GPT-6.1 Sol vs. Tencent Hy4 Preview: 10 US-Dollar pro Output-Token zahlen – gegen ein offenes Modell für 2,50 US-Dollar

Legt man die beiden Preislisten nebeneinander, ist der Unterschied alles andere als subtil. Tencent Hy4 Preview listet an seinem internationalen Endpunkt $0.834 pro Million Input-Tokens, $2.501 pro Million Output-Tokens und $0.042 pro Million zwischengespeicherte Input-Tokens auf. GPT-6.1 Sol listet bei $2.00, $10.00 bzw. $0.10. Das ist ein 4×-Unterschied bei Output-Tokens und ein 2.4×-Unterschied bei Input, und weil beide Modelle pro Token abgerechnet werden, ist die Frage, die dieser Unterschied aufwirft, nicht, welches günstiger ist — Hy4 Preview ist in jeder Zeile günstiger —, sondern ob das teurere pro Aufruf genug mehr Arbeit erledigt, um das zu rechtfertigen. Keiner der beiden Anbieter hat eine Zahl veröffentlicht, die das direkt beantwortet, und in diesem Artikel geht es hauptsächlich darum, warum die offensichtlichen Zahlen auf beiden Seiten nicht die Antwort sind.

Tencent hat Hy4 Preview am 28.08.2026 veröffentlicht und als Open Source freigegeben; Open​AI hat GPT-6.1 Sol am 29.09.2026 über die API veröffentlicht. Beide sind textfähige agentische Modelle mit Kontextfenstern von einer Million Token, beide sind heute erreichbar, und beide sind in unserem Katalog – was dies zu dem seltenen Vergleich in dieser Reihe macht, bei dem die Arithmetik pro Token gegen zwei Live-Zeilen statt gegen eine Pressemitteilung durchgeführt werden kann. Die folgenden Zahlen stammen aus Tencent-Veröffentlichungsmaterial und Modelldokumentation, Open​AIs Modell- und Preisseiten, unseren eigenen Katalogdaten und den genannten veröffentlichten Evaluationen, gelesen am 12.10.2026. Jede Zahl, die ein eigener Lauf eines Anbieters ist, wird als solche gekennzeichnet.

Was jedes Modell tatsächlich ist

Beginne mit der Architektur, denn die beiden Modelle lösen dasselbe Serving-Problem mit derselben Technik.

• Parameter — Hy4 Preview ist ein 770B-Mixture-of-Experts-Modell mit 49B aktiven Parametern pro Token über 78 Schichten hinweg und verwendet 256 geroutete Experten plus 1 gemeinsam genutzten Experten. GPT-6.1 Sol ist ein proprietäres OpenAI-Modell, das in derselben Generation eine Stufe unter GPT-6 Astra eingeordnet ist; OpenAI veröffentlicht keine Parameterzahlen.

• Kontext und Ausgabe — beide dokumentieren etwa eine Million Tokens Eingabekontext. Unser Katalogeintrag für Hy4 Preview führt 1.048.576 Tokens Kontext mit einer maximalen Completion von 64.000 Tokens; Tencents eigenes Material beschreibt ein Kontextfenster von über 1M Tokens mit einer maximalen Eingabe von 960.000 Tokens. GPT-6.1 Sol dokumentiert 1.050.000 Tokens Kontext mit einer maximalen Ausgabe von 128.000 Tokens — doppelt so hoch wie Hy4s Completion-Obergrenze, was die Spezifikation ist, die zum Tragen kommt, wenn man ein langes strukturiertes Artefakt aus einem einzigen Aufruf erhalten möchte.

• Modalität — beide sind auf der Eingabeseite reine Textmodelle, mit der Werkzeugnutzung und strukturierten Ausgabe, die man von einem aktuellen agentischen Modell erwarten würde. Keines von beiden ist ein Vision-Modell.

• Reasoning-Steuerungen — Hy4 Preview bietet high, low und none, wobei high der Standard ist; eine Temperatur von 0,9 und top_p von 1,0 sind die empfohlenen Sampling-Einstellungen. GPT-6.1 Sol bietet low, medium (Standard), high, xhigh und max, ohne überhaupt eine Aus-Position – Reasoning ist immer aktiv, und Sampling-Parameter wie temperature und top_p werden rundheraus abgelehnt.

• Gewichte — Hy4 Preview ist unter Apache 2.0 als Open Source verfügbar und heute herunterladbar. GPT-6.1 Sol ist Closed Source, nur per API verfügbar und wird niemals selbst gehostet werden.

Die letzte Zeile ist diejenige, die diese beiden Modelle stärker trennt als jeder Benchmark. Ein 770B/49B-Apache-2.0-Modell ist ein Besitz; ein proprietäres API-Modell ist ein Abonnement. Alles andere auf dieser Seite dreht sich darum, welche dieser beiden Dinge deine Workload braucht.

Die Preiszeilen, mit durchgeführter Berechnung

Beide Tarifkarten sind veröffentlicht, und beide werden von uns ohne Aufschlag weitergegeben, sodass dieser Abschnitt überprüfbar und nicht lediglich berichtet ist.

• Ausgabe — GPT-6.1 Sol 10,00 $ pro Million gegenüber Hy4 Preview 2,501 $ pro Million. Auf jede Million Ausgabe-Tokens, die eine Workload erzeugt, entfallen 7,50 $ Differenz, und die Ausgabe ist der Posten, den ein Reasoning-Modell am stärksten beansprucht.

• Eingabe — 2,00 $ pro Million gegenüber 0,834 $. Eine 2,4-fache Lücke bei dem Posten, der jede Long-Context-Pipeline dominiert, weil ein Prompt im Repository-Maßstab oder für einen Dokumentensatz bei jedem Turn ein großes Präfix erneut sendet.

• Cache-Eingabe — 0,10 $ pro Million gegenüber 0,042 $. Beide Anbieter gewähren starke Rabatte auf erneut gelesene Prefixe, und die Cache-Rate von Hy4 beträgt weniger als die Hälfte der von GPT-6.1 Sol.

• Cache-Schreibvorgänge — GPT-6.1 Sol berechnet 2,50 US-Dollar pro Million für das Schreiben eines zwischengespeicherten Präfixes. Die veröffentlichten internationalen Tarife von Hy4 Preview enthalten keine separate Position für Cache-Schreibvorgänge, was bedeutet, dass der erste Schreibvorgang als gewöhnlicher Input und nicht als Premium abgerechnet wird.

Führe eine Anfrageform aus, die für beide Modelle üblich ist: 500.000 Eingabe-Tokens, von denen 460.000 ein gecachtes Präfix sind, und 20.000 Ausgabe-Tokens, in einem einzigen Aufruf.

• Bei GPT-6.1 Sol — 460.000 zwischengespeicherte Tokens zu 0,10 $/M sind 0,046 $, 40.000 neue Eingabe-Tokens zu 2,00 $/M sind 0,080 $, und 20.000 Ausgabe-Tokens zu 10,00 $/M sind 0,200 $. Insgesamt 0,326 $.

• Bei Hy4 Preview — 460.000 gecachte Token zu 0,042 $/M sind 0,019 $, 40.000 frische Eingabe-Token zu 0,834 $/M sind 0,033 $, und 20.000 Ausgabe-Token zu 2,501 $/M sind 0,050 $. Gesamt 0,102 $.

Der Hy4-Aufruf liegt bei dieser Form etwas unter einem Drittel des GPT-6.1-Sol-Aufrufs. Nun die Einschränkung, die den Vergleich ehrlich macht: Dies ist ein Vergleich zweier Preislisten, angewendet auf eine identische Tokenzahl, und die Tokenzahlen sind zwischen Modellen nicht identisch. Ein Modell, das länger nachdenkt, bevor es antwortet, erzeugt für dieselbe Aufgabe mehr Ausgabe-Tokens, und GPT-6.1 Sol erzeugt laut Dokumentation bei vergleichbarer Arbeit 10–30 % mehr Ausgabe-Tokens als sein Vorgänger GPT-6 Sol. Wenn der Standard von Hy4 Preview mit Reasoning „high“ es ebenso ausgabefreudig macht, verringert sich die Lücke in der Praxis; wenn OpenAIs Modell das ausgabefreudigere der beiden ist, wächst die Lücke über die 3,2× hinaus, die die Arithmetik zeigt. Preislisten sagen Ihnen den Preis eines Tokens. Sie sagen Ihnen nicht, wie viele Tokens eine Aufgabe kostet, und nur das Ausführen Ihrer eigenen Workload klärt das.

Wo Benchmarks helfen und wo nicht

Dies ist der Abschnitt, in dem die Beweisqualität der beiden Modelle divergiert, und genau diese Divergenz ist der Punkt.

Die zentrale Bewertung von Tencent für Hy4 Preview ist ein blinder Side-by-Side-Präferenztest, und das Ergebnis lautet 2,99 für Hy4 Preview gegenüber 2,92 für GLM 5.3 und 2,94 für Kimi K3. Das sollte man genau lesen: Es handelt sich um eine Bewertung von Tencent selbst, es ist ein Präferenzwert und kein Genauigkeitswert, der Vorsprung beträgt sieben Hundertstel eines Punktes auf einer Skala von ungefähr drei Punkten, und die Vergleichsgruppe besteht aus zwei weiteren offenen Modellen. Es ist ein Beleg dafür, dass Hy4 Preview mit der aktuellen Open-Weight-Klasse konkurrenzfähig ist. Es ist kein Beleg dafür, dass es mit einem proprietären Frontier-Modell konkurrenzfähig ist, und keine Suite im Veröffentlichungsmaterial erhebt diesen Anspruch.

Tencent berichtet außerdem von einer Durchsatzverbesserung um 31,8 % durch die Selbstoptimierungsarbeit des Modells selbst, und die Architektur enthält eine native Multi-Token-Prediction-Schicht für spekulatives Decoding. Beides sind Angaben des Anbieters zur Serving-Effizienz, die von niemandem sonst reproduziert wurden, und beides ist plausibel für ein 770B/49B-MoE, das mit dieser Schicht gebaut wurde – aber sie beschreiben, wie schnell das Modell antwortet, nicht wie gut.

GPT-6.1 Sol hat die stärkere Beweislage, und es lohnt sich, präzise zu sein, warum. Seine unabhängige Intelligence-Index-Zeile bei maximalem Reasoning-Aufwand ist 52, mit gemessenen Laufkosten von 0,72 $ pro Aufgabe und einer Ausgabegeschwindigkeit von ungefähr 65 bis 67 Tokens pro Sekunde — eine dritte Partei führte ihn aus, bewertete ihn und berichtete, was der Lauf kostete. Sein Artificial Analysis Terminal-Bench 4.0-Wert ist 56,06, gegenüber 43,94 für seinen Vorgänger GPT-6 Sol, was den Generationssprung bei Shell-basierten agentischen Aufgaben auf etwa zwölf Punkte bringt. Dagegen sind die eigenen prominenten Evaluierungen von Open​AI für das Modell — einschließlich eines Terminal-Bench-Science-Ergebnisses, das 5,47 $ pro Aufgabe bei maximalem Aufwand gegenüber 23,21 $ für Claude Opus 5.5 nennt — die Läufe des Anbieters mit den Baselines des Anbieters, und niemand hat sie reproduziert.

Die ehrliche Zusammenfassung der Belege ist also einseitig und geht in eine Richtung: GPT-6.1 Sol hat eine Drittanbieter-Messung sowohl der Qualität als auch der Kosten pro Aufgabe, und Hy4 Preview hat einen Anbieter-Präferenzwert gegenüber anderen offenen Modellen. Das bedeutet nicht, dass Hy4 Preview schlechter ist, als der Präferenzwert nahelegt. Es bedeutet, dass niemand außerhalb von Tencent es gemessen hat, was eine andere Aussage ist, und ein Grund, es an Ihren eigenen Aufgaben zu testen, anstatt den Zahlen der einen oder anderen Seite zu vertrauen.

Die Self-Hosting-Frage, mit echten Zahlen

Hy4 Previews offene Gewichte sind der Grund, es über den API-Preis hinaus ernst zu nehmen, und zugleich der Grund, warum es kein eindeutiger Gewinn ist.

Die praktischen Zahlen, wie veröffentlicht: Eine Q4_K_M-Quantisierung des Modells kommt auf rund 435 GiB, eine 1-Bit-Quantisierung auf rund 213 GiB, und das vollständige unquantisierte Modell benötigt in der Größenordnung von 1,5 TB VRAM. Der 213-GiB-1-Bit-Wert ist der einzige der drei, den ein einzelner Knoten mit großem Speicher aufnehmen kann, und er ist zugleich derjenige, der Sie die meiste Qualität kosten wird. Der 435-GiB-Q4_K_M-Wert benötigt Multi-GPU-Infrastruktur, die die meisten Teams nicht ungenutzt herumstehen haben.

Was das in der Praxis bedeutet: Das Selbsthosting von Hy4 Preview ist eine echte Option für Organisationen, die bereits Hardware dieser Klasse betreiben, und für alle anderen ein Investitionsprojekt. Wenn Sie zur ersten Gruppe gehören, ist der oben genannte API-Preis für Sie irrelevant – Sie tauschen eine verbrauchsabhängige Abrechnung gegen eine feste ein, und Apache 2.0 verursacht keine zusätzlichen Lizenzkosten. Wenn Sie zur zweiten Gruppe gehören, ist der API-Tarif die einzige Zahl, die zählt, und die Sätze von 0,834 $ / 2,501 $ / 0,042 $ sind der Grund, sich das Modell überhaupt anzusehen.

Ein Vorbehalt von Nutzern – und zwar ein Kosten-, kein Fähigkeitsvorbehalt: Die dokumentierten Schwachstellen von Hy4 Preview sind übermäßiges Reasoning und übermäßiges Verifizieren – mehr Tokens verbrauchen, als eine Aufgabe benötigt, Arbeit überprüfen, die bereits korrekt ist. Bei einer API mit Verbrauchsabrechnung zeigt sich dieses Verhalten in der Ausgabezeile mit 2,501 US-Dollar pro Million; auf selbst gehosteter Hardware zeigt es sich als Latenz. So oder so sind die empfohlene Temperatur von 0,9 und die standardmäßige Reasoning-Einstellung „high“ Konfigurationsentscheidungen, die man abstimmen sollte, bevor man das Modell nach den Kosten beurteilt.

Welche Karte Sie halten sollten

Die beiden Modelle sind für denselben Käufer keine Substitute, und die Trennung ist sauber.

Nimm GPT-6.1 Sol, wenn die Arbeitslast teuer ist, wenn sie falsch gemacht wird, und günstig im Verhältnis zu den Kosten des Scheiterns – lange agentische Coding-Schleifen, Computer Use, dokumentenlastige professionelle Arbeit, bei der eine fehlgeschlagene Aufgabe mehr kostet als die Tokens, die sie erzeugt haben. Es hat die unabhängigen Messungen, den größeren Kontext, die doppelte Ausgabeobergrenze und einen Wissensstand vom 2026-04-30. Plane ein, dass sein Ausgabezähler der Punkt ist, an dem das Geld hingeht, und konstruiere deine Lösung um die Schwelle von 272.000 Eingabe-Tokens herum, oberhalb derer Open​AI die gesamte Anfrage neu bepreist. Es ist in unserem Katalog zu Open​AIs Listenpreisen mit 0 % Aufschlag: https://www.orcarouter.ai/models/openai/gpt-6.1-sol.

Nehmen Sie Hy4 Preview, wenn die Arbeitslast hochvolumig, kostensensibel und tolerant gegenüber einem Modell ist, das niemand außerhalb seines Herstellers gebenchmarkt hat – Massenextraktion, Klassifizierung, Zusammenfassung, Tool-Calling-Agenten, bei denen die Aufgabe klar spezifiziert ist und ein Fehlschlag günstig erneut zu versuchen ist. Bei $0.834 / $2.501 / $0.042 kostet es bei gleichen Token-Zahlen ein Drittel, es ist unter Apache 2.0 quelloffen, falls Sie es irgendwann nicht mehr mieten möchten, und es ist in unserem Katalog zu Tencents Listenpreisen ohne Aufschlag enthalten: https://www.orcarouter.ai/models/tencent/hy4-preview. Dieselbe 0%-Aufschlagsregel gilt für beide Zeilen, was bedeutet, dass eine Preissenkung eines Anbieters noch am selben Tag im Katalog ankommt, an dem sie auf der Seite des Anbieters erscheint, und nicht erst, nachdem ein Wiederverkäufer sie bemerkt.

Die Konfiguration, die die meisten Teams tatsächlich wollen, ist beides: das günstige Modell übernimmt das Volumen, das teure die schwierigen Fälle – und genau das ist das Setup, das ein einzelner Endpunkt mit automatischem Failover über 200+ Modelle günstig macht, denn ein noch nicht bewährtes Modell wie Hy4 Preview lässt sich viel leichter ausprobieren, wenn es hinter demselben Schlüssel steht wie ein Modell, dem Sie bereits vertrauen – mit einer Route, die automatisch ausweicht, statt einer zweiten Integration, die gepflegt werden muss.