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.

Spis treści 6
👁 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 Carbon | Claude Fable 5.2 | GPT-6.1 Sol | |
|---|---|---|---|
| Cena API za 1 mln tokenów (we / wy) | 2 / 10 USD do 30.11, potem 4 / 20 | 8 / 40 USD | 2 / 10 USD |
| Kontekst | 1 048 576 | 1 000 000 | 1 050 000 |
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
| Zadanie | Carbon | Fable 5.2 | GPT-6.1 Sol |
|---|---|---|---|
| 23 zadania praktyczne (low) | 99,5%* | 100% | 100% |
| koszt / czas | 0,23 USD / 264 s | 1,37 USD / 190 s | 0,22 USD / 180 s |
| 6 zadań kodu, 76 testów (medium) | 63/76 | 76/76 | 76/76 |
| 2 trudne zadania kodu, 60 testów | 60/60 | 60/60 | 60/60 |
| 13 zagadek (w tym 5 trudnych) | 13/13 | 13/13 | 13/13 |
| Agent: cenniki, tabela, kod | 10/10, 0,032 USD, 54 s | 10/10, 0,140 USD, 31 s | 10/10, 0,016 USD, 20 s |
| Arkusz kalkulacyjny od zera, 34 testy | 34/34, 0,47 USD, 518 s | 34/34, 0,82 USD, 201 s | 34/34, 0,05 USD, 77 s |
| Audyt aplikacji Flask, 8 luk | 8/8 (+2 uwagi), 0,027 USD | 8/8 (+4), 0,140 USD | 8/8 (+5), 0,029 USD |
| Analiza logu po włamaniu | 7/7, 39 s | 7/7, 17 s | 7/7, 14 s |
| Łatanie luk, 14 testów (medium) | 0/14 (błąd wcięcia) | 14/14 | 3/14 (patrz niżej) |
| Zmyślone źródła, 16 publikacji | 0 zmyślonych, 2 drobne błędy | 0 zmyślonych, 0 błędów | 0 zmyślonych, 1 błąd** |
| Wizja: 10 pytań do wykresu, tabeli i paragonu | 10/10 | 10/10 | 10/10 |
| Czysty JSON bez ramki kodu, gdy go wymagałem (3 próby) | 1/3 | 2/3 | 3/3 |
* 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.
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.
| Carbon | Fable 5.2 | GPT-6.1 Sol | |
|---|---|---|---|
| Średnie miejsce (1-5) | 2,5 | 3,83 | 1,17 |
| Błędy językowe (średnio) | 1,0 | 0,0 | 0,0 |
| Naturalność (1-10) | 7,67 | 8,33 | 8,67 |
| Wykonanie polecenia (1-10) | 8,33 | 7,33 | 9,67 |
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
| Carbon | Fable 5.2 | GPT-6.1 Sol | |
|---|---|---|---|
| Czas do pierwszego tokenu (mediana, low) | 2,27 s | 2,24 s | 1,48 s |
| Tokeny na sekundę (mediana) | 70 | 119 | 78 |
| Esej na 500 słów (mediana) | 17,0 s | 19,1 s | 25,7 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

Autor
Twórca i autor Promptowego, polskiego serwisu o sztucznej inteligencji. Codziennie śledzi premiery modeli, narzędzia i regulacje AI, i tłumaczy je prostym, konkretnym językiem.
Czytaj dalej
Artykuły · Co umie Gemini 4 Carbon: 12 zadań z promptami i wynikamiDałem Gemini 4 Carbon ponad 50 zadań w dniu udostępnienia. Tu 12 najciekawszych: od matury i pisma do ZUS po log serwera po włamaniu. Bez porównań...
Artykuły · GPT-6 Cyber vs Claude Mythos vs Gemini 4 Carbon: trzy zamknięte modele do bezpieczeństwaTrzy modele AI do cyberbezpieczeństwa obok siebie: kto ma dostęp, ile kosztują i jak czytać ich wyniki.
Artykuły · Gemini 4 Carbon: API, cena i czy jest za darmo (Python, curl, OpenRouter)Carbon nie ma darmowej wersji, ale przez API kosztuje grosze, jeśli wiesz, jak go ustawić. Prawdziwe rachunki z moich testów, kod w Pythonie i curl...


