GPT-6.1 Sol מול Intern S2: לאחד יש מחיר, ולשני יש משקולות

הדבר המוזר ביותר בהשוואה בין GPT-6.1 Sol לבין Intern S2 הוא שלצד אחד של ההשוואה אין מחיר שאפשר לאתר. Intern-S2-397B של Shanghai AI Laboratory, שפורסם ב-2026-09-13, מגיע עם משקולות Apache 2.0 ב-Hugging Face, דוח טכני, ונקודת קצה של API המתארחת אצל ספק — ואין תעריף מפורסם לפי טוקן בשום מקום. GPT-6.1 Sol של Open​AI, שיצא ב-2026-09-29, עולה $2.00 למיליון טוקני קלט ו-$10.00 למיליון טוקני פלט, עם מדרגה מתועדת מעל 272,000 טוקני פרומפט, וכל אחד מהמספרים האלה מופיע בעמוד תמחור ציבורי. אז הדרך הכנה להציג את ההשוואה הזאת היא לא "מי טוב יותר" אלא "עבור מי מהשניים אפשר באמת לחזות חשבון" — והתשובה שונה מסיבות שאין להן שום קשר ליכולת.

כל מה שלהלן מתחלק באופן נקי לשני בסיסי ראיות, וההפרדה ביניהם היא עיקר העבודה. הנתונים של GPT-6.1 Sol הם בלתי־תלויים, מ-Artificial Analysis, אלא אם משפט אומר אחרת. הנתונים של Intern-S2 הם של InternLM עצמה, ללא שחזור על ידי גורם שלישי כלשהו, והמשפטים הנושאים אותם אומרים זאת.

שתי מערכות תחת שם אחד

Intern S2 אינו מודל יחיד, וכדאי להבהיר את הבלבול לפני כל דבר אחר. המשפחה מכילה לפחות שני ארטיפקטים שפורסמו:

• Intern-S2-Mobius — מודל במשקולות פתוחות בעל 35 מיליארד פרמטרים תחת Apache 2.0, שעבר אימון מקדים מתמשך מ-Qwen3.5-35B, תוך שימוש בארכיטקטורת Mobius-v0 עם זיכרון משותף של 2,560 מומחים, ארבעה בלוקי Reasoner ו-40 שכבות. הנחיות הפריסה מתארות כ-3 מיליארד פרמטרים פעילים לכל טוקן עם תבנית קשב היברידית ביחס 3:1, הקשר של 256,000 טוקנים ומגדל חזותי. המשקולות פורסמו ב-2026-07-29; מאגר ה-GitHub והדוח הטכני פורסמו לאחר מכן ב-2026-08-05; התמיכה ב-vLLM מוזגה ב-2026-08-06.

• Intern-S2-397B — דגם הדגל, שפורסם ב-13 בספטמבר 2026. כ-397 מיליארד פרמטרים בסך הכול בארכיטקטורת Qwen3.5-MoE, 512 מומחים, מתוכם 3 פעילים, Apache 2.0 ב-Hugging Face לצד כרטיס מודל, רשומת API של Intern, ותמיכת vLLM Day-0 שהוכרזה למחרת, עם מתכון שפורסם להסקת FP8 על שמונה H100 או שמונה H200. הנתונים המפורסמים שלה הם 256,000 טוקנים של טקסט ו-64,000 של הקשר.

GPT-6.1 Sol הוא האובייקט הפשוט יותר: מזהה סנאפשוט אחד, gpt-6.1-sol, ללא וריאנט מתוארך, 1,050,000 טוקנים של הקשר, 128,000 פלט מקסימלי, קלט טקסט, תמונה וקובץ, חמש רמות מאמץ חשיבה כשהבינונית היא ברירת המחדל, וחתך ידע מוצהר של 30 באפריל 2026.

על מה מבוססים המספרים של כל צד

זהו הציר שבו השניים הכי רחוקים זה מזה, וזה ממש לא צמוד.

השיא העצמאי של GPT-6.1 Sol, הכל מ-Artificial Analysis:

• AA Intelligence Index — 51.8, דירוג 10 מתוך 147 מודלים, באחוזון ה-93.2.

• Humanity's Last Exam — 52.9%.

• שליפה בהקשר ארוך — 83%.

• SciCode — 54.2%.

• Terminal-Bench 4.0 — 56.06%.

התיעוד של Intern-S2, כולו של InternLM עצמו, שום דבר לא משוחזר על ידי צד שלישי:

• MMLU Pro — 89.77% עבור דגם הדגל 397B.

• HMMT-2026 — 93.56%.

• MMMU Pro — 81.68%.

• SWE-bench-Pro — 68.54%.

• TerminalBench 2.1 — 64.04%.

• שורות בתחום המדעי — Biology-Instructions 55.71%, SciReasoner 1.5 63.28%, Mol-Instructions 53.95%, MolecularIQ 62.35%.

שתי הרשימות האלה אינן ברות השוואה, וכדאי להיות מפורשים לגבי הסיבה. הקבוצה הראשונה היא צד שאין לו אינטרס בתוצאה ששואל את אותן שאלות ממודלים רבים תחת פרוטוקול אחד. הקבוצה השנייה היא המעבדה שאימנה את המודל ומדווחת כיצד המודל שלה הצליח. זה לא הופך את הקבוצה השנייה לשקרית — למעבדות עם דו"ח טכני מפורסם ומשקלים להורדה יש מה להפסיד מבחינת המוניטין במספרים — אבל זה כן אומר שהמספרים הם טענה ולא מדידה, וכרגע אין מעריך עצמאי, ואין ספק הסקה עצמאי, שמפרסם ציונים של Intern-S2 בשום מקום.

השורות שנושאות מידע אמיתי

שני דברים בחומרים של InternLM עצמה מאלפים יותר מציוני הכותרת, דווקא מפני שהם אינם מחמיאים.

הראשונה היא טבלת הבנצ'מרקים של Mobius עבור מודל ה-35B, שמשווה אותו לבסיס Qwen3.5-35B שממנו הוא עבר אימון מקדים מתמשך. זו השוואה שימושית באמת — אותו קו משפחתי, אותו סדר גודל, כך שהדלתא מבודדת את מה ששינוי הארכיטקטורה הניב. Mobius מנצח בשבעה מתוך תשעה בנצ'מרקים כלליים, ומפסיד בגדול ב-Humanity's Last Exam וב-UGD. בקריאה כנה של זה, ארכיטקטורת Mobius משיגה שיפורים כלליים מתונים ומוותרת על משהו בסט ההיסק הקשה ביותר. שורות התחום באותה טבלה גדולות יותר, אך הן סימן ההיכר של אימון מקדים מתמשך בתחום ולא של הארכיטקטורה — נתוני האימון הם המקור למספרים בביולוגיה ובכימיה, לא פריסת המומחים.

השני הוא סיפור היעילות, שהוא הטענה הקונקרטית ביותר בשחרור: פי 2.9 מתפוקת קו הבסיס באצווה 16, ועולה לפי 4.6 באצווה 256. אלה יחסים מול בסיס פנימי, שנמדדו על ידי המעבדה, על חומרה שהמעבדה בחרה — והם גם מהסוג של טענות שקל לאמת ברגע שיש לך את המשקלים, וזה מה שיש לך, תחת Apache 2.0.

היכולת לאמת הזו היא הערך האמיתי של שחרור פתוח, והיא מצביעה למקום שציוני הכותרות לא יכולים להגיע אליו: אינך צריך לסמוך על יחס התפוקה, כי שמונה H100s ומתכון vLLM הם כעת הדברים היחידים שמפרידים בינך לבין הבדיקה שלו.

משקלים פתוחים לעומת אנדפוינט בתשלום

כאן זה המקום שבו שני המודלים מפסיקים להיות חלופות ומתחילים להיות החלטות שונות.

GPT-6.1 Sol הוא שירות. אתה משלם לפי טוקן, אתה מקבל חלון של 1,050,000 טוקנים, 128,000 טוקני פלט, חמש רמות מאמץ, וכלל אין משטח תפעולי. החשבון גדל באופן לינארי עם השימוש, והעלות השולית של זינוק היא סעיף בשורה, לא בעיית קיבולת. העסקה היא שאינך יכול לבצע כיוונון עדין שלו — Open​AI אינה מפרסמת נתיב כיוונון עדין לדגם הזה — אינך יכול להריץ אותו על החומרה שלך, והכלכלה היחידתית שלך נקבעת לפי דף התמחור של מישהו אחר.

Intern-S2-397B הוא קובץ להורדה. Apache 2.0 פירושו שאתם יכולים להריץ אותו, לשנות אותו, לכוונן אותו ולהפעיל אותו כשירות בתוך הרשת שלכם בלי ששום נתון יוצא ממנה. שמונה כרטיסי H100s הם עלות הון אמיתית ונטל תפעולי אמיתי, אבל מעל נפח מתמשך מסוים עלות ההון הזו זולה מתעריף לפי טוקן, וזו האפשרות היחידה אם הנתונים לא יכולים לצאת מהגבול שלכם בכלל. הצד השני של העסקה הוא שכל מה שקשור לאיכות הוא כעת הבעיה שלכם: אין בנצ'מרק בלתי תלוי שלפיו אפשר לתכנן, אין ספק חיצוני שאליו אפשר לעבור בעת כשל, ואין ספק שאליו אפשר להסלים רגרסיה.

בין שתי העמדות האלה, המשתנה המכריע הוא כמעט תמיד ניצולת. פרץ חודשי של כמה מאות מיליוני טוקנים אינו מצדיק שמונה GPUs. זרימה חודשית יציבה של כמה מיליארדי טוקנים בתוך היקף מוסדר לרוב כן מצדיקה.

המספר שחסר מאחת העמודות

ל-Intern-S2-397B אין תעריף מפורסם לפי טוקן. זה אינו מחדל שיש לעקוף אותו עם אומדן; המשמעות היא שההשוואה הסטנדרטית שהבלוג הזה בדרך כלל עורך — עלות למיליון טוקנים מול עלות למיליון טוקנים — לא יכולה להתבצע כלל מול המסלול העצמי.

ההשוואה שאפשר לבצע היא מול נקודת הקצה המתארחת על ידי הספק. InternLM מפעילה את ה-Intern API הרשמי בכתובת chat.intern-ai.org.cn/api/v1 עם מזהה המודל intern-s2-397b, והתעריף עבור נקודת קצה זו הוא מה שתצטרכו להשוות תעריף לתעריף מול 2.00 ו-10.00 הדולר של GPT-6.1 Sol. עד שהתעריף הזה יפורסם, ההצהרה הישרה היחידה היא שמחיר מסלול ה-API אינו ידוע, ומחיר המסלול באחסון עצמי הוא פונקציה של חוזה ה-GPU שלכם ושל הניצול שלכם, ולא של לוח תעריפים.

מה שאומר שהחשבון שהמאמר הזה יכול לעשות הוא צר, ובכל זאת שווה לעשות אותו: שאלו מה תהיה העלות שלכם למיליון טוקנים בתנאי הניצול שלכם, והשוו אותה ל-$2.00/$10.00 כשמחילים את המדרגה שמעל 272K. עבור רוב הצוותים, התשובה לחשבון הזה היא שנקודת הקצה הסגורה מנצחת מתחת לכמה מיליארדי טוקנים בחודש והמשקולות הפתוחות מנצחות מעליה — וכל השאלה היא באיזה צד של הקו הזה נמצא עומס העבודה.

להריץ את שניהם באופן שונה

אין כאן תשובה אחת, מפני ששני המודלים לא מגיעים אליהם באותו אופן, ולהעמיד פנים אחרת תהיה אותה טעות כמו לצטט את שורות האינדקס זו לצד זו.

GPT-6.1 Sol נמצא ב-OrcaRouter בתור openai/gpt-6.1-sol, במחיר המחירון של Open​AI עם 0% תוספת — $2.00 קלט, $10.00 פלט, קלט במטמון ב-$0.10, ומדרגת מעל 272K מיושמת בדיוק כפי ש-Open​AI קובעת. מכיוון שאנחנו מעבירים את מחיר הספק הלאה במקום להוסיף עליו תוספת, שינוי תעריף של Open​AI נכנס לתוקף כאן באותו יום ולא במחזור החיוב הבא, ומעבר אוטומטי לגיבוי יושב מתחת למסלול. החלק האחרון חשוב יותר עבור מודל לא מוכח מאשר עבור מודל מוכח — וזה אותו טיעון שחל על צד Intern-S2, אלא שצד Intern-S2 לא יכול להשתמש בו.

Intern S2 אינו נמצא ב-OrcaRouter ואנחנו לא מארחים אותו. ניתן להגיע אליו דרך ה-API של InternLM, וניתן להוריד אותו מ-Hugging Face תחת Apache 2.0 לכל מי שיש לו את החומרה. אם אתם רוצים לנסות אותו, המשקולות הן המסלול עם המחויבות הנמוכה — תוכלו להעריך את דגם הדגל 397B על הפרומפטים שלכם לפני שתחליטו אם לקנות GPUs עבורו, ו-Mobius 35B קטן מספיק כדי לבדוק את ההתנהגות של המשפחה על צומת בודד.

המסקנה שהציוות הזה זוכה לה אינה דירוג, מפני שהשניים אינם קונים את אותו הדבר. אם אתם זקוקים למודל עם רמת יכולת שנמדדה באופן בלתי תלוי, תקרת פלט מפורסמת, מחיר ידוע לכל טוקן, וללא משטח תפעולי, GPT-6.1 Sol הוא התשובה וזו לא החלטה גבולית — הוא פשוט היחיד מבין השניים שמציע את ארבעת הדברים האלה. אם האילוץ שלכם הוא שהנתונים לא יכולים לצאת מהרשת שלכם, או שהנפח שלכם גבוה מספיק כדי ש-GPUs ינצחו טוקנים, Intern-S2-397B הוא התשובה הטובה יותר, והבנצ'מרק החסר הוא סיכון שאתם בוחרים לשאת ולא סיבה לוותר. מה שאסור לכם לעשות הוא להשוות בין השניים לפי המספרים המפורסמים שלהם. ההערכה של InternLM עצמה ולוח הדירוג של Artificial Analysis אינם אותו כלי מדידה, וקריאה שלהם כטבלה אחת תניב תשובה בטוחה לשאלה שאיש לא שאל.