GPT-6.1 Sol vs. Laguna S 2.1: Fünfzigfacher Ausgabepreis für Arbeit, die niemand Seite an Seite gemessen hat

Fünfzig Mal. Das ist das Verhältnis zwischen dem, was GPT-6.1 Sol für eine Million Output-Tokens berechnet und dem, was Laguna S 2.1 berechnet — 10,00 $ gegen 0,20 $ — und es ist die größte Preislücke in dieser gesamten Vergleichsserie. GPT-6.1 Sol ist Open​AIs Veröffentlichung vom 29.09.2026, ein 1.050.000-Token-Generalist mit einem veröffentlichten unabhängigen Score. Laguna S 2.1 ist Poolside's Veröffentlichung vom 21.07.2026, ein 118-Milliarden-Parameter-Open-Weight-Mixture-of-Experts-Agentic-Coder mit etwa 8 Milliarden aktiven Parametern pro Token, Apache-nahen Gewichten auf Hugging Face und einem Benchmark-Set, das Poolside selbst erstellt hat. Die Preislücke ist real und enorm. Ob es eine Lücke ist, die es zu überbrücken lohnt, hängt von einer Frage ab, die kein Anbieter beantwortet hat: Hat jemand die beiden bei derselben Aufgabe gemessen?

Von Anbietern gemeldete Zahlen werden durchgängig als solche gekennzeichnet. Zahlen von Artificial Analysis sind unabhängige Messungen, die in unseren Modellaufzeichnungen geführt werden. Unsere eigenen Serving-Zahlen werden als unsere eigenen ausgewiesen. Wo eine Zelle leer ist, bleibt sie leer.

Was jede Seite ist

Poolside's Laguna S 2.1 ist ein Spezialist, und sein Design verrät das auch. Es ist ein Mixture-of-Experts-Modell mit 118 Milliarden Parametern, von denen bei jedem einzelnen Token etwa 8 Milliarden aktiv sind, mit einem Umschalter für Denkmodus/Nicht-Denkmodus und einem Kontextfenster, das 1.000.000 Token erreicht. Ein kleineres Geschwistermodell, Laguna XS 2.1, liegt bei 33 Milliarden Parametern mit rund 3 Milliarden aktiven und kostet 0,06 $ für Eingabe und 0,12 $ für Ausgabe pro Million. Die Gewichte für die S-Variante sind auf Hugging Face unter poolside/Laguna-S-2.1.

Die Angabe von 8 Milliarden aktiven Parametern ist die Zahl, die den Preis erklärt und zugleich das Produkt einschränkt. Die Inferenzkosten richten sich nach den aktiven Parametern, nicht nach der Gesamtzahl; ein 118B-MoE, der 8B pro Token aufwendet, ist günstig zu betreiben, und zwar auf eine Weise, wie es bei einem dichten Modell derselben Gesamtgröße nicht der Fall wäre. Doch ein Budget von 8B aktiven Parametern ist auch eine harte Obergrenze dafür, was ein einzelner Vorwärtsdurchlauf leisten kann, und diese Obergrenze ist der Grund, warum ein allgemeiner Index eines unabhängigen Evaluators für das Modell ein nützlicherer Maßstab ist als ein codingspezifischer Score.

GPT-6.1 Sol ist die entgegengesetzte Art von Objekt. Eine Snapshot-Kennung, gpt-6.1-sol, keine datierte Variante, ein Kontextfenster von 1.050.000 Token, maximal 128.000 Ausgabe, Text-, Bild- und Dateieingabe, Reasoning immer aktiv über fünf Aufwandsstufen mit Standardwert medium, und ein Wissens-Cutoff vom 30. April 2026. Es akzeptiert weder temperature noch top_p; der Aufwandsregler ersetzt sie. Es ist geschlossen, wird pro Token abgerechnet und ist nicht feinabstimmbar.

Die Dimensionen, in denen sie sich tatsächlich unterscheiden:

• Eingabepreis — 0,10 $ pro Million für Laguna S 2.1 gegenüber 2,00 $ für GPT-6.1 Sol. Zwanzigmal.

• Ausgabepreis — 0,20 $ gegenüber 10,00 $. Fünfzigmal.

• Reasoning Control — ein binärer Umschalter zwischen Denken und Nicht-Denken bei Laguna S 2.1 gegenüber fünf abgestuften Aufwandsstufen bei GPT-6.1 Sol.

• Gewichte — herunterladbar und selbst hostbar für Laguna S 2.1; geschlossen für GPT-6.1 Sol.

• Kontextfenster — bis zu 1.000.000 Tokens für Laguna S 2.1 gegenüber 1.050.000 für GPT-6.1 Sol. Praktisch gleichauf.

Die Benchmark-Zeilen mit beiden angebrachten Label-Sätzen

Poolside veröffentlichte Zahlen für Laguna S 2.1 – alle vom Anbieter selbst angegeben, und soweit wir feststellen konnten, keine davon von einer dritten Partei reproduziert:

• SWE-Bench Multilingual — 78,5 %.

• Terminal-Bench 2.1 — 70,2 %.

• DeepSWE v1.1 — 40,4 % gegenüber 9,0 % für DeepSeek-V4-Pro-Max, was Poolside so darstellt, dass rund ein Sechstel der aktiven Parameter mehr als die vierfache Punktzahl erzielt.

GPT-6.1 Sols unabhängiger Rekord, alle von Artificial Analysis:

• AA Intelligence Index — 51,8, Rang 10 von 147, 93,2. Perzentil.

• Humanity's Last Exam — 52,9 %.

• Trefferquote bei langem Kontext — 83 %.

• SciCode — 54,2 %.

• Terminal-Bench 4.0 — 56,06 %.

Es gibt eine Stelle, an der diese beiden Listen sich zu treffen scheinen, und sie ist eine Falle. Laguna S 2.1 meldet 70,2 % bei Terminal-Bench 2.1. GPT-6.1 Sol wird in unseren Aufzeichnungen überhaupt nicht bei Terminal-Bench 2.1 bewertet – sein Terminal-Wert bezieht sich auf Version 4.0, eine spätere und schwierigere Revision des Harness. 70,2 % neben 56,06 % zu stellen und es einen Zwölf-Punkte-Sieg von Laguna zu nennen, hieße, zwei verschiedene Tests zu vergleichen, und genau das ist der Fehler, den dieser Blog vermeiden will. Die beiden Modelle haben keine gemeinsame Benchmark-Zeile, was bedeutet, dass die Leistungshälfte dieses Vergleichs derzeit nicht gemessen ist.

Zwei weitere Lücken verdienen es, benannt zu werden. Laguna S 2.1 hat keinen Score im Artificial Analysis Intelligence Index und kein unabhängiges Ergebnis bei SWE-bench Verified. Für ein im Juli veröffentlichtes Modell ist das eine lange Zeit ohne externe Messung, und es ist die größte einzelne Auslassung in allem, was Poolside darüber veröffentlicht hat.

Was der Thinking-Toggle tatsächlich bringt

Poolside eigene Zahlen beziffern den Umschalter, und das ist das Interessanteste an der Veröffentlichung. Das Einschalten des Denkens hebt DeepSWE v1.1 von 16,5 % auf 40,4 % — ein Faktor von ungefähr 2,4 — und Terminal-Bench 2.1 von 60,4 % auf 70,2 %. Beide Werte stammen vom Anbieter und sind nicht reproduziert.

Im Verhältnis zum Preis betrachtet zählt das auf eine Weise, die die plakative Preisliste nicht erfasst. Der Thinking-Modus verbraucht Output-Tokens, und Output-Tokens sind genau das, wofür Sie bezahlen. Eine Workload, die Laguna S 2.1 mit eingeschaltetem Thinking ausführt, verbraucht wesentlich mehr Output als dieselbe Workload mit ausgeschaltetem Thinking – was genau dem entspricht, was man von einem 2,4-fachen Gewinn bei einem anspruchsvollen agentischen Benchmark erwarten würde. Der ehrliche Vergleich mit GPT-6.1 Sol ist also nicht 0,20 $ gegen 10,00 $ beim reinen Output. Es sind die Kosten pro abgeschlossener Aufgabe mit aktiviertem Thinking gegen die nach Aufwand bepreisten Kosten pro abgeschlossener Aufgabe.

Dieser Vergleich fällt immer noch enorm zugunsten von Laguna S 2.1 aus, und es lohnt sich, die Rechnung aufzumachen, statt sie nur zu behaupten. Nehmen wir eine Arbeitslast, die monatlich eine Milliarde Ausgabe-Tokens bei drei Milliarden Eingabe-Tokens erzeugt:

• GPT-6.1 Sol — 3 Milliarden Input bei 2,00 $ pro Million sind 6.000 $; 1 Milliarde Output bei 10,00 $ pro Million sind 10.000 $. Sechzehntausend Dollar im Monat.

• Laguna S 2.1, Denkmodus aus — 300 $ für Eingabe und 200 $ für Ausgabe. Fünfhundert Dollar pro Monat.

• Laguna S 2.1, Denkmodus aktiviert bei ungefähr 2,4-fachem Output — 300 $ Input und etwa 480 $ Output. Unter achthundert Dollar pro Monat.

Selbst mit der Thinking-Penalty ist das bei diesem Volumen ein Unterschied von rund 15.000 $ pro Monat. Wenn Ihre Workload eine ist, die ein Laguna S 2.1 tatsächlich bewältigen kann, ist die Preisfrage nicht knapp, und kein plausibler Umfang an Retry-Overhead schließt sie. Das verlagert die gesamte Entscheidung auf die Leistungsfähigkeit – und Leistungsfähigkeit ist die Hälfte dieses Vergleichs, für die es keine gemeinsame Messgröße gibt.

Wo die fünfzigfache Kluft nicht mehr der Punkt ist

Drei Dinge holen das Verhältnis zurück in die Realität, und jedes verdient es, klar ausgesprochen zu werden, weil die obige Zahl auf eine Weise verlockend ist, die Teams schon echtes Geld gekostet hat.

Der erste Punkt ist, dass ein Coder mit 8 Milliarden aktiven Parametern und ein Frontier-Generalist kein Ersatz füreinander sind. Laguna S 2.1 ist für agentisches Software-Engineering gebaut – Repository-Bearbeitungen, Terminal-Aufgaben, mehrsprachiger Code – und Poolside vermarktet es als solches. Es ist nicht für dokumentenintensive professionelle Arbeit, Computer Use oder die Long-Context-Recall-Aufgaben positioniert, bei denen GPT-6.1 Sol einen unabhängigen Long-Context-Recall-Score von 83 % und ein 1.050.000-Token-Fenster aufweist. Bei diesen Aufgaben lautet der ehrliche Vergleich nicht „Das günstige Modell gewinnt“, sondern „Das günstige Modell wurde nicht dafür gebaut“. Die 15.000 $ pro Monat im Rechenbeispiel sind nur dann eine Einsparung, wenn die Ausgabe des günstigeren Modells brauchbar ist, und für eine Klasse von Workloads hat niemand nachgewiesen, dass sie brauchbar ist.

Das Zweite sind Durchsatz und die operative Oberfläche. GPT-6.1 Sol meldet eine p50-Latenz von 2.442 Millisekunden und 95,57 Ausgabe-Token pro Sekunde über sieben Tage unseres eigenen Playground-Datenverkehrs, bei einer Fehlerquote von 6,36 %. Wir haben kein vergleichbares Serving-Panel für Laguna S 2.1 – es wird nicht über OrcaRouter geroutet –, sodass es keine Zahl gibt, die wir danebenstellen könnten, und die Latenz des selbst gehosteten Pfads ist eine Funktion der Hardware, die Sie kaufen. Auf acht H100s werden Sie bei derselben Parallelität nicht den Durchsatz eines gehosteten Frontier-Endpunkts erreichen; Sie werden Latenz gegen Stückkosten eintauschen, und wie dieser Tausch ausfällt, hängt davon ab, ob Ihr Workload latenzempfindlich ist.

Der dritte Punkt ist, dass der Self-Hosting-Weg nur bei hohem Volumen günstig ist. Dieselben Sätze von 0,10 $ und 0,20 $, die die obige Rechnung wie einen Erdrutschsieg aussehen lassen, sind auch das, was ein Inferenzanbieter, der nahe an den Kosten abrechnet, nennen würde – was das Argument dafür ist, das offene Modell zu mieten, statt Hardware dafür zu kaufen, bei jedem Volumen, das unter dem liegt, welches die GPUs rechtfertigt.

Wie man den Anruf tatsächlich tätigt

Dies ist die seltene Kombination, bei der der richtige nächste Schritt keine Routing-Änderung ist, weil die beiden Modelle auf völlig unterschiedliche Weise erreicht werden.

GPT-6.1 Sol ist auf OrcaRouter als openai/gpt-6.1-sol zum Listenpreis von Open​AI mit 0 % Aufschlag — 2,00 $ Eingabe, 10,00 $ Ausgabe, gecachte Eingabe zu 0,10 $, und die Tarifstufe oberhalb von 272.000 Token wird genau so angewendet, wie Open​AI sie festlegt. Da die Routing-Schicht den Preis des Anbieters durchreicht, anstatt ihn aufzuschlagen, ist eine Preisänderung auf Seiten von Open​AI hier am selben Tag live, an dem sie in Kraft tritt. Wo eine Route live ist, automatisches Failover liegt darunter — was der günstige Weg ist, herauszufinden, ob ein günstigeres Modell einen Produktionspfad halten kann, da das teure Modell weiterhin nur eine Routing-Regel entfernt ist.

Laguna S 2.1 ist nicht auf OrcaRouter verfügbar, und wir hosten es nicht. Erreichbar ist es über die eigene API von Poolside und, da die Gewichte veröffentlicht sind, dadurch, dass Sie es selbst betreiben – was für dieses Modell die interessantere Option ist, denn ein 118B-MoE mit 8B aktiven Parametern ist wirklich klein genug, um auf Hardware zu laufen, die ein mittelgroßes Team selbst besitzen kann. Der richtige erste Schritt bei dieser Paarung ist daher überhaupt kein Preisvergleich: Nehmen Sie zwanzig Ihrer echten Coding-Aufgaben, lassen Sie sie über Ihren bestehenden GPT-6.1-Sol-Pfad laufen und lassen Sie dann dieselben zwanzig durch Laguna S 2.1 laufen, mit ein- und ausgeschaltetem Thinking. Damit haben Sie jetzt die gemeinsame Benchmark-Zeile, die keiner der beiden Anbieter veröffentlicht hat, auf dem einzigen Aufgabensatz, der zählt, und der fünfzigfache Preisunterschied wird zu einer Zahl, die Sie entweder verbuchen oder mit Belegen ablehnen.

Das Urteil, das dieses Paar auf Grundlage der derzeit vorhandenen Belege verdient: Laguna S 2.1 ist derzeit die interessanteste Kosten-pro-Fähigkeit-Proposition im agentischen Coding, mit Herstellerzahlen, die es zur Standardwahl machen würden, wenn sie unabhängig bestätigt wären – und es gibt keine unabhängige Bestätigung für irgendeine davon. GPT-6.1 Sol kostet beim Output fünfzig Mal so viel und ist der einzige der beiden, dessen Fähigkeit irgendjemand außerhalb des Unternehmens auf einem gemeinsam genutzten Messinstrument gemessen hat. Kaufen Sie die Gewichte des günstigen Modells und testen Sie sie, denn anders als bei den meisten offenen Veröffentlichungen ist dieses klein genug, um es ordentlich zu testen – und begreifen Sie die Fünfzigfach-Zahl als Grund, diesen Test durchzuführen, nicht als dessen Antwort.