GPT-6.1 Sol vs Tencent Hy4 Preview: pagar $10 por token de salida frente a un modelo abierto a $2.50

Pon las dos tablas de tarifas una junto a la otra y la brecha no es sutil. Tencent Hy4 Preview tiene un precio de lista de $0,834 por millón de tokens de entrada, $2,501 por millón de tokens de salida y $0,042 por millón de tokens de entrada en caché en su endpoint internacional. GPT-6.1 Sol tiene un precio de lista de $2,00, $10,00 y $0,10, respectivamente. Eso es una diferencia de 4× en los tokens de salida y de 2,4× en la entrada, y, como ambos modelos se cobran por token, la pregunta que plantea la diferencia no es cuál es más barato —Hy4 Preview es más barato en todas las líneas—, sino si el modelo caro completa una cantidad suficientemente mayor de trabajo por llamada como para justificarlo. Ninguno de los proveedores ha publicado una cifra que responda directamente a eso, y este artículo trata en gran medida de por qué los números obvios de ambos lados no son la respuesta.

Tencent lanzó y publicó como código abierto Hy4 Preview el 2026-08-28; Open​AI lanzó GPT-6.1 Sol en la API el 2026-09-29. Ambos son modelos agénticos con capacidad de texto y ventanas de contexto de un millón de tokens, ambos están disponibles hoy y ambos figuran en nuestro catálogo, lo que hace que esta sea la rara comparación de esta serie en la que la aritmética por token puede ejecutarse contra dos filas activas en lugar de contra una nota de prensa. Las cifras a continuación provienen del material de lanzamiento y la documentación del modelo de Tencent, las páginas del modelo y de precios de Open​AI, nuestros propios registros de catálogo y las evaluaciones publicadas, según se indica, consultadas el 2026-10-12. Cada número que corresponde a una ejecución propia de un proveedor está etiquetado como tal.

Lo que cada modelo realmente es

Empieza por la arquitectura, porque los dos modelos resuelven el mismo problema de servicio con la misma técnica.

• Parámetros — Hy4 Preview es un modelo de mezcla de expertos de 770B con 49B activos por token en 78 capas, usando 256 expertos enrutados más 1 experto compartido. GPT-6.1 Sol es un modelo propietario de Open​AI situado un nivel por debajo de GPT-6 Astra en la misma generación; Open​AI no publica el número de parámetros.

• Contexto y salida — ambos documentan aproximadamente un millón de tokens de contexto de entrada. Nuestro registro de catálogo para Hy4 Preview tiene 1,048,576 tokens de contexto con una finalización máxima de 64,000 tokens; el material propio de Tencent describe una ventana de contexto que supera 1M de tokens con una entrada máxima de 960,000 tokens. GPT-6.1 Sol documenta 1,050,000 tokens de contexto con una salida máxima de 128,000 tokens — el doble de la finalización de Hy4, que es la especificación que quieres para obtener un artefacto estructurado largo de una sola llamada.

• Modalidad — ambos son solo texto en el lado de entrada, con el uso de herramientas y la salida estructurada que cabría esperar de un modelo agéntico actual. Ninguno es un modelo de visión.

• Controles de razonamiento — Hy4 Preview ofrece high, low y none, con high como valor predeterminado; una temperatura de 0.9 y un top_p de 1.0 son los ajustes de muestreo recomendados. GPT-6.1 Sol ofrece low, medium (predeterminado), high, xhigh y max, sin ninguna posición off — el razonamiento siempre está activado, y los parámetros de muestreo como temperature y top_p se rechazan de plano.

• Pesos — Hy4 Preview es de código abierto bajo Apache 2.0 y se puede descargar hoy. GPT-6.1 Sol es cerrado, solo mediante API, y nunca podrá autoalojarse.

Esa última línea es la que separa estos dos modelos más que ningún benchmark. Un modelo Apache 2.0 de 770B/49B es una posesión; un modelo propietario de API es una suscripción. Todo lo demás en esta página trata sobre cuál de esas dos cosas necesita tu carga de trabajo.

Las líneas de precios, con la aritmética hecha

Ambas listas de tarifas están publicadas y ambas las traspasamos sin margen, por lo que esta sección es verificable en lugar de declarada.

• Salida — GPT-6.1 Sol $10.00 por millón frente a Hy4 Preview $2.501 por millón. Por cada millón de tokens de salida que emite una carga de trabajo, la diferencia es de $7.50, y la salida es el medidor en el que un modelo de razonamiento más gasta.

• Entrada — $2.00 por millón frente a $0.834. Una brecha de 2,4× en la línea que domina cualquier pipeline de contexto largo, porque un prompt a escala de repositorio o de conjunto de documentos reenvía un prefijo grande en cada turno.

• Entrada en caché — $0,10 por millón frente a $0,042. Ambos proveedores descuentan drásticamente los prefijos de relectura, y la tarifa de caché de Hy4 es menos de la mitad que la de GPT-6.1 Sol.

• Escrituras en caché — GPT-6.1 Sol cobra $2.50 por millón por escribir un prefijo en caché. Las tarifas internacionales publicadas de Hy4 Preview no incluyen una línea separada de escritura en caché, lo que significa que la primera escritura se factura como entrada ordinaria en lugar de como una tarifa premium.

Ejecuta una forma que es habitual para cualquiera de los dos modelos: 500.000 tokens de entrada, de los cuales 460.000 son un prefijo en caché, y 20.000 tokens de salida, en una sola llamada.

• En GPT-6.1 Sol — 460,000 tokens en caché a $0.10/M equivalen a $0.046, 40,000 tokens de entrada nuevos a $2.00/M equivalen a $0.080, y 20,000 tokens de salida a $10.00/M equivalen a $0.200. Total $0.326.

• En Hy4 Preview — 460.000 tokens en caché a $0,042/M son $0,019, 40.000 tokens de entrada nuevos a $0,834/M son $0,033, y 20.000 tokens de salida a $2,501/M son $0,050. Total $0,102.

La llamada a Hy4 cuesta un poco menos de un tercio de la llamada a GPT-6.1 Sol en esta forma. Ahora, la advertencia que hace que la comparación sea honesta: esto es una comparación de dos tarifas aplicadas a una cantidad idéntica de tokens, y las cantidades de tokens no son idénticas entre modelos. Un modelo que razona durante más tiempo antes de responder emitirá más tokens de salida para la misma tarea, y está documentado que GPT-6.1 Sol produce entre un 10 y un 30 % más de tokens de salida que su predecesor, GPT-6 Sol, en trabajos comparables. Si el valor predeterminado de razonamiento «high» de Hy4 Preview lo hace igual de verboso, la brecha en el mundo real se reduce; si el modelo de OpenAI es el más verboso de los dos, la brecha se amplía más allá del 3,2× que muestra la aritmética. Las tarifas te dicen el precio de un token. No te dicen cuántos tokens cuesta una tarea, y solo ejecutar tu propia carga de trabajo lo resuelve.

Dónde ayudan los benchmarks y dónde no

Esta es la sección donde la calidad de la evidencia de los dos modelos diverge, y la divergencia es lo esencial.

La evaluación principal de Tencent para Hy4 Preview es una prueba de preferencia ciega en comparación directa, y el resultado es de 2,99 para Hy4 Preview frente a 2,92 para GLM 5.3 y 2,94 para Kimi K3. Léelo con atención: es una evaluación del propio Tencent, es una puntuación de preferencia y no una puntuación de precisión, el margen de victoria es de siete centésimas de punto en una escala de aproximadamente tres puntos, y el conjunto de comparación lo forman otros dos modelos abiertos. Es evidencia de que Hy4 Preview es competitivo con el nivel actual de modelos de pesos abiertos. No es evidencia de que sea competitivo con un modelo de frontera propietario, y ninguna suite del material de lanzamiento hace esa afirmación.

Tencent también informa de una mejora del 31,8 % en el rendimiento gracias al propio trabajo de autooptimización del modelo, y la arquitectura incluye una capa nativa de predicción multi-token para decodificación especulativa. Ambas son afirmaciones de eficiencia de servicio del proveedor, no reproducidas por nadie más, y ambas son plausibles para un MoE de 770B/49B construido con esa capa, pero describen la rapidez con la que responde el modelo, no su calidad.

GPT-6.1 Sol tiene la posición de evidencia más sólida, y vale la pena ser precisos sobre por qué. Su fila independiente del Intelligence Index con el máximo esfuerzo de razonamiento es 52, con un costo medido de ejecución de $0.72 por tarea y una velocidad de salida de aproximadamente 65 a 67 tokens por segundo — un tercero lo ejecutó, lo puntuó e informó cuánto costó la ejecución. Su cifra de Artificial Analysis Terminal-Bench 4.0 es 56.06, frente a 43.94 de su predecesor GPT-6 Sol, lo que sitúa el salto generacional en tareas agénticas basadas en shell en alrededor de doce puntos. Frente a eso, las evaluaciones destacadas del propio OpenAI para el modelo — incluido un resultado de Terminal-Bench Science que cita $5.47 por tarea con el máximo esfuerzo frente a $23.21 de Claude Opus 5.5 — son ejecuciones del proveedor con las líneas base del proveedor, y nadie las ha reproducido.

Entonces, el resumen honesto de la evidencia está desequilibrado y va en una sola dirección: GPT-6.1 Sol cuenta con una medición de terceros tanto de la calidad como del costo por tarea, y Hy4 Preview tiene una puntuación de preferencia del proveedor frente a otros modelos abiertos. Eso no significa que Hy4 Preview sea peor de lo que sugiere la puntuación de preferencia. Significa que nadie fuera de Tencent lo ha medido, lo cual es una afirmación distinta, y una razón para probarlo en tus propias tareas en lugar de confiar en los números de cualquiera de los dos lados.

La cuestión del autoalojamiento, con números reales

Los pesos abiertos de Hy4 Preview son la razón para tomarlo en serio más allá del precio de la API, y también la razón por la que tampoco es una victoria sencilla.

Las cifras prácticas, tal como se publicaron: una cuantización Q4_K_M del modelo ronda los 435 GiB, una cuantización de 1 bit ronda los 213 GiB, y el modelo completo sin cuantizar necesita del orden de 1,5 TB de VRAM. La cifra de 213 GiB en 1 bit es la única de esas tres que puede albergar un solo nodo de alta memoria, y también es la que más calidad te costará. La cifra de 435 GiB en Q4_K_M necesita infraestructura multi-GPU que la mayoría de los equipos no tiene inactiva.

Lo que eso significa en la práctica: alojar Hy4 Preview por cuenta propia es una opción real para las organizaciones que ya ejecutan ese tipo de hardware, y un proyecto de capital para todas las demás. Si estás en el primer grupo, el precio de la API anterior te es irrelevante: cambias una factura medida por una fija, y Apache 2.0 no impone ningún coste de licencia adicional. Si estás en el segundo grupo, la tarifa de la API es el único número que importa, y las tarifas de $0.834 / $2.501 / $0.042 son la razón para siquiera considerar el modelo.

Una salvedad que señalan los usuarios, y es una salvedad de coste más que de capacidad: los puntos débiles documentados de Hy4 Preview son el exceso de razonamiento y el exceso de verificación —gastar más tokens de los que una tarea necesita, comprobar trabajo que ya es correcto. En una API de pago por uso, ese comportamiento aparece en la línea de salida a $2.501 por millón; en hardware autoalojado, aparece como latencia. En cualquier caso, la temperatura recomendada de 0.9 y la configuración de razonamiento predeterminada de "high" son opciones de configuración que vale la pena ajustar antes de juzgar el modelo por su coste.

Qué tarjeta deberías estar sosteniendo

Los dos modelos no son sustitutos para el mismo comprador, y la división es clara.

Elige GPT-6.1 Sol si la carga de trabajo es costosa de equivocar y barata en relación con el coste del fallo — bucles largos de codificación agéntica, uso de computadoras, trabajo profesional con muchos documentos donde una tarea que falla cuesta más que los tokens que la produjeron. Tiene las mediciones independientes, el contexto más amplio, el doble de límite de salida y una fecha de corte de conocimiento del 2026-04-30. Presupuesta el hecho de que su medidor de salida es donde se va el dinero, y diseña en torno al umbral de 272.000 tokens de entrada por encima del cual Open​AI vuelve a fijar el precio de toda la solicitud. Está en nuestro catálogo a las tarifas de lista de Open​AI con 0% de margen: https://www.orcarouter.ai/models/openai/gpt-6.1-sol.

Elige Hy4 Preview si la carga de trabajo es de gran volumen, sensible al coste y tolerante con un modelo que nadie fuera de su creador ha evaluado con benchmarks — extracción masiva, clasificación, resumen y agentes que invocan herramientas donde la tarea está bien especificada y el fallo sale barato de reintentar. A $0.834 / $2.501 / $0.042 cuesta un tercio con el mismo número de tokens, es de código abierto bajo Apache 2.0 si en algún momento quieres dejar de alquilarlo, y está en nuestro catálogo a las tarifas de lista de Tencent sin ningún recargo añadido: https://www.orcarouter.ai/models/tencent/hy4-preview. La misma regla de 0 % de recargo se aplica a ambas filas, lo que significa que una rebaja de precios del proveedor aterriza en el catálogo el mismo día en que aterriza en la página del proveedor, y no después de que lo note un revendedor.

La configuración que la mayoría de los equipos realmente querrá es ambas, con el modelo barato encargándose del volumen y el caro encargándose de la cola difícil — y esa es exactamente la configuración que un único endpoint con conmutación automática por error entre más de 200 modelos existe para abaratar, ya que un modelo no probado como Hy4 Preview es mucho más fácil de probar cuando se encuentra detrás de la misma clave que un modelo en el que ya confías, con una ruta que recurre automáticamente a otro en lugar de una segunda integración que mantener.