Gemini 4 Carbon vs GPT-6.1 Sol

vs

Welches Modell wofür

Preislich sind diese beiden identisch: $2 pro Million Input-Tokens, $10 pro Million Output-Tokens und $0.1 pro Million gecachter Input-Tokens, mit Context Windows von 1048576 Tokens für gemini-4-carbon und 1050000 für gpt-6.1-sol. Zudem teilen sich beide die Flags für Chat, Vision, Code, Tools und Reasoning. Wählen Sie gemini-4-carbon, wenn die Inputs Audio oder Video enthalten, die das Modell für $2 pro Million Audio-Input-Tokens und $0.1 gecacht akzeptiert. Wählen Sie gpt-6.1-sol für Text- und Bildaufgaben, die lange einzelne Antworten erfordern, da seine 128000 Tokens maximaler Output etwa 2x so hoch sind wie die 65536 des anderen Modells.

Benchmarks

GPT-6.1 Sol: Der Anbieter hat keine Benchmark-Werte veröffentlicht.

Über dem DurchschnittKeins besserGemini 4 Carbon12 / 1210 / 12
Gemini 4 Carbon GPT-6.1 Sol weitere gemessene Modelle Durchschnitt der Vergleichsmodelle ★ kein anderes Modell war besser
FrontierSWE 2 Proximal leaderboard, Carbon report
61.2%
N/A
OSWorld 2.1 82 offline tasks, partial score. Gemini: best of 3. Peers: published evaluations
81.5%
N/A
AutomationBench (Zapier) Zapier private set
kein anderes Modell war besser 53.9%
N/A
GraphWalks BFS (F1) 256k to 1M tokens, 200 tasks, Google evaluation
kein anderes Modell war besser 96.2%
N/A
Blueprint-Bench 2 Similarity score, Andon Labs leaderboard
kein anderes Modell war besser 58.6%
N/A
Vending-Bench 2 (USD) Andon Labs leaderboard, Carbon report · 5422-16484
kein anderes Modell war besser 16484
N/A
Chartography No tools, Carbon report
kein anderes Modell war besser 72.5%
N/A

Anbieterangaben: Google

Preise

Gemini 4 Carbon GPT-6.1 Sol Δ
Eingabe / 1M Tokens $2 $2 =
Ausgabe / 1M Tokens $10 $10 =
Cache-Lesen / 1M Tokens $0.1 $0.1 =
Cache-Schreiben - 1.25x (30m) / 2.5x (12h) -

Preise aus dem Live-Katalog, Stand des letzten Builds. Die aktuellen Preise stehen auf der jeweiligen Modellseite. Die Haupttabelle zeigt Basistarife. Die Promptlänge kann den Tarif für die gesamte Anfrage ändern. Die Modellseiten führen alle Preisstufen auf.

GPT-6.1 Sol · Preise nach Eingabelänge

Für die gesamte Anfrage gilt der Tarif ihrer Eingabelängenstufe. Preise in USD pro Million Tokens.

Eingabe-TokensEingabeAusgabe
0 - 272.000 $2 $10
272.001 - 1.050.000 $4 $15

Einordnung: Eingabepreis pro 1M Tokens aller 86 Chat-Modelle mit dieser Abrechnungseinheit (logarithmische Skala)

Fähigkeiten

Gemini 4 Carbon GPT-6.1 Sol
Tool-Nutzung ja ja
Thinking-Steuerung immer aktiv immer aktiv
Strukturierte Ausgabe ja ja
Prompt-Caching implizit (automatisch) implizit + explizit
Cache-Lebensdauer nicht veröffentlicht at least 30m by default, 12h option on the Responses API
Mindestlänge des gecachten Präfixes 4,096 Tokens 1,024 Tokens

Spezifikationen

Gemini 4 Carbon GPT-6.1 Sol
Eingabemodalitäten Text Bild Audio Video Text Bild
Ausgabemodalitäten Text Text
Veröffentlicht 2026-11-10 2026-09-29
Knowledge-Cutoff 2026-03 2026-04
Kontextfenster 1.048.576 1.050.000
Maximale Ausgabe 65.536 128.000
Thinking-Parameter thinking_level reasoning.effort
Zulässige Werte
thinking_level
  • low
  • medium
  • high

"minimal" and thinking_budget return 400

reasoning.effort
  • low
  • medium
  • high
  • xhigh
  • max
Standardwert medium medium

Die Spezifikationen stammen aus der Dokumentation des jeweiligen Anbieters. Veröffentlicht ein Anbieter eine Angabe nicht, lassen wir die Zeile weg, statt sie zu schätzen. Vollständige Quellen: Gemini 4 Carbon · GPT-6.1 Sol

Ein Prompt, beide Modelle, gemessen über das Gateway

PROMPT Explain to a CFO, in exactly three sentences, why our LLM bill doubled after we enabled reasoning. KRITERIUM genau 3 Sätze

Gemini 4 Carbon bestanden · 3 sentences

Enabling reasoning instructs the AI to generate a lengthy, behind-the-scenes "thought process" to verify its logic before delivering a final answer. Because our vendor bills us based on total output volume, we are charged for all of that invisible scratchpad work in addition to the visible response, effectively doubling the compute consumed per query. Moving forward, we can control this cost by restricting reasoning strictly to complex, high-stakes workflows where higher accuracy justifies the premium, while routing routine tasks back to standard, lower-cost models.

Ausgabe 908 tok (+799 Thinking) Latenz 18.0 s

GPT-6.1 Sol bestanden · 3 sentences

Enabling reasoning makes the model do more computational work before answering, and many providers bill the resulting reasoning tokens even though users never see them. That means the same number of requests can cost twice as much because each request consumes more billable tokens, even if the visible answers stay the same length. We should confirm the increase in our usage breakdown and reserve higher reasoning levels for tasks where the improvement justifies the added cost.

Ausgabe 144 tok (+54 Thinking) Latenz 6.6 s

Befolgen der Anweisung (genau drei Sätze, das lässt sich zählen), Zuschnitt auf die Zielgruppe (Tonfall für einen CFO) und die Abrechnungslücke durch nicht sichtbares Thinking, die die Token-Zähler unten offenlegen.

PROMPT This function is supposed to return the longest run of consecutive equal items, but callers report it is off by one on single-element inputs and misses runs that end at the last index. Fix it and explain the bug in one paragraph. KRITERIUM Fix besteht die Tests

Gemini 4 Carbon bestanden · 8/8 cases

```python def longest_run(xs): if not xs: return 0 best = 1 cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 best = max(best, cur) else: cur = 1 return best ``` The original function counts the number of matching adjacent *transitions* rather than the number of *elements* in a run because `best` and `cur` are initialized and reset to `0` instead of `1`. Because a single item on its own already forms a run of length `1`, starting at `0` causes every non-empty result to be short by one: single-element lists (where the loop never executes) and lists with no duplicates return `0` instead of `1`, and any run of $k$ equal items—including one ending at the last index—only increments `cur` $k - 1$ times, making it appear as though the final element of the run was missed. […]

Ausgabe 1411 tok (+1131 Thinking) Latenz 32.7 s

GPT-6.1 Sol bestanden · 8/8 cases

```python def longest_run(xs): if not xs: return 0 best = cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 else: cur = 1 best = max(best, cur) return best ``` The original function counts equal adjacent pairs rather than items in a run: a run of length `n` has only `n - 1` equal pairs, so a single-element input returns `0`, and a run ending at the last index is also undercounted. It does process the last index, so the issue is not a missing final check. Initializing each nonempty run to `1` and updating `best` after every iteration correctly counts items, including singleton and trailing runs; empty inputs still return `0`.

Ausgabe 189 tok Latenz 6.3 s

Ob der Fix wirklich korrekt ist (er lässt sich ausführen), wie dicht die Erklärung ist und wie sparsam das Modell bei einer klar begrenzten Aufgabe mit Tokens umgeht.

PROMPT Extract a JSON object with fields {company, quarter, revenue_usd_m, growth_pct, guidance} from this text. Use null for anything not stated; add no other fields. KRITERIUM gültiges JSON, Schema exakt

Gemini 4 Carbon bestanden · 5/5 fields, guidance null

```json { "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": null, "growth_pct": null, "guidance": null } ```

Ausgabe 3338 tok (+3281 Thinking) Latenz 61.6 s

GPT-6.1 Sol bestanden · 5/5 fields, guidance "Withheld pending the Q4 close"

{ "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": null, "growth_pct": "eleven and change", "guidance": "Withheld pending the Q4 close" }

Ausgabe 345 tok (+285 Thinking) Latenz 10.2 s

Schema-Treue (keine erfundenen Felder), Anreiz zum Halluzinieren (der Text nennt ausdrücklich keine guidance) und Unterschiede zwischen den Wegen zur strukturierten Ausgabe.

PROMPT Write a 120-word product announcement for an API gateway feature that caches prompts across providers. Forbidden words: "seamless", "unlock", "game-changer", "revolutionize", "empower". Exactly one sentence must be a question. KRITERIUM 120 Wörter, 0 verbotene Wörter

Gemini 4 Carbon bestanden · 120 words, 0 banned, 1 question

Are your engineering teams paying multiple AI vendors to generate identical responses? Today, we are introducing Universal Prompt Caching for our flagship API Gateway. When applications route traffic across providers like OpenAI, Anthropic, and Mistral, duplicate queries drain budgets and degrade user experiences. Our new unified caching layer intercepts incoming prompts directly at the network edge. If an identical request was previously fulfilled by any connected model, the gateway delivers the stored response in milliseconds, completely bypassing external API calls. This practical upgrade cuts monthly token expenses substantially while accelerating overall application speed. Best of all, deployment requires zero complex code changes. Simply activate this capability inside your gateway configuration dashboard today to start reducing latency and infrastructure costs immediately.

Ausgabe 2620 tok (+2480 Thinking) Latenz 31.1 s

GPT-6.1 Sol bestanden · 120 words, 0 banned, 1 question

Introducing Cross-Provider Prompt Cache, a new API gateway feature that stores reusable prompts and manages caching across your supported AI providers. Why rebuild the same context every time your application switches models? With one configuration, teams can reuse shared instructions, standardize cache policies, and reduce repeated prompt processing wherever provider caching is available. The gateway handles provider-specific requirements while giving you clear visibility into cache hits, usage, and estimated savings. Set expiration windows, isolate cached content by project, and invalidate entries when prompts change. Your existing routing logic stays intact, so you can compare models without rebuilding your caching workflow. […]

Ausgabe 588 tok (+435 Thinking) Latenz 13.9 s

Einhaltung der Vorgaben (Wortbudget, Liste verbotener Wörter, genau eine Frage), stilistische Handschrift und Kontrolle über die Länge.

Eine Zeile genügt für den Wechsel

Beide IDs stehen in jedem Tab unten. Die beiden hervorgehobenen Zeilen sind die einzige Änderung. Gleicher Endpunkt, gleicher Schlüssel, gleiches Anfrageformat.

from openai import OpenAI

client = OpenAI(
    base_url="https://synthorai.io/v1",
    api_key="sk-syn-...",
)

resp = client.chat.completions.create(
    model="gemini-4-carbon",
    # model="gpt-6.1-sol",  # diese Zeile einkommentieren, die darüberliegende auskommentieren
    messages=[{"role": "user", "content": "Summarize this diff"}],
    reasoning_effort="medium",
)
print(resp.choices[0].message.content)

API-Schlüssel erstellen →

FAQ

Welches Modell ist günstiger: Gemini 4 Carbon oder GPT-6.1 Sol?

Die Haupttabelle zeigt Basistarife. Die Promptlänge kann den Tarif für die gesamte Anfrage ändern. Die Modellseiten führen alle Preisstufen auf.

Kann ich Gemini 4 Carbon gegen GPT-6.1 Sol A/B-testen, ohne zweimal zu integrieren?

Ja. Beide laufen über denselben OpenAI-kompatiblen Endpunkt mit einem API-Schlüssel. Für den Wechsel ändern Sie nur eine Zeile, den Modellnamen. So können Sie einen Teil des Traffics an jedes Modell schicken und die Kosten direkt vergleichen.

Unterstützen Gemini 4 Carbon und GPT-6.1 Sol Prompt-Caching?

Ja. Beide berechnen Cache-Lesezugriffe günstiger als die normale Eingabe. Workloads mit einem wiederkehrenden, bereits gecachten Präfix kosten deshalb weniger, als die Listenpreise vermuten lassen. Die genauen Preise stehen in den Cache-Zeilen der Preistabelle oben.

Verwandte Vergleiche

Aus unseren Studien mit eigenen Messungen