Eine generierte Titelkarte für „Tencent Hy4 vs. GPT-6.1 Sol – was der Token-Preis verbirgt“. Linke Karte: Tencent Hy4, „veröffentlicht am 4. Nov. 2026, Gewichte offen ab 20. Nov.“, „Intelligence Index 35“, „$0.834 / $2.501 pro 1M“, „$1.03 pro Index-Aufgabe“. Rechte Karte: GPT-6.1 Sol, „veröffentlicht am 29. Sep. 2026“, „Intelligence Index 55 bei maximalem Aufwand / 35 bei geringem“, „$2.00 / $10.00 pro 1M“, „$1.27 pro Index-Aufgabe, abgekündigt zugunsten von GPT-6.2 Sol“. Fußzeile: „Index- und Kosten-pro-Aufgabe-Zahlen gemäß Artificial Analysis v5.0.1, geprüft am 20. November 2026.“
Guides & Insights

Tencent Hy4 vs. GPT-6.1 Sol: Was der Tokenpreis verbirgt

Autor

jinhao.song

Veröffentlicht am

Neueste Modelle · 20Alle Modelle ansehen →
Benchmarks: Artificial Analysis · täglich aktualisiert
Zurück zu allen Beiträgen

O​penAI has already retired the model this comparison is about. GPT-6.1 Sol, released at DevDay on 29 September 2026 at $2.00 per million input tokens and $10.00 per million output, is marked deprecated on Artificial Analysis, which recommends GPT-6.2 Sol instead — a model released on 17 November 2026 at exactly the same $2.00 and $10.00 with an Intelligence Index of 57 rather than 55. Tencent Hy4, generally available since 4 November 2026 and open-weighted since 20 November, is not deprecated by anything and does not have a successor waiting. So the honest version of this matchup has two halves: Hy4 against the Sol tier as it stands today, and a note that the Sol tier's own vendor replaced it nine days ago at no change in price.

The arithmetic here has a trap in it, and it is the reason this comparison is worth writing. On the rate card GPT-6.1 Sol charges $2.00 and $10.00 per million tokens against Tencent Hy4's $0.834 and $2.501 — a blended $1.47 against $0.45 at a 7:2:1 cache ratio, so Hy4 looks three times cheaper. On the completed task it is not. Artificial Analysis measures GPT-6.1 Sol at $1.27 per Intelligence Index task against $1.03 for Hy4, because Sol finishes each task in 63.7 million output tokens where Hy4 burns 160 million. Twenty index points cost 23% more per answer, not three times more, and the model that looks expensive per token is the one that uses fewer of them.

Die Sol-Stufe ist ein Preisniveau, keine Obergrenze.

Die GPT-6-Familie von O​penAI hat drei Stufen, die sich weniger durch die Architektur als dadurch unterscheiden, wo sie auf einer Preisliste stehen. GPT-6 Astra ist das Flaggschiff mit 10 und 50 US-Dollar pro Million. GPT-6 Sol – sowohl 6.1 als auch jetzt 6.2 – liegt bei 2 und 10 US-Dollar. GPT-6 Luna liegt bei 0,10 und 0,50 US-Dollar. Sol ist die mittlere Stufe: fünfmal günstiger als Astra, zwanzigmal teurer als Luna.

That matters because the Sol tier's value proposition has never been "the best model". It has been "the model that is nearly as good as the flagship at a fifth of the price", which is the framing O​penAI used when it introduced GPT-6.1 Sol a week after GPT-6 Sol shipped. The 6.1 release changed almost nothing on the card — same $2.00 and $10.00, same 1M-token context, same 128K output — except cached input, halved from $0.20 to $0.10, and a modest bump from 50 to 55 on the index at maximum effort.

Tencent Hy4 befindet sich in einer anderen strukturellen Position. Es ist keine Stufe von irgendetwas. Es ist ein einzelnes Open-Weight-Flaggschiff mit insgesamt 770 Milliarden Parametern, davon 49 Milliarden aktiv, das zu einem einzigen Preis mit einer einzigen Standard-Reasoning-Einstellung angeboten wird. Es gibt ein günstigeres Schwestermodell, Hy4 Flash, zu 0,0175 $ und 0,070 $ pro Million – rund 48-mal günstiger als Hy4 selbst –, aber Hy4 Flash ist ein Modell mit 220 Milliarden Parametern und zwei Dritteln der indexrelevanten Leistungsfähigkeit, keine heruntergetunte Kopie des Flaggschiffs.

Also vergleicht die Preisliste das bewusst auf die Mittelklasse ausgerichtete Produkt eines Anbieters mit dem bewusst margenschwachen offenen Flaggschiff eines anderen Anbieters — und die niedrige Marge des offenen Flaggschiffs bringt ihm bei der Kennzahl, auf die es ankommt, nichts, weil seine Weitschweifigkeit die Einsparung wieder aufbraucht. Beide Fakten sollte man gleichzeitig im Blick behalten, und der zweite wird erst sichtbar, wenn man den Preis für die Antwort statt für das Token berechnet.

Was man für $2 auf jeder Seite bekommt

Konvertiere zu Outputs statt Tokens, denn dort fließt das Geld tatsächlich.

• Per million output tokens — $2.501 for Tencent Hy4 against $10.00 for GPT-6.1 Sol. Four times. Blend input, output and cache at a 7:2:1 ratio and the multiple compresses to 3.3x, $0.45 against $1.47, because Hy4's cached rate of $0.042 is doing heavy lifting on the input side.

• Pro Million Eingabe-Tokens — 0,834 $ gegenüber 2,00 $. Das 2,4-Fache.

• Pro Million gecachter Eingabe-Tokens — 0,042 $ gegenüber 0,10 $. Hy4 ist beim Cache 2,4-mal günstiger, und beide Anbieter behandeln Caching als zentralen Rabatt und nicht als Nebensache.

• Per completed Intelligence Index task — $1.03 for Hy4 against $1.27 for GPT-6.1 Sol. This is the number to quote, and it is the one that runs against the headline: Hy4 spends 160 million output tokens across the index where Sol spends 63.7 million, so Sol's four-times output rate buys a quarter of the tokens and lands at 1.23 times the cost per answer. Artificial Analysis rates Hy4 at the top of its verbosity scale, four of four units.

• Long-context surcharge — GPT-6.1 Sol has a tier that doubles input to $4.00 and lifts output to $15.00 above 272,000 prompt tokens. Tencent Hy4 has no such tier; a 1M-token request is billed at the flat rate. For a workload that routinely exceeds 272K, the real multiple on the O​penAI side is not four but closer to five or six.

Die letzte Zeile ist diejenige, die die meisten Vergleiche übersehen, und sie ist diejenige, die für die Langkontext-Arbeit entscheidend ist, mit der beide Modelle werben. Eine Anfrage mit 500.000 Tokens kostet bei GPT-6.1 Sol zum Listenpreis 2,00 US-Dollar pro Million Eingabe-Tokens und in der Praxis 4,00 US-Dollar pro Million. T​encent berechnet in beiden Fällen 0,834 US-Dollar.

Die Aufwandsstufen sind der eigentliche Vergleich.

GPT-6.1 Sol hat fünf Reasoning-Einstellungen, die zwanzig Indexpunkte umfassen. Bei maximalem Aufwand erzielt es 55; bei xhigh 52; bei high 50; bei medium 46; bei low 35. Tencent Hy4 veröffentlicht eine Zahl, 35, und seine API bietet eine binäre Auswahl – High-Reasoning standardmäßig aktiviert oder einen No-Think-Modus für direkte Antworten.

Fügt man diese beiden Fakten zusammen, ergibt sich etwas Nützliches. GPT-6.1 Sol erzielt mit seiner niedrigsten Aufwandsstufe genau das, was Tencent Hy4 mit seiner einzigen Einstellung erzielt. Das günstigere Modell konkurriert nicht mit der besten Konfiguration des teuren Modells; es konkurriert mit der günstigsten des teuren Modells, und im Index liegt es gleichauf.

Das stellt die Entscheidung in einen neuen Rahmen. Wenn Ihre Workload GPT-6.1 Sol mit geringem oder mittlerem Aufwand fahren würde – Klassifizierung, Extraktion, kurze Agent-Schritte, alles, wo Latenz und Token-Verbrauch dominieren –, dann ist der 20-Punkte-Abstand zu seiner maximalen Einstellung kein Abstand, für den Sie jemals bezahlt hätten, und Hy4 zu einem Viertel des Ausgabepreises ist die naheliegende Wahl. Wenn Ihre Workload maximalen Aufwand erfordert, ist der Abstand real, und der Preis ist das, was es kostet, ihn zu schließen.

The absence of an effort ladder on Hy4 is itself a limitation. There is no way to ask T​encent's model for a cheaper, faster answer short of switching to Hy4 Flash, which is a different model at a different size. O​penAI's five-rung dial lets a single deployment trade quality for money per request; T​encent's does not.

Erstes Token – und warum es interaktive Arbeit bestimmt

Durchsatzzahlen schmeicheln Tencent Hy4, Latenzzahlen begraben es – und beides stimmt.

• Ausgabegeschwindigkeit — 93 Token pro Sekunde für Hy4 gegenüber 45 für GPT-6.1 Sol. Hy4 dekodiert doppelt so schnell, was dem Gegenteil dessen entspricht, was die Erst-Token-Zahl nahelegt, und genau deshalb müssen die beiden Messwerte zusammen betrachtet werden.

• Zeit bis zum ersten Antwort-Token — 115,9 Sekunden bei Hy4, wobei der Median der Stufe bei 12,7 liegt. Das ist keine kleine Abweichung vom Normalwert; es ist das Neunfache des Medians und spiegelt ein Modell wider, das lange nachdenkt, bevor es überhaupt etwas ausgibt. GPT-6.1 Sol wartet bei maximalem Aufwand 147,6 Sekunden auf sein erstes Token, in diesem Vergleich ist Hy4 also das schnellere der beiden — die interaktiven Einstellungen der Stufe liegen weiter unten an der Skala, bei 28,3 Sekunden auf hoch, 5,4 auf mittel und 3,2 auf niedrig.

• Zeit pro abgeschlossener Aufgabe — 14,0 Minuten für Hy4 gegenüber 24,9 Minuten für GPT-6.1 Sol bei maximalem Aufwand. Das günstigere Modell ist durchgängig zugleich das schnellere, um fast den Faktor zwei, weil es pro Antwort weniger reale Zeit mit Nachdenken verbringt, obwohl es mehr schreibt.

For batch work none of this matters — a job that runs overnight does not care whether a response took two minutes or twelve seconds to start. For anything a person is waiting on, both maximum-effort settings are unusable: 116 seconds for Hy4, 148 for Sol. The difference is that Sol has rungs below maximum where the wait drops to seconds and Hy4 does not, so the argument for paying O​penAI's rate is not its peak speed — it is the existence of a cheaper, faster setting on the same model string.

Wo das offene Modell einfach besser ist

Drei Dinge, und sie sind nicht klein.

• You can run it. The 20 November upload includes the BF16 checkpoint, an FP8 build and a pre-trained base model, with prebuilt vllm/vllm-openai:hy4 and lmsysorg/sglang:hy4 images. GPT-6.1 Sol has no weights and never will. For a regulated buyer, an air-gapped deployment or a fine-tuning plan, that is the whole decision and nothing else on this page matters.

• Es verarbeitet Video. Der Vision-Pfad von Hy4 adaptiert Videobild-Merkmale zu visuellen Tokens neben Bild-Tokens. GPT-6.1 Sol akzeptiert Text, Bilder und Dateien. Für eine Pipeline, die Bildschirmaufnahmen oder Kameramaterial einliest, kann eines dieser Modelle die Aufgabe erledigen, während das andere eine Vorverarbeitungsstufe benötigt.

• Es gibt keine Preisstufe für langen Kontext. Die Schwelle von 272.000 Token bei GPT-6.1 Sol verdoppelt den Eingabepreis genau dort, wo Long-Context-Workloads erst interessant werden. Der einheitliche Tarif von Hy4 ist für eine Agent-Loop mit 400K Token ein echter struktureller Vorteil – über den nominellen Multiplikator hinaus.

Demgegenüber gewinnt GPT-6.1 Sol auf dem Index bei jeder Aufwandsstufe oberhalb von niedrig, hat eine Ausgabegrenze von 128K gegenüber 64K bei Hy4, verfügt über eine zwanzigstufige Aufwandsskala, die Hy4 fehlt, und bietet die Latenz bis zum ersten Token, die interaktives Arbeiten möglich macht. Außerdem gibt es einen neun Tage alten Nachfolger zum selben Preis, was entweder beruhigend ist – die Stufe wird aktiv gepflegt – oder eine Warnung, je nachdem, ob Sie 6.1 bereits integriert haben.

Die Deprecation ist die Geschichte.

Screenshot of the Artificial Analysis model page for GPT-6.1 Sol, showing an Intelligence Index of 55 at max effort with a five-level effort curve, $2.00 per million input and $10.00 output, a 1M-token context window, and a deprecation note pointing to GPT-6.2 Sol.

GPT-6.1 Sol hielt sieben Wochen. Es wurde am 29. September 2026 veröffentlicht und am 17. November 2026 von GPT-6.2 Sol zu identischen $2.00 und $10.00 abgelöst, mit einem Indexgewinn von zwei Punkten bei maximalem Aufwand – 57 gegenüber 55 – und derselben fünfstufigen Aufwandsleiter. An der Preisgestaltung änderte sich nichts. Das Modell zog einfach weiter.

Diese Taktung hat einen Preis, der nie auf einer Preisliste erscheint: Integrations-Churn. Ein Team, das Prompts mit hohem Aufwand auf GPT-6.1 Sol abgestimmt hat, hat jetzt ein Modell mit einer anderen Aufwand-zu-Ergebnis-Kurve, und die einzige Möglichkeit herauszufinden, ob seine Prompts noch greifen, besteht darin, die Evaluierung erneut auszuführen. Zweimal im Jahr ist machbar. Alle sieben Wochen sind eine Wartungslast.

Tencent Hy4's cadence looks different and should be read with the same suspicion. The Hy4 line shipped a preview in August, a GA build in November and an open-weight release sixteen days later, plus a Flash sibling in between. That is four events in four months. The difference is that three of them were the same underlying model in different states of release, and the fourth was a smaller sibling — so an integration against tencent/hy4 in November is still an integration against tencent/hy4 today. The model string has not moved.

Für einen Käufer lautet die praktische Regel: den Churn einpreisen. Ein Modell, das sich alle sieben Wochen zu einem festen Preis ändert, ist pro Token billig und pro Migration teuer; ein Modell, das seine Gewichte einmal ändert und sie dann öffnet, ist das Gegenteil.

Ein Routingplan, der beides verwendet

Die beiden Modelle sind auf eine Weise komplementär, die eine gewichtete Route zu mehr als nur einer Absicherung macht.

• Erster Versuch – Tencent Hy4. Bei 1,03 US-Dollar pro abgeschlossener Indexaufgabe gegenüber 1,27 US-Dollar kostet ein fehlgeschlagener Versuch 19 % weniger als ein Versuch mit GPT-6.1 Sol und liefert das Ergebnis in 14 statt 25 Minuten. Bei Arbeitslasten, in denen 70 % der Anfragen einfach sind, ist die Ersparnis real, aber bescheiden; die größere Verbesserung ist die Latenz.

• Eskalation — GPT-6.1 Sol oder dessen Nachfolger 6.2 für alles, was eine Validierungsprüfung nicht besteht oder ein Token-Budget überschreitet. Die Eskalation greift nur am harten Rand, wo sich der Indexabstand von 20 Punkten tatsächlich bezahlt macht.

• Interaktive Oberflächen — Sol bei mittlerem oder niedrigem Aufwand, immer. Hy4s Latenz von 116 Sekunden bis zum ersten Token disqualifiziert es für alles, was eine Person gerade ansieht, und Sols eigene höchste Einstellung ist noch schlechter; es sind die unteren Stufen, bei fünf und drei Sekunden, die diese Stufe nutzbar machen.

• Reguliert oder offline — nur Hy4, zu 100 % durch Richtlinie statt durch Kosten gewichtet.

Diese Struktur verwandelt das Argument in eine Messung: Protokolliere, welche Anfragen eskaliert werden, und die Eskalationsrate sagt dir, ob das teure Modell seinen Aufpreis bei deinem Traffic rechtfertigt. Das ist eine nützlichere Zahl als jede Benchmark-Zeile, denn sie wird auf deiner Verteilung gemessen.

Ein Schlüssel, zwei Stufen, kein zweiter Vertrag

A generated two-column scoreboard titled 'Tencent Hy4 vs GPT-6.1 Sol'. Tencent Hy4 column: Intelligence Index 35, one reasoning setting, $0.834 / $2.501 per 1M tokens, $1.03 per index task, 160M output tokens on the index, 64K max output, weights open 20 Nov 2026. GPT-6.1 Sol column: Intelligence Index 55 at max effort and 35 at low, five effort levels, $2.00 / $10.00 per 1M tokens, $1.27 per index task, 63.7M output tokens on the index, 128K max output, weights closed and the model deprecated. Footer: 'Index, cost-per-task and token figures per Artificial Analysis v5.0.1; deprecation note per OpenAI's successor release on 17 November 2026.'

Both models are callable through OrcaRouter under their own strings — tencent/hy4 at $0.834 and $2.501, openai/gpt-6.1-sol at $2.00 and $10.00 with the long-context tier applied above 272,000 tokens. The routing DSL composes them into a single call path, which is the only practical way to run the escalation pattern above without writing two client integrations and reconciling two billing streams.

Because OrcaRouter passes provider list prices through with zero markup, both rate cards are the ones their vendors publish. T​encent's November weight release did not change its price, and O​penAI's 17 November successor did not change Sol's — so if either moves, it moves on our side the same day rather than waiting for a reseller to catch up.

Automatisches Failover verdient es, hier separat genannt zu werden. Ein als veraltet eingestuftes Modell ist ein Modell, dessen Endpunkt sein Verhalten ohne Vorwarnung ändern kann, und eine Route, die bei einem Ausfall auf den Nachfolger umschaltet, hält einen Produktionspfad während dieses Übergangs am Leben, statt dass man es erst in einer Incident-Review entdeckt.

Die Kurzfassung

Screenshot of the Hugging Face model card for tencent/Hy4, showing the repository title, open-weight tags, the Tencent Hy License badge and links to ModelScope, GitCode and GitHub.

Zwanzig Punkte unabhängiger Leistungsfähigkeit trennen diese Modelle bei maximalem Aufwand, und der vierfache Ausgabepreis trennt sie auf der Rechnung. Beide Zahlen stimmen, und keine von beiden ist die Entscheidung: Pro abgeschlossener Antwort beträgt der Abstand 23 %, und bei geringem Aufwand fällt Sols Punktzahl auf genau die 35 von Hy4 – weshalb nicht eine der beiden prominenten Zahlen, sondern der Aufwandsregler die Wahl bestimmen sollte.

Tencent Hy4 ist das richtige Modell für Batch-Arbeit in großem Umfang, für alles mit Video, für jede Anfrage, die über 272.000 Token hinausgeht, und für jede Bereitstellung, die selbst gehostet werden muss. GPT-6.1 Sol ist das richtige Modell für interaktive Arbeit und für den schwierigen Rest einer Aufgabenverteilung – mit der Einschränkung, dass sein eigener Anbieter es bereits zum selben Preis ersetzt hat und der Nachfolger das Modell ist, auf das integriert werden sollte.

Die Behauptung, die man verwerfen sollte, ist, dass ein niedriger Tokenpreis eine billige Antwort ergibt. Hier stimmt das nicht: Hy4s 160 Millionen Tokens gegenüber Sols 63,7 Millionen fressen einen Großteil eines viermaligen Tarifvorteils auf, und die plakative Ersparnis des offenen Modells schrumpft auf ein Fünftel bei der Kennzahl, nach der ein Käufer tatsächlich zahlt. Die Behauptung, die man behalten sollte, ist, dass der meiste Produktionsverkehr niemals maximalen Aufwand benötigt, und auf den Aufwandsstufen, auf denen die Produktion tatsächlich läuft, ist der fünfstufige Regler von GPT-6.1 Sol das, was man kauft — nicht sein Spitzenwert.

In diesem Artikel verglichen3

Aus diesem Artikel erkannt · Benchmarks: Artificial Analysis · täglich aktualisiert