Przejdź do treści
Sklep

Artykuły

Gemini 4 Carbon vs Claude Fable 5.2 vs GPT-6.1 Sol: test na tych samych zadaniach

Carbon, Fable 5.2 i GPT-6.1 Sol dostały te same zadania przez OpenRouter. Skuteczność wyszła prawie równa, a różnice zrobiły się w cenie, czasie i wpadkach. Wszystkie liczby w tabelach.

Tekst: 4 min czytania
Gemini 4 Carbon vs Claude Fable 5.2 vs GPT-6.1 Sol: test na tych samych zadaniach
Spis treści 6
  1. Ceny i parametry
  2. Wyniki na tych samych zadaniach
  3. Polski: ślepa ocena sędziego
  4. Szybkość
  5. Wpadki, o których trzeba wiedzieć
  6. Którego wybrać

👁 113 przeczytań

W tabeli Google z premiery Gemini 4 Carbon wygrywa 17 z 19 testów. 10 listopada mogłem go wreszcie sprawdzić sam, więc zestawiłem go z dwoma najmocniejszymi modelami, które da się dziś kupić w API: Claude Fable 5.2 od Anthropic (premiera 9 listopada) i GPT-6.1 Sol od OpenAI. Wszystkie trzy dostały te same zadania przez OpenRouter, z tymi samymi ustawieniami, a oceniał je automat, klucz albo testy jednostkowe.

Wynik w skrócie: na moich zadaniach skuteczność jest prawie równa, a różnice robią się w cenie, czasie i niezawodności. GPT-6.1 Sol jest najtańszy i najszybszy w pracy, Fable 5.2 najbardziej niezawodny przy kodzie, a Carbon wygrywa tam, gdzie liczy się staranność, ale płaci za nią długim myśleniem.

Ceny i parametry

Gemini 4 CarbonClaude Fable 5.2GPT-6.1 Sol
Cena API za 1 mln tokenów (we / wy)2 / 10 USD do 30.11, potem 4 / 208 / 40 USD2 / 10 USD
Kontekst1 048 5761 000 0001 050 000

Ceny API według OpenRouter i cenników producentów z 10.11.2026. Szczegóły o Fable są w przewodniku po Claude Fable 5.2.

Wyniki na tych samych zadaniach

ZadanieCarbonFable 5.2GPT-6.1 Sol
23 zadania praktyczne (low)99,5%*100%100%
koszt / czas0,23 USD / 264 s1,37 USD / 190 s0,22 USD / 180 s
6 zadań kodu, 76 testów (medium)63/7676/7676/76
2 trudne zadania kodu, 60 testów60/6060/6060/60
13 zagadek (w tym 5 trudnych)13/1313/1313/13
Agent: cenniki, tabela, kod10/10, 0,032 USD, 54 s10/10, 0,140 USD, 31 s10/10, 0,016 USD, 20 s
Arkusz kalkulacyjny od zera, 34 testy34/34, 0,47 USD, 518 s34/34, 0,82 USD, 201 s34/34, 0,05 USD, 77 s
Audyt aplikacji Flask, 8 luk8/8 (+2 uwagi), 0,027 USD8/8 (+4), 0,140 USD8/8 (+5), 0,029 USD
Analiza logu po włamaniu7/7, 39 s7/7, 17 s7/7, 14 s
Łatanie luk, 14 testów (medium)0/14 (błąd wcięcia)14/143/14 (patrz niżej)
Zmyślone źródła, 16 publikacji0 zmyślonych, 2 drobne błędy0 zmyślonych, 0 błędów0 zmyślonych, 1 błąd**
Wizja: 10 pytań do wykresu, tabeli i paragonu10/1010/1010/10
Czysty JSON bez ramki kodu, gdy go wymagałem (3 próby)1/32/33/3

* Jeden punkt automat odjął za poprawną formę „Sądu Okręgowego” - to jego błąd. ** Wynik GPT-6.1 Sol w źródłach z mojego testu z 13 października, ten sam prompt.

Nie przepłacaj za subskrypcje AI

Prowadzę sklep z rocznymi dostępami do narzędzi AI, taniej niż w cenniku producenta. Sprawdź, co jest teraz na stanie.

Zobacz, co jest dostępne

Polski: ślepa ocena sędziego

Trzy teksty po polsku: mail do urzędu skarbowego w sprawie zwrotu nadpłaty, streszczenie artykułu w 70 słowach i tekst na stronę palarni kawy. Sędzia (GPT-6.1 Sol, dwie rundy z losową kolejnością, bez nazw modeli) porównywał pięć modeli naraz: oprócz tej trójki także Claude Opus 5.5 i Gemini 4 Argon.

CarbonFable 5.2GPT-6.1 Sol
Średnie miejsce (1-5)2,53,831,17
Błędy językowe (średnio)1,00,00,0
Naturalność (1-10)7,678,338,67
Wykonanie polecenia (1-10)8,337,339,67

Uwaga: sędzią był model OpenAI, więc wysoką pozycję Sola traktuję ostrożnie. Carbon był drugi, przed Fable 5.2 i Opusem. Sędzia wyżej ocenił u niego wykonanie polecenia (8,33 wobec 7,33 u Fable), za to Fable pisał czyściej: zero błędów i wyższa naturalność.

Szybkość

CarbonFable 5.2GPT-6.1 Sol
Czas do pierwszego tokenu (mediana, low)2,27 s2,24 s1,48 s
Tokeny na sekundę (mediana)7011978
Esej na 500 słów (mediana)17,0 s19,1 s25,7 s

Na niskim poziomie myślenia Carbon pisze esej najszybciej. Problem pojawia się na medium i high, gdzie generuje dziesiątki tysięcy tokenów myślenia. W całym zestawie zadań na medium wyprodukował 78 876 tokenów wyjścia, Fable 5.2 - 26 230, a GPT-6.1 Sol - 15 706.

Wpadki, o których trzeba wiedzieć

Carbon dwa razy zużył cały limit tokenów na myślenie i nie oddał odpowiedzi: przy wyrażeniu regularnym (limit 16 000) i przy arkuszu na poziomie high (limit 48 000). Ten sam regex na poziomie low rozwiązał w 13 sekund za 0,007 USD. Przy łataniu kodu na medium postawił o jedną spację za dużo i plik się nie uruchomił. Na high przeszedł 14 na 14.

GPT-6.1 Sol przy łataniu użył zapisu plików przez deskryptor katalogu (dir_fd), który nie działa na Windowsie, gdzie robiłem test, i jawnie rzucił błąd „platforma nie obsługuje”. Na Linuksie ten kod prawdopodobnie by przeszedł, ale tego nie sprawdzałem, więc liczę wynik tak, jak wyszedł.

Fable 5.2 nie miał wpadki w żadnym zadaniu, ale jest najdroższy: przy dokumencie na 51 tysięcy tokenów zapłaciłem za niego 0,71 USD, za Carbona 0,10 USD.

Którego wybrać

  • GPT-6.1 Sol - jeśli liczysz koszty i potrzebujesz szybkich, poprawnych odpowiedzi. Na moich zadaniach był najtańszy w pracy i nie przegrał żadnego zadania na Windowsie poza jednym środowiskowym.
  • Claude Fable 5.2 - jeśli najważniejsza jest niezawodność kodu bez sprawdzania. Zero wpadek, ale cztery razy wyższa stawka za token.
  • Gemini 4 Carbon - do zadań, w których liczy się staranność: audyt, źródła, przestrzeganie wymagań, długi dokument. Najlepiej na low albo medium z wysokim limitem tokenów. Do końca listopada kosztuje tyle co Sol za token, ale przez długie myślenie w praktyce wychodzi drożej.

Więcej o każdym teście Carbona: programowanie, bezpieczeństwo kodu, agent. Porównanie z młodszym bratem jest w tekście Carbon vs Argon, a wszystko w przewodniku po Gemini 4 Carbon.

Wydawca: PROMPTOWY Piotr Olszewski. Polityka redakcyjna · Zgłoś błąd lub poprawkę · Redakcja i kontakt

Piotr Olszewski

Autor

Twórca i autor Promptowego, polskiego serwisu o sztucznej inteligencji. Codziennie śledzi premiery modeli, narzędzia i regulacje AI, i tłumaczy je prostym, konkretnym językiem.

O mnie →Wszystkie teksty →

Czytaj dalej

Narzędzia do tego tematu

darmowe, bez kontaWszystkie 29 →
z sieci - nowe teksty w moich serwisach

Wszystkie moje projekty →

Najczęściej czytane

7 dni
  1. 1Okładka GTA 6 z własnym zdjęciem w AI: prompt do ChatGPT i Gemini, test na selfie
  2. 2GPT-6.2 Astra vs Claude Fable 5.2 vs Gemini 4 Carbon: benchmarki i mój test na 7 modelach (z Opus 5.5)
  3. 3Plakat festiwalu z polskim napisem: prompt i test 6 generatorów obrazu (Prompt dnia 14.11)
🛒 Sklep Kinetyka CapCut Pro 460 zł/rok Lovable Pro 450 zł/rok Replit Core 119 zł/rok Zobacz wszystko →