Gemini 4 Krypton против GPT-6.2 Sol — кто сильнее

Среди разработчиков разошёлся пост со сравнением двух невышедших моделей: Gemini 4 Krypton от Google и GPT-6.2 Sol от OpenAI поставили рядом, чтобы выяснить, кто справляется лучше.

Но за самим спором интересно другое: тестеры, которые сидят в моделях с утра до вечера, уже перестали искать одну универсальную и меняют их под конкретную работу. Где нужна глубина — запускают одну, на рутину и поток — ставят другую, а код и оркестрацию оставляют третьей. Плотная волна релизов 2026 года окончательно закрыла идею «одной модели на всё».

Коротко: Krypton готова жечь впятеро больше токенов рассуждений ради проработки деталей, а GPT-6.2 Sol метит на первое место при цене задачи на порядок ниже конкурентов. Но обе модели пока либо в закрытом тесте, либо раскатываются на часть аккаунтов, а скриншоты с баллами Sol на сайте Artificial Analysis не подтверждаются. Зато прямо сейчас в работе доступны Carbon, Argon, GPT-6.1 Sol и Opus 5.5 — ниже разберём на цифрах и счетах, какую под что ставить.

Krypton платит за детали долгими размышлениями

Начнём с Gemini 4 Krypton. Громче всего она выстрелила в творческих задачах: по одному промпту модель собирает целый воксельный мир — портовый городок с маяком, цветущей сакурой, замком и парусником, причём сразу с водой и поставленным светом.

Видео генерации от Krypton (очень ранний чекпоинт), Carbon и Argon выложили рядом: каждый ролик длится чуть больше сорока секунд, у всех один и тот же воксельный портовый городок, и разница в плотности деталей видна с первого взгляда.

X · @lyraxanaGemini 4 Krypton vs Carbon vs ArgonСмотреть в X

За счёт чего такая проработка? Модель не жалеет токенов рассуждений. Прежде чем выдавать ответ, она долго просчитывает мелочи — вплоть до того, чтобы аккуратно вырисовать логотип PlayStation на геймпаде в чистом SVG.

На том же самом промпте Krypton тратит вдвое больше времени, но выдаёт самую детальную картинку среди всех моделей Google — достаточно взглянуть на значок PS по центру геймпада.

Времени ушло более чем вдвое больше, а итоговый код вырос всего на 4% по числу строк. Весь дополнительный объём ушёл в размышления — в 5,7 раза больше токенов, чем у Carbon. Каждая кривая и каждая тень продуманы до начала записи кода, а не взяты раздуванием файла.

Обмен долгих размышлений на точность деталей прослеживается у всего семейства Gemini 4. Векторный геймпад PS5 от Krypton — из той же серии, а глава Google AI Studio Логан Килпатрик говорит так: «Carbon — отличная модель, но команда продолжает готовить новое».

Платить за это приходится напрямую. Когда Carbon запустили в Google Antigravity на высоком уровне рассуждений параллельно в нескольких проектах примерно на 7 часов, недельный лимит просел с 88% до 23% — ушло больше шестидесяти процентов за один заход.

Чем выше уровень рассуждений, тем чище результат — и тем дольше ожидание и длиннее счёт за токены. К этой закономерности мы ещё вернёмся на других моделях ниже.

Ответ Sol: баллы на уровне лидера, счёт в восемь раз меньше

Теперь к GPT-6.2 Sol. Главный повод для обсуждений в последние дни — разошедшийся по сети скриншот якобы первых замеров из Artificial Analysis (AA):

Если верить картинке, в Intelligence Index модель набирает 60 баллов: делит первое место с Google Gemini 4 Carbon, обходит Claude Opus 5.5 (59 баллов), прибавляет сразу 5 баллов к результату прошлой GPT-6.1 Sol и даже опережает старшую GPT-6 Astra — становясь первой моделью OpenAI, которая явно обошла Opus 5.5.

Инженерные и финансовые метрики на скриншоте ещё интереснее: среднее время на сложную задачу снижено до 18,7 минуты, а стоимость задачи — всего $1.19, примерно в восемь раз дешевле Opus 5.5 ($10.04).

Но принимать эти цифры за свершившийся факт рано. Мы проверили сайт Artificial Analysis и документацию OpenAI: по состоянию на 12 ноября никакой GPT-6.2 Sol в рейтинге AA нет, а URL карточки модели со скриншота отдаёт 404. Если поставить цифры из утечки рядом с актуальными данными уже вышедших флагманов на сайте AA, картина становится понятнее:

Сначала о времени. 18,7 минуты со скриншота — это примерно на четверть быстрее и Opus 5.5 (25,0 минуты), и Carbon (25,7 минуты), то есть лучший результат среди перечисленных тяжеловесов. Но с одной оговоркой: медиана по моделям того же класса в AA составляет 12,8 минуты, так что быстрой её можно назвать только на фоне самых тяжёлых флагманов, а не по таблице в целом.

Главный же шум поднялся вокруг счёта в $1.19 — в восемь раз дешевле Opus 5.5 и впятеро дешевле GPT-6 Astra ($6.24). Однако если посмотреть на соседний столбец с официальными данными, видно: низкая цена задачи — вообще не новшество версии 6.2. У давно работающей GPT-6.1 Sol задача стоит $1.27 — всего на 8 центов дороже цифр со скриншота. На наш взгляд, если вам нужна недорогая замена тяжёлым флагманам, брать в расчёт можно уже нынешнюю 6.1 Sol, не дожидаясь выхода 6.2.

Сам прайс-лист за токен у линейки Sol самый обычный: GPT-6.1 Sol стоит $2 за миллион входных токенов и $10 за миллион выходных при контекстном окне в 1 млн токенов — стандартные цифры для этого класса. Секрет дешёвой задачи в том, что модель меньше льёт воды: на полный прогон Intelligence Index у 6.1 Sol уходит 63,7 млн выходных токенов, тогда как Opus 5.5 и Carbon переваливают за 200 млн. Ответы короче в несколько раз — отсюда и скромный чек.

Здесь же кроется частая ловушка в расчётах: и у OpenAI, и у Google токены рассуждений тарифицируются по цене выходных. Если не ограничивать глубину размышлений, один запрос легко обходится в несколько раз дороже обычного ответа.

Демо-ролики тоже не заставили себя ждать. По одному промпту пользователи, попавшие в тестовую выборку Sol, получают готовые 3D-сцены на Three.js в одном HTML-файле — без Blender и внешних ассетов: чёрные дыры, парусники и Колизей сразу крутятся в браузере, и эти сцены напрямую сравнивают с выдачей Opus 5.5. Один из тестеров просидел в модели 3 часа подряд, собрал несколько сцен на Three.js и результат понравился ему больше, чем у Opus 5.5.

Подписка за $20 снова обретает смысл

Для обычных пользователей главный вопрос — как модель ведёт себя в подписке. Для владельцев ChatGPT Plus обновление до Sol называют чуть ли не главным апгрейдом за всё время: в повседневных задачах она обходит Opus 5.5 и при этом не выжигает лимиты использования слишком быстро даже внутри 5-часового окна, так что подписка за $20 снова начинает окупаться.

Впрочем, такие оценки идут в основном от аккаунтов, которые собирают утечки и инсайды до релиза, и написаны в будущем времени. Звучит заманчиво, но мы считаем, что до официального запуска к этим обещаниям лучше относиться со здоровым скепсисом.

Чтобы проверить, переключили ли ваш аккаунт на новую модель при скрытой раскатке, в сообществе используют простой способ: выбирают GPT-6.1 Sol (на уровне Max или xhigh), отключают веб-поиск и память и спрашивают, знает ли она про недавно вышедшую Claude Fable 5 — если отвечает по делу, значит, запрос ушёл уже на новую версию. Те, кому модель уже попалась, отмечают ещё одну приятную деталь: из ответов пропала привычка в каждом абзаце перестраховываться и стелить соломку — тон стал намного прямее.

Вокруг даты релиза тоже хватало ложных тревог. 9 ноября аккаунт разработчиков OpenAI выложил 14-секундный тизер с одним словом «Tomorrow.», ролик собрал больше 2,4 млн просмотров, и вся лента решила, что завтра выкатят модель:

X · @OpenAIDevsTomorrow.Смотреть в X

На следующий день выяснилось, что модель тут ни при чём: тизер анонсировал ретро-консоль в духе Game Boy в магазине мерча OpenAI (ModRetro Chromatic).

А обещанная слухами «в четверг» GPT-6.2 Sol к четвергу, 12 ноября, в официальной документации OpenAI так и не появилась.

Пока всё это остаётся отзывами с узкой раскатки и скриншотами неизвестного происхождения; окончательные выводы можно будет делать, когда модель выйдет официально и Artificial Analysis проведёт собственный прогон.

Carbon и Argon: два разных характера в одной линейке

Помимо Krypton, в четвёртом поколении Google постоянно сравнивают между собой уже вышедшие Carbon и Argon — и характер у них совсем разный.

У Carbon 60 баллов в Intelligence Index и контекстное окно в 1 млн токенов — её стихия это большие объёмы материалов, задачи по кибербезопасности и долгие автономные прогоны. Минусы тоже на виду: на высоком уровне рассуждений уровень галлюцинаций достигает 11%, а первого токена ответа приходится ждать больше минуты.

Argon по общему индексу ступенью ниже — 50 баллов, зато берёт стабильностью: уровень галлюцинаций всего 4%, а в прикладном кодинговом тесте Vibe Code Bench она набирает 91,91% — выше и Carbon (89,06%), и Opus 5.5 (90,29%). Да и время до первого токена ответа у неё около 37 секунд.

Правда, быстрый старт ответа ещё не означает быструю задачу целиком: по замерам AA, среднее время на задачу у Argon составляет 30,0 минуты — на 4 с лишним минуты дольше, чем у Carbon (25,7 минуты).

Обе модели до 30 ноября идут по вводной цене $2 за миллион входных и $10 за миллион выходных токенов, а с 1 декабря тариф вернётся к $4 и $20. На старте Carbon давали только узкому кругу команд по киберзащите, с 10 ноября API открыт для всех платных разработчиков, но на бесплатном уровне обе модели недоступны.

Медлительность — главная претензия к Carbon в реальной работе. Theo (t3.gg) прогнал одну и ту же задачу по программированию: Opus 5.5 на уровне high справилась за 9 минут 33 секунды, а Carbon даже на минимальном уровне low возилась 22 минуты 21 секунду.

Если разложить один шаг по секундам, видно, где теряется время: перед каждым ответом Carbon просто молчит по 11 с лишним секунд, а когда начинает писать, печатает не медленнее остальных. За сессию длиной 8 часов 10 минут модель ответила 1,319 раз, и около 4 часов из них ушло на ожидание старта генерации. Проблема здесь явно на стороне серверов инференса Google, а не в самой модели.

К задержкам добавляются жёсткие квоты. Даже в максимальной подписке Google за $200 в месяц квота на полноценную Gemini 4 крошечная и выгорает моментально. Технология сильная, но как массовый пользовательский продукт она пока буксует.

Отдельно стоит сравнить расход токенов по методике AA Intelligence Index: за полный прогон всех тестов Carbon выдаёт 205 млн выходных токенов, Argon — 113 млн, а GPT-6.1 Sol — 63,7 млн. При одинаковом прайсе за токен итоговый чек расходится в разы: по расчётам AA, задача на Argon стоит $9.95, на Carbon — $7.76, а на GPT-6.1 Sol — $1.27. Всё упирается в то, как долго модель думает и сколько текста генерирует — та же самая экономика токенов рассуждений, с которой мы столкнулись в начале.

И ещё одна деталь при чтении рейтингов — приписка в скобках после названия модели: Carbon и Argon в AA тестировали на уровне high, а Opus 5.5 и Sol — на max. Уровни рассуждений и оснастка (harness) у разных прогонов не совпадают, поэтому разницу в один-два балла в таблице не стоит воспринимать как безусловную победу.

Главный вывод из тестов — менять модель под задачу

Практичнее всего к вопросу подошли тестеры, которые просто поделили работу между тремя семействами:

• Krypton — на творческие задачи, где нужны глубина и проработка мелких деталей.
• Sol — на повседневный поток вопросов и объёмную рутину.
• Opus 5.5 — на написание кода и оркестрацию агентов.

Модели, которая выигрывала бы везде, сейчас нет. Даже если Sol действительно догонит Carbon по баллам, на задачу она всё равно тратит больше времени, чем медиана по классу; Carbon сильна на длинной дистанции, но заставляет мириться с долгим ожиданием и 11% галлюцинаций; Argon надёжнее, но уступает ступень по общему индексу. Что до Opus 5.5, она заметно дороже Sol и за токен, и за задачу, а в замерах AA первого токена ответа от неё ждут почти 6 минут — дорого и неспешно, но в коде её репутация по-прежнему самая крепкая. Разница в пару баллов в бенчмарке и реальное удобство на вашей задаче — совершенно разные вещи.

Пока Krypton и GPT-6.2 Sol ещё в пути, эту же схему разделения труда можно собрать из четырёх уже работающих моделей. На CodingPass все они доступны по одному API-ключу — чтобы сменить модель, достаточно поменять её ID (месячные квоты по тарифам собраны на странице всех моделей):

Выбирая модель под конкретное дело, полезнее сначала решить, что вам сейчас важнее — вылизать детали или быстро прогнать объём, — и уже под это выставить уровень рассуждений, чем всматриваться в один-два балла разницы в таблицах. На сложной визуализации или архитектуре выкрутите уровень рассуждений на максимум и дайте модели подумать; на быстрых вопросах прижмите его пониже, чтобы не оплачивать длинную цепочку самопроверок ради простого ответа. Именно этот переключатель чаще всего решает и скорость работы, и сумму в счёте.

Волна релизов 2026 года вернула выбор инструмента самому разработчику. Вместо того чтобы ждать одну модель-победителя на все случаи жизни, проще разбить задачи по типам и ставить на каждую ту, что справляется лучше. Когда инструментов много, умение переключать их экономит больше, чем ожидание следующего релиза.