GPT-6.1 Sol vs Laguna S 2.1 : cinquante fois le prix de sortie pour un travail que personne n'a mesuré côte à côte

Cinquante fois. C'est le rapport entre ce que GPT-6.1 Sol facture pour un million de jetons de sortie et ce que Laguna S 2.1 facture — 10,00 $ contre 0,20 $ — et c'est l'écart de prix le plus important de toute cette série de comparaisons. GPT-6.1 Sol est la sortie d'Open​AI du 2026-09-29, un généraliste de 1 050 000 jetons avec un score indépendant publié. Laguna S 2.1 est la sortie de Poolside du 2026-07-21, un codeur agentique à mélange d'experts ouvert de 118 milliards de paramètres avec environ 8 milliards de paramètres actifs par jeton, des poids à licence proche d'Apache sur Hugging Face, et un ensemble de benchmarks que Poolside a produit elle-même. L'écart de prix est réel et énorme. Savoir s'il s'agit d'un écart qui vaut la peine d'être franchi dépend d'une question à laquelle aucun des deux fournisseurs n'a répondu : quelqu'un a-t-il mesuré les deux sur la même tâche ?

Les chiffres communiqués par les fournisseurs sont signalés comme tels partout. Les chiffres d’Artificial Analysis sont des mesures indépendantes figurant dans nos fiches de modèles. Nos propres chiffres de service sont identifiés comme étant les nôtres. Lorsqu’une cellule est vide, elle reste vide.

Ce qu'est chaque côté

Laguna S 2.1 de Poolside est un spécialiste, et sa conception le dit. Il s'agit d'un modèle de mélange d'experts de 118 milliards de paramètres, avec environ 8 milliards de paramètres actifs sur un token donné, une bascule réflexion / sans réflexion, et une fenêtre de contexte qui atteint 1 000 000 de tokens. Un modèle frère plus petit, Laguna XS 2.1, affiche 33 milliards de paramètres, dont environ 3 milliards actifs, et coûte 0,06 $ en entrée et 0,12 $ en sortie par million. Les poids de la variante S sont publiés sur Hugging Face à l'adresse poolside/Laguna-S-2.1.

Le chiffre de 8 milliards de paramètres actifs est celui qui explique le prix et contraint le produit en même temps. Le coût d’inférence dépend des paramètres actifs, et non du total ; un MoE de 118B qui dépense 8B par token est peu coûteux à servir, contrairement à un modèle dense de même taille totale. Mais un budget de 8B d’actifs constitue aussi un plafond dur sur ce qu’un seul passage avant peut accomplir, et ce plafond est la raison pour laquelle un indice généraliste d’un évaluateur indépendant est pour lui un étalon plus utile qu’un score spécifique au codage.

GPT-6.1 Sol est le type d’objet opposé. Un seul identifiant de snapshot, gpt-6.1-sol, aucune variante datée, une fenêtre de contexte de 1 050 000 jetons, une sortie maximale de 128 000, une entrée texte, image et fichier, un raisonnement toujours activé sur cinq niveaux d’effort avec le niveau moyen par défaut, et une date de coupure des connaissances au 30 avril 2026. Il n’accepte ni temperature ni top_p ; le réglage d’effort les remplace. Il est fermé, facturé au jeton et non affinable.

Les dimensions où ils diffèrent réellement :

• Prix d’entrée — 0,10 $ par million pour Laguna S 2.1, contre 2,00 $ pour GPT-6.1 Sol. Vingt fois.

• Prix de sortie — 0,20 $ contre 10,00 $. Cinquante fois.

• Contrôle du raisonnement — un commutateur binaire réflexion / absence de réflexion sur Laguna S 2.1, face à cinq niveaux d'effort gradués sur GPT-6.1 Sol.

• Poids — téléchargeables et auto-hébergeables pour Laguna S 2.1 ; fermés pour GPT-6.1 Sol.

• Fenêtre de contexte — jusqu’à 1 000 000 de tokens pour Laguna S 2.1 contre 1 050 000 pour GPT-6.1 Sol. Pratiquement au même niveau.

Les lignes de référence, avec les deux ensembles d'étiquettes attachés

Les chiffres de Poolside pour Laguna S 2.1, tous rapportés par le fournisseur et aucun reproduit par un tiers pour autant que nous puissions le constater.

• SWE-Bench Multilingual — 78,5 %.

• Terminal-Bench 2.1 — 70,2 %.

• DeepSWE v1.1 — 40,4 %, contre 9,0 % pour DeepSeek-V4-Pro-Max, ce que Poolside présente comme environ un sixième des paramètres actifs produisant plus de quatre fois le score.

Le record indépendant de GPT-6.1 Sol, tous d’Artificial Analysis :

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

• Humanity's Last Exam — 52,9 %.

• Rappel sur contexte long — 83 %.

• SciCode — 54,2 %.

• Terminal-Bench 4.0 — 56,06 %.

Il y a un endroit où ces deux listes semblent se rejoindre, et c'est un piège. Laguna S 2.1 rapporte 70,2 % sur Terminal-Bench 2.1. GPT-6.1 Sol n'est pas du tout évalué sur Terminal-Bench 2.1 dans nos relevés — son chiffre pour le terminal porte sur la version 4.0, une révision ultérieure et plus difficile du harnais. Mettre 70,2 % à côté de 56,06 % et parler d'une victoire de Laguna de douze points reviendrait à comparer deux tests différents, et c'est exactement l'erreur que ce blog a pour but d'éviter. Les deux modèles ne partagent aucune ligne de benchmark, ce qui signifie que la moitié de cette comparaison consacrée aux performances est, à l'heure actuelle, non mesurée.

Deux autres lacunes méritent d’être nommées. Laguna S 2.1 n’a pas de score à l’Artificial Analysis Intelligence Index ni de résultat indépendant sur SWE-bench Verified. Pour un modèle publié en juillet, cela fait longtemps sans mesure externe, et c’est la plus grande omission dans tout ce que Poolside a publié à son sujet.

Ce que la bascule de réflexion apporte réellement

Les chiffres de Poolside eux-mêmes permettent de quantifier l'effet du bouton, et c'est l'élément le plus intéressant de cette sortie. Activer la réflexion fait passer DeepSWE v1.1 de 16,5 % à 40,4 % — soit un facteur d'environ 2,4 — et Terminal-Bench 2.1 de 60,4 % à 70,2 %. Ces deux chiffres sont ceux du fournisseur et n'ont pas été reproduits.

Rapporté au prix, cela compte d'une manière que la grille tarifaire principale ne capture pas. Le mode réflexion consomme des tokens de sortie, et les tokens de sortie sont précisément ce que vous payez. Une charge de travail qui exécute Laguna S 2.1 avec le mode réflexion activé consommera sensiblement plus de sortie que la même charge de travail sans ce mode — ce qui est exactement ce à quoi l'on s'attend d'un gain de 2,4× sur un benchmark agentique difficile. Ainsi, la comparaison honnête face à GPT-6.1 Sol n'est pas 0,20 $ contre 10,00 $ sur la sortie brute. C'est le coût avec réflexion activée par tâche accomplie face au coût indexé sur l'effort par tâche accomplie.

Cette comparaison favorise toujours énormément Laguna S 2.1, et il vaut la peine de faire le calcul plutôt que de l’affirmer. Prenons une charge de travail produisant un milliard de tokens de sortie par mois contre trois milliards de tokens d’entrée :

• GPT-6.1 Sol — 3 milliards de tokens en entrée à 2,00 $ le million, soit 6 000 $ ; 1 milliard de tokens en sortie à 10,00 $ le million, soit 10 000 $. Seize mille dollars par mois.

• Laguna S 2.1, réflexion désactivée — 300 $ en entrée et 200 $ en sortie. Cinq cents dollars par mois.

• Laguna S 2.1, réflexion activée à environ 2,4× la sortie — 300 $ d'entrée et environ 480 $ de sortie. Moins de huit cents dollars par mois.

Même en tenant compte de la pénalité de réflexion, cela représente une différence d'environ 15 000 $ par mois à ce volume. Si votre charge de travail est de celles qu'un Laguna S 2.1 peut réellement traiter, la question du prix n'est pas serrée, et aucun surcoût de réessai plausible ne comble cet écart. Ce qui reporte toute la décision sur la capacité — et la capacité est la moitié de cette comparaison qui ne fait l'objet d'aucune mesure commune.

Là où l'écart de cinquante fois cesse d'être l'essentiel

Trois choses ramènent le ratio vers la réalité, et chacune mérite d’être énoncée clairement, car le nombre ci-dessus est séduisant d’une manière qui a coûté de l’argent réel à des équipes.

La première est qu’un codeur à 8 milliards de paramètres actifs et un généraliste de pointe ne sont pas interchangeables. Laguna S 2.1 est conçu pour l’ingénierie logicielle agentique — modifications de dépôts, tâches en terminal, code multilingue — et Poolside le commercialise comme tel. Il n’est pas positionné pour le travail professionnel à forte composante documentaire, l’utilisation d’un ordinateur ou les tâches de rappel à long contexte, où GPT-6.1 Sol affiche un score Long-Context Recall indépendant de 83 % et une fenêtre de 1 050 000 jetons. Sur ces tâches, la comparaison honnête n’est pas « le modèle bon marché gagne », mais « le modèle bon marché n’a pas été conçu pour cela ». Les 15 000 $ par mois de l’exemple chiffré ne représentent une économie que si la sortie du modèle moins cher est utilisable, et pour une catégorie de charges de travail, personne n’a démontré qu’elle l’est.

Le second est le débit et la surface opérationnelle. GPT-6.1 Sol rapporte une latence p50 de 2 442 millisecondes et 95,57 jetons de sortie par seconde sur sept jours de notre propre trafic playground, avec un taux d'erreur de 6,36 %. Nous n'avons pas de tableau de bord de service comparable pour Laguna S 2.1 — il n'est pas routé sur OrcaRouter — il n'y a donc aucun chiffre à mettre à côté, et la latence du chemin auto-hébergé dépend du matériel que vous achetez. Sur huit H100s, vous n'égalerez pas le débit d'un point de terminaison frontière hébergé à concurrence égale ; vous échangerez de la latence contre un coût unitaire, et la façon dont cet échange se concrétise dépend de la sensibilité de votre charge de travail à la latence.

Le troisième point, c'est que la voie de l'auto-hébergement n'est bon marché qu'à partir d'un certain volume. Les mêmes tarifs de 0,10 $ et 0,20 $ qui donnent au calcul ci-dessus l'allure d'une déroute sont aussi ceux qu'un fournisseur d'inférence facturant à un tarif proche du coût proposerait — ce qui plaide pour la location du modèle ouvert plutôt que pour l'achat de matériel destiné à l'exécuter, à tout volume en deçà de celui qui justifie les GPU.

Comment réellement passer l'appel

C'est l'un de ces rares appariements où la prochaine étape appropriée n'est pas un changement de routage, car les deux modèles sont atteints par des voies entièrement différentes.

GPT-6.1 Sol est sur OrcaRouter sous 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 $, et le palier au-dessus de 272 000 tokens appliqué exactement comme Open​AI le définit. Parce que la couche de routage répercute le prix du fournisseur au lieu d'y ajouter une marge, une modification tarifaire côté Open​AI est effective ici le jour même où elle prend effet. Là où une route est active, un basculement automatique se trouve en dessous — ce qui est le moyen économique de déterminer si un modèle moins cher peut tenir une voie de production, puisque le modèle coûteux reste à une règle de routage près.

Laguna S 2.1 n'est pas disponible sur OrcaRouter et nous ne l'hébergeons pas. On peut y accéder via l'API propre à Poolside et, comme les poids sont publiés, en le servant vous-même — ce qui, pour ce modèle, est l'option la plus intéressante, puisqu'un MoE de 118B avec 8B actifs est réellement assez petit pour tourner sur du matériel qu'une équipe de taille moyenne peut posséder. Le bon premier pas avec ce duo n'est donc pas du tout une comparaison de prix : prenez vingt de vos vraies tâches de codage, faites-les passer par votre chaîne GPT-6.1 Sol existante, puis faites passer les mêmes vingt par Laguna S 2.1 avec la réflexion activée et désactivée. Vous disposez désormais de la ligne de référence commune qu'aucun des deux fournisseurs n'a publiée, sur le seul ensemble de tâches qui compte, et l'écart de prix de cinquante fois devient un chiffre que vous encaissez ou que vous déclinez, preuves à l'appui.

Le verdict que ce duo obtient, au vu des preuves actuellement disponibles : Laguna S 2.1 est la proposition coût/capacité la plus intéressante du codage agentique aujourd'hui, avec des chiffres du fournisseur qui en feraient le choix par défaut s'ils étaient confirmés de manière indépendante, et sans aucune confirmation indépendante d'aucun d'entre eux. GPT-6.1 Sol coûte cinquante fois plus cher en sortie et est le seul des deux dont la capacité a été mesurée par une personne extérieure à l'entreprise sur un instrument partagé. Achetez les poids du modèle bon marché et testez-les, car, contrairement à la plupart des versions ouvertes, celui-ci est assez petit pour être testé correctement — et considérez le chiffre de cinquante fois comme la raison de lancer ce test plutôt que comme la réponse à celui-ci.