GPT-6 Sol vs Intern S2 : L'un a un prix, l'autre a des poids

La chose la plus étrange quand on compare GPT-6.1 Sol à Intern S2 est que l'un des côtés de la comparaison n'a aucun prix que l'on puisse consulter. Intern-S2-397B de Shanghai AI Laboratory, publié le 13 septembre 2026, fournit des poids Apache 2.0 sur Hugging Face, un rapport technique et un endpoint API hébergé par le fournisseur — et aucun tarif par token publié nulle part. GPT-6.1 Sol d'Open​AI, sorti le 29 septembre 2026, coûte 2,00 $ par million de tokens d'entrée et 10,00 $ par million de tokens de sortie, avec un palier documenté au-delà de 272 000 tokens d'invite, et chacun de ces chiffres figure sur une page de tarification publique. Ainsi, la façon honnête de présenter ce duo n'est pas « lequel est meilleur » mais « pour lequel des deux peut-on réellement prévoir une facture » — et la réponse diffère pour des raisons qui n'ont rien à voir avec la capacité.

Tout ce qui suit se répartit nettement en deux bases de preuves, et les garder distinctes constitue l'essentiel du travail. Les chiffres de GPT-6.1 Sol sont indépendants, issus d'Artificial Analysis, sauf lorsqu'une phrase indique le contraire. Les chiffres d'Intern-S2 sont propres à InternLM, qu'aucun tiers n'a reproduits, et les phrases qui les portent le disent.

Deux systèmes sous un même nom

Intern S2 n’est pas un modèle unique, et il vaut la peine de dissiper la confusion avant toute autre chose. La famille contient au moins deux artefacts publiés :

• Intern-S2-Mobius — un modèle à poids ouverts de 35 milliards de paramètres sous Apache 2.0, pré-entraîné en continu à partir de Qwen3.5-35B, utilisant une architecture Mobius-v0 avec une Memory partagée de 2 560 experts, quatre blocs Reasoner et 40 couches. Le guide de déploiement décrit environ 3 milliards de paramètres actifs par token avec un schéma d’attention hybride 3:1, un contexte de 256 000 tokens et une tour de vision. Les poids ont été publiés le 2026-07-29 ; le dépôt GitHub et le rapport technique ont suivi le 2026-08-05 ; la prise en charge de vLLM a été fusionnée le 2026-08-06.

• Intern-S2-397B — le modèle phare, publié le 13 septembre 2026. Environ 397 milliards de paramètres totaux dans une architecture Qwen3.5-MoE, 512 experts dont 10 actifs, des poids Apache 2.0 sur Hugging Face accompagnés d’une fiche modèle, une entrée officielle dans l’API Intern, et une prise en charge vLLM Day-0 annoncée le lendemain, avec une recette publiée pour l’inférence FP8 sur huit H100 ou huit H200. Ses limites publiées sont de 256 000 tokens de contexte texte et 64 000 de contexte multimodal.

GPT-6.1 Sol est l'objet le plus simple : un seul identifiant d'instantané, gpt-6.1-sol, aucune variante datée, 1 050 000 tokens de contexte, 128 000 de sortie maximale, entrée texte, image et fichier, cinq niveaux d'effort de raisonnement avec medium par défaut, et une date de coupure des connaissances annoncée au 30 avril 2026.

Sur quoi reposent les chiffres de chaque camp

C'est l'axe sur lequel les deux sont le plus éloignés, et l'écart n'est pas mince.

Le record indépendant de GPT-6.1 Sol, le tout provenant d'Artificial Analysis :

• AA Intelligence Index — 51,8, 10e rang sur 147 modèles, 93,2e centile.

• Humanity's Last Exam — 52,9 %.

• Rappel sur contexte long — 83 %.

• SciCode — 54,2 %.

• Terminal-Bench 4.0 — 56,06 %.

Le record d'Intern-S2, entièrement propre à InternLM, aucun reproduit par un tiers :

• MMLU Pro — 89,77 % pour le modèle phare 397B.

• HMMT-2026 — 93,56 %.

• MMMU Pro — 81,68 %.

• SWE-bench-Pro — 68,54 %.

• TerminalBench 2.1 — 64,04 %.

• Lignes du domaine scientifique — Biology-Instructions 55,71 %, SciReasoner 1.5 63,28 %, Mol-Instructions 53,95 %, MolecularIQ 62,35 %.

Ces deux listes ne sont pas comparables, et il vaut la peine d’être explicite sur les raisons. Le premier ensemble provient d’un acteur sans intérêt dans l’issue, qui pose les mêmes questions à de nombreux modèles selon un protocole unique. Le second ensemble provient du laboratoire qui a entraîné le modèle et qui rapporte les performances de son propre modèle. Cela ne rend pas le second ensemble faux — les laboratoires qui publient un rapport technique et des poids téléchargeables ont leur réputation en jeu dans ces chiffres — mais cela signifie que ces chiffres sont une affirmation plutôt qu’une mesure, et il n’existe actuellement aucun évaluateur indépendant, ni aucun fournisseur d’inférence indépendant, qui publie des scores d’Intern-S2 où que ce soit.

Les lignes qui contiennent de vraies informations

Deux choses dans les propres documents d’InternLM sont plus instructives que les scores mis en avant, précisément parce qu’elles ne sont pas flatteuses.

Le premier est le tableau de benchmarks Mobius pour le modèle 35B, qui le compare à la base Qwen.5-35B à partir de laquelle il a été pré-entraîné en continu. C'est une comparaison réellement utile — même famille, même échelle, donc le delta isole ce qu'a apporté le changement d'architecture. Mobius gagne sept des benchmarks généraux et se fait nettement battre sur Humanity's Last Exam. Honnêtement, l'architecture Mobius apporte des gains généraux et abandonne quelque chose sur l'ensemble de raisonnement le plus difficile. Les lignes du domaine scientifique dans le même tableau sont plus élevées, mais elles sont la signature d'un pré-entraînement continu de domaine plutôt que de l'architecture — c'est des données d'entraînement que viennent les chiffres de biologie et de chimie, pas de l'agencement proprement dit.

Le second est l'histoire de l'efficacité, qui est l'affirmation la plus concrète de la publication : 2,9 fois le débit de la référence pour une taille de lot de 16, pour atteindre 4,6 fois à une taille de lot de 256. Ce sont des ratios par rapport à une référence interne, mesurés par le laboratoire, sur du matériel que le laboratoire a choisi — et c'est aussi le genre d'affirmation qu'il est facile de vérifier une fois que vous disposez des poids, ce qui est votre cas, sous Apache 2.0.

Cette vérifiabilité est la valeur réelle d'une publication ouverte, et elle pointe vers un endroit où les scores mis en avant ne peuvent pas mener : vous n'êtes pas obligé de faire confiance au ratio de débit, car il ne reste désormais que huit H100 et une recette vLLM entre vous et sa vérification.

Poids ouverts contre point de terminaison payant

C'est ici que les deux modèles cessent d'être des alternatives et commencent à être des décisions différentes.

GPT-6.1 Sol est un service. Vous payez au token, vous obtenez une fenêtre de 1 050 000 tokens, 128 000 tokens de sortie, cinq niveaux d’effort et aucune surface opérationnelle. La facture évolue linéairement avec l’usage et le coût marginal d’un pic est une ligne de facturation, pas un problème de capacité. La contrepartie, c’est que vous ne pouvez pas le fine-tuner — OpenAI ne publie aucun chemin de fine-tuning pour ce modèle —, que vous ne pouvez pas l’exécuter sur votre propre matériel et que votre économie unitaire est fixée par la page tarifaire de quelqu’un d’autre.

Intern-S2-397B se télécharge. Apache 2.0 signifie que vous pouvez l'exécuter, le modifier, l'affiner et le servir au sein de votre propre réseau sans qu'aucune donnée n'en sorte. Huit H100 représentent un coût d'investissement réel et une charge opérationnelle réelle, mais au-delà d'un certain volume soutenu, ce coût d'investissement revient moins cher qu'un tarif par token, et c'est la seule option si les données ne peuvent en aucun cas quitter votre périmètre. En contrepartie, tout ce qui touche à la qualité devient votre problème : il n'existe aucun benchmark indépendant sur lequel planifier, aucun fournisseur externe vers lequel basculer, et aucun fournisseur à qui faire remonter une régression.

Entre ces deux positions, la variable décisive est presque toujours le taux d’utilisation. Un pic mensuel de quelques centaines de millions de tokens n’amortit pas huit GPU. Un flux mensuel régulier de plusieurs milliards de tokens à l’intérieur d’un périmètre réglementé y parvient souvent.

Le nombre qui manque dans une colonne

Intern-S2-397B n'a pas de tarif par token publié. Ce n'est pas une omission que l'on puisse contourner avec une estimation ; cela signifie que la comparaison standard que ce blog effectue habituellement — coût par million de tokens contre coût par million de tokens — ne peut pas être réalisée du tout pour la voie auto-hébergée.

La comparaison que l'on peut effectuer porte sur le point de terminaison hébergé par le fournisseur. InternLM exploite une API Intern officielle à l'adresse chat.intern-ai.org.cn/api/v1 avec l'identifiant de modèle intern-s2-397b, et le tarif de ce point de terminaison est celui qu'il vous faudrait pour comparer, devis à devis, avec les 2,00 $ et 10,00 $ de GPT-6.1 Sol. Tant que ce tarif n'est pas publié, la seule affirmation honnête est que le prix de la voie API est inconnu, et que le prix de la voie auto-hébergée dépend de votre contrat GPU et de votre utilisation plutôt que d'une grille tarifaire.

Ce qui signifie que le calcul que cet article peut faire est limité, et vaut quand même la peine d’être fait : demandez quel serait votre propre coût par million de tokens à votre niveau d’utilisation, et comparez-le à $2.00/$10.00 avec le palier au-dessus de 272K appliqué. Pour la plupart des équipes, la réponse à ce calcul est que le point de terminaison fermé l’emporte en dessous de quelques milliards de tokens par mois et que les poids ouverts l’emportent au-dessus — et toute la question est de savoir de quel côté de cette ligne se situe la charge de travail.

Exécuter les deux différemment

Il n’y a pas de réponse unique ici, car on ne parvient pas aux deux modèles de la même manière, et prétendre le contraire serait la même erreur que de citer les lignes de l’index côte à côte.

GPT-6.1 Sol est disponible sur OrcaRouter sous le nom openai/gpt-6.1-sol, au prix catalogue d'Open​AI, avec 0 % de marge — 2,00 $ en entrée, 10,00 $ en sortie, entrée mise en cache à 0,10 $, le palier au-dessus de 272 K appliqué exactement comme Open​AI le définit. Parce que nous répercutons le prix du fournisseur plutôt que d'y appliquer une marge, une modification des tarifs d'Open​AI est effective ici le jour même plutôt qu'au cycle de facturation suivant, et un basculement automatique se trouve sous la route. Ce dernier point compte davantage pour un modèle non éprouvé que pour un modèle éprouvé — c'est le même argument qui s'applique au côté Intern-S2, sauf que le côté Intern-S2 ne peut pas l'utiliser.

Intern S2 n'est pas disponible sur OrcaRouter et nous ne l'hébergeons pas. Il est accessible via l'API propre à InternLM, et il est téléchargeable depuis Hugging Face sous licence Apache 2.0 pour quiconque dispose du matériel. Si vous voulez l'essayer, les poids sont la voie la moins engageante — vous pouvez évaluer le modèle phare de 397B sur vos propres invites avant de décider d'acheter des GPU pour cela, et le Mobius 35B est suffisamment petit pour tester le comportement de la famille sur un seul nœud.

Le verdict auquel ce face-à-face donne lieu n'est pas un classement, car les deux ne répondent pas au même besoin. Si vous avez besoin d'un modèle dont le niveau de capacité est mesuré indépendamment, dont le plafond de sortie est publié, dont le prix par token est connu et qui n'implique aucune surface opérationnelle, GPT-6.1 Sol est la réponse, et le choix n'est pas serré — c'est simplement le seul des deux qui offre ces quatre choses. Si votre contrainte est que les données ne peuvent pas quitter votre réseau, ou que votre volume est assez élevé pour que les GPU l'emportent sur les tokens, Intern-S2-397B est la meilleure réponse, et l'absence de benchmark est un risque que vous choisissez d'assumer plutôt qu'une raison de renoncer. Ce que vous ne devez pas faire, c'est comparer les deux sur leurs chiffres publiés. L'évaluation propre à InternLM et le classement d'Artificial Analysis ne sont pas le même instrument, et les lire comme un seul tableau produirait une réponse assurée à une question que personne n'a posée.