及大幅的網路安全專屬領先，換來的是每項任務六倍的成本，還有一張在導入期結束後就翻倍的價目表。當分析本身就是交付成果時，就用 Carbon；當重點在於處理量時，就用 Sol。

如果你是「其他所有人」，Carbon 不是一項決策，而是一項待觀察項目。今天要比較的模型是 Gemini 4 Argon；我們的型錄以 google/gemini-4-argon 收錄它，初期費率同樣是 $2.00 與 $10.00，而且它在同一個 v5.0.1 指數上得分 50——比 Sol 低五分，速度為每秒 68 個 token，每項任務成本與 Carbon 落在相同區間。Argon 在標準費率下會翻倍至 $4.00 與 $20.00，這就是該記在行事曆上的日期。

值得關注閘控而非只看分數，是因為有了路由層，最終答案就能以低成本取得。這裡 Sol 和 Argon 都放在同一把金鑰後面，按供應商定價、無加價，所以比較起來只是改設定，而不是再簽一份合約。等 Carbon 正式開放時，按任務拆分就該落在路由 DSL 上：網攻分析交給專門模型，其餘交給主力模型，並在專門模型第一天就被限流時啟用故障轉移。只針對單一模型建管線並寫死，是日後會顯得拙劣的決定，而這一對模型正是不要那麼做的最清楚論據。

五分在兩個模型之間是實質的差距。但單憑這一點，並不足以成為圍繞一項尚未開門營業的服務重建整個技術棧的理由。