GPT-6.1 Sol מול Laguna S 2.1: פי חמישים ממחיר הפלט עבור עבודה שאיש לא מדד זה לצד זה

פי חמישים. זה היחס בין מה שGPT-6.1 Sol גובה עבור מיליון טוקנים בפלט ומה שLaguna S 2.1 גובה — $10.00 מול $0.20 — וזה פער המחירים הגדול בכל סדרת ההשוואות הזו. GPT-6.1 Sol הוא מהדורה של Open​AI מ-2026-09-29, גנרליסט עם 1,050,000 טוקנים וציון עצמאי שפורסם. Laguna S 2.1 הוא מהדורה של Poolside מ-2026-07-21, מודל קידוד סוכני מסוג תערובת מומחים בעל משקולות פתוחות עם 118 מיליארד פרמטרים, עם כ-8 מיליארד פרמטרים פעילים לכל טוקן, משקולות הקרובות ל-Apache ב-Hugging Face, ומערך מבחנים ש-Poolside הפיקה בעצמה. פער המחירים אמיתי ועצום. אם זה פער ששווה לחצות תלוי בשאלה שאף אחד מהספקים לא ענה עליה: האם מישהו מדד את השניים באותה משימה?

נתונים שמדווחים על ידי הספקים מסומנים ככאלה בכל מקום. נתונים מ-Artificial Analysis הם מדידות בלתי תלויות המופיעות ברשומות המודל שלנו. נתוני ההגשה שלנו מזוהים כשלנו. כאשר תא ריק, הוא נשאר ריק.

מהו כל צד

Laguna S 2.1 של Poolside הוא מומחה, והעיצוב שלו מעיד על כך. זהו מודל תערובת מומחים (mixture-of-experts) עם 118 מיליארד פרמטרים, עם כ-8 מיליארד פרמטרים פעילים בכל טוקן נתון, מתג חשיבה / ללא חשיבה, וחלון הקשר שמגיע ל-1,000,000 טוקנים. אח קטן יותר, Laguna XS 2.1, עומד על 33 מיליארד פרמטרים עם כ-3 מיליארד פעילים, ומחירו 0.06 דולר לקלט ו-0.12 דולר לפלט למיליון. המשקלים עבור גרסת S מפורסמים ב-Hugging Face בכתובת poolside/Laguna-S-2.1.

הנתון של 8 מיליארד פרמטרים פעילים הוא המספר שמסביר את המחיר ומגביל את המוצר בעת ובעונה אחת. עלות ההסקה נגזרת מהפרמטרים הפעילים, לא מהסך הכולל; מודל MoE עם 118B שמוציא 8B לכל טוקן זול להגשה באופן שמודל צפוף באותו גודל כולל לא יהיה. אבל תקציב של 8B פעילים הוא גם תקרה קשיחה למה שמעבר קדימה בודד יכול לעשות, והתקרה הזו היא הסיבה לכך שמדד כללי של מעריך בלתי תלוי הוא אמת מידה שימושית יותר עבורו מאשר ציון ספציפי לקוד.

GPT-6.1 Sol הוא אובייקט מהסוג ההפוך. מזהה תמונת מצב אחד, gpt-6.1-sol, ללא גרסה מתוארכת, חלון הקשר של 1,050,000 טוקנים, פלט מרבי של 128,000, קלט טקסט, תמונה וקובץ, חשיבה פעילה תמיד בחמש רמות מאמץ עם ברירת מחדל בינונית, ותאריך חיתוך ידע של 30 באפריל 2026. הוא אינו מקבל temperature או top_p; חוגת המאמץ מחליפה אותם. הוא סגור, מתומחר לפי טוקן, ולא ניתן לכוונון עדין.

הממדים שבהם הם למעשה נבדלים:

• מחיר קלט — $0.10 למיליון עבור Laguna S 2.1 לעומת $2.00 עבור GPT-6.1 Sol. פי עשרים.

• מחיר הפלט — 0.20$ לעומת 10.00$. פי חמישים.

• שליטה בהסקה — מתג בינארי של חשיבה / אי-חשיבה ב-Laguna S 2.1 לעומת חמש רמות מאמץ מדורגות ב-GPT-6.1 Sol.

• משקלים — ניתנים להורדה ולאירוח עצמי עבור Laguna S 2.1; סגורים עבור GPT-6.1 Sol.

• חלון הקשר — עד 1,000,000 טוקנים עבור Laguna S 2.1 לעומת 1,050,000 עבור GPT-6.1 Sol. למעשה באותה רמה.

שורות הבנצ'מרק, עם שתי קבוצות התוויות מצורפות

המספרים שפורסמו על ידי Poolside עבור Laguna S 2.1, כולם מדווחים על ידי הספק ואף אחד מהם לא שוחזר על ידי צד שלישי ככל שיכולנו למצוא:

• SWE-Bench Multilingual — 78.5%.

• Terminal-Bench 2.1 — 70.2%.

• DeepSWE v1.1 — 40.4%, לעומת 9.0% עבור DeepSeek-V4-Pro-Max, ש-Poolside מציגה כבערך שישית מהפרמטרים הפעילים שמפיקים יותר מפי ארבעה מהציון.

הרשומה העצמאית של GPT-6.1 Sol, הכול מ-Artificial Analysis:

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

• Humanity's Last Exam — 52.9%.

• שליפה בהקשר ארוך — 83%.

• SciCode — 54.2%.

• Terminal-Bench 4.0 — 56.06%.

יש מקום אחד שבו נראה ששתי הרשימות הללו נפגשות, וזה מלכודת. Laguna S 2.1 מציג 70.2% ב-Terminal-Bench 2.1. GPT-6.1 Sol אינו מדורג כלל ב-Terminal-Bench 2.1 ברשומות שלנו — הנתון הטרמינלי שלו הוא בגרסה 4.0, מהדורה מאוחרת וקשה יותר של מערך ההערכה. הצבת 70.2% לצד 56.06% וקריאה לכך ניצחון של Laguna בהפרש שתים-עשרה נקודות תהיה השוואה בין שני מבחנים שונים, וזו בדיוק הטעות שהבלוג הזה נועד להימנע ממנה. לשני המודלים אין שורת בנצ'מרק משותפת, מה שאומר שהחלק הביצועי של ההשוואה הזו אינו נמדד בשלב זה.

שני פערים נוספים ראויים לציון. ל-Laguna S 2.1 אין ציון במדד Artificial Analysis Intelligence Index ואין תוצאה עצמאית ב-SWE-bench Verified. עבור מודל שפורסם ביולי, זה פרק זמן ארוך מדי בלי מדידה חיצונית, וזו ההשמטה הגדולה ביותר בכל מה ש-Poolside פרסמה לגביו.

מה מתג החשיבה באמת נותן

המספרים של Poolside עצמה מכמתים את המתג, וזה הדבר המעניין ביותר בהשקה. הפעלת החשיבה מעלה את DeepSWE v1.1 מ-16.5% ל-40.4% — פי כ-2.4 — ואת Terminal-Bench 2.1 מ-60.4% ל-70.2%. שני הנתונים הם של הספק, ולא שוחזרו.

כשקוראים זאת מול המחיר, זה משנה בדרך שכרטיס התעריפים הכותרתי לא משקף. מצב חשיבה צורך טוקני פלט, וטוקני פלט הם מה שאתם משלמים עליו. עומס עבודה שמריץ את Laguna S 2.1 עם מצב חשיבה דלוק ישרוף באופן מהותי יותר טוקני פלט מאשר אותו עומס עבודה כשמצב החשיבה כבוי — וזה בדיוק מה שהייתם מצפים לו משיפור של פי 2.4 בבנצ'מרק סוכני קשה. אז ההשוואה הכנה מול GPT-6.1 Sol אינה $0.20 מול $10.00 על פלט גולמי. היא העלות עם חשיבה מופעלת לכל משימה שהושלמה לעומת העלות המתומחרת לפי מאמץ לכל משימה שהושלמה.

ההשוואה הזו עדיין נוטה במידה עצומה לטובת Laguna S 2.1, וכדאי לעשות את החשבון ולא רק להצהיר על כך. קחו עומס עבודה שמייצר מיליארד טוקני פלט בחודש מול שלושה מיליארד טוקני קלט:

• GPT-6.1 Sol — קלט של 3 מיליארד במחיר $2.00 למיליון הוא $6,000; פלט של מיליארד במחיר $10.00 למיליון הוא $10,000. שישה עשר אלף דולר בחודש.

• Laguna S 2.1, חשיבה כבויה — $300 של קלט ו-$200 של פלט. חמש מאות דולר בחודש.

• Laguna S 2.1, חשיבה מופעלת בקצב פלט של בערך פי 2.4 — 300$ של קלט וכ-480$ של פלט. פחות משמונה מאות דולר בחודש.

אפילו עם עונש החשיבה, מדובר בפער של כ-15,000 דולר בחודש בנפח הזה. אם עומס העבודה שלך הוא כזה ש-Laguna S 2.1 מסוגלת באמת לבצע, שאלת המחיר לא צמודה, ושום כמות סבירה של תקורה מניסיונות חוזרים לא סוגרת אותה. מה שמעביר את כל ההחלטה ליכולת — והיכולת היא החצי של ההשוואה הזו שאין לו מדידה משותפת.

כשהפער של פי חמישים מפסיק להיות העניין

שלושה דברים מחזירים את היחס בחזרה למציאות, וכל אחד מהם ראוי להיאמר בפשטות, משום שהמספר שלמעלה מפתה באופן שעלה לצוותים כסף אמיתי.

הראשון הוא שכותב קוד עם 8 מיליארד פרמטרים פעילים וג'נרליסט מוביל אינם תחליפים. Laguna S 2.1 בנוי להנדסת תוכנה סוכנית — עריכות מאגרים, משימות מסוף, קוד רב-לשוני — ו-Poolside משווקת אותו ככזה. הוא אינו ממוצב לעבודה מקצועית עתירת מסמכים, שימוש במחשב, או משימות שליפה בהקשר ארוך שבהן GPT-6.1 Sol נושא ציון Long-Context Recall עצמאי של 83% וחלון של 1,050,000 טוקנים. במשימות האלה ההשוואה הכנה היא לא "המודל הזול מנצח", אלא "המודל הזול לא נבנה לזה". 15,000 הדולרים בחודש בדוגמה המעובדת הם חיסכון רק אם הפלט של המודל הזול שמיש, ועבור קטגוריה של עומסי עבודה איש לא הוכיח שכך הדבר.

השני הוא תפוקה והמשטח התפעולי. GPT-6.1 Sol מדווח על השהיית p50 של 2,442 מילישניות ועל 95.57 אסימוני פלט בשנייה לאורך שבעה ימים של תעבורת ה-playground שלנו, עם שיעור שגיאות של 6.36%. אין לנו פאנל הגשה בר-השוואה עבור Laguna S 2.1 — הוא אינו מנותב ב-OrcaRouter — כך שאין מספר להציב לצידו, והשהיית הנתיב ה-self-hosted היא פונקציה של החומרה שתקנו. על שמונה H100s לא תשיגו את התפוקה של נקודת קצה frontier מתארחת באותה מקביליות; תסחרו השהיה תמורת עלות ליחידה, והאופן שבו העסקה הזו משתלמת תלוי בשאלה אם עומס העבודה שלכם רגיש להשהיה.

הטיעון השלישי הוא שמסלול האירוח העצמי זול רק בהיקפים גדולים. התעריפים של $0.10 ו-$0.20 שגורמים לחישוב להיראות כמו — וזה הטיעון בעד שכירת המודל הפתוח במקום קניית חומרה עבורו, בכל היקף שקטן מזה שמצדיק את ה-GPUs.

איך למעשה לבצע את השיחה

זהו זיווג נדיר שבו הצעד הבא הנכון אינו שינוי בניתוב, מפני שאל שני המודלים מגיעים בדרכים שונות לחלוטין.

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, ושכבת המחיר שמעל 272,000 טוקנים מיושמת בדיוק כפי ש-Open​AI קובעת אותה. מכיוון ששכבת הניתוב מעבירה הלאה את מחיר הספק במקום להוסיף עליו, שינוי מחיר מצד Open​AI נכנס לתוקף כאן באותו היום שבו הוא נכנס לתוקף. בכל מקום שנתיב פעיל, מעבר אוטומטי בעת כשל יושב מתחתיו — וזו הדרך הזולה לגלות אם מודל זול יותר יכול להחזיק נתיב ייצור, שכן המודל היקר נשאר במרחק של כלל ניתוב אחד בלבד.

Laguna S 2.1 אינו זמין ב-OrcaRouter ואנחנו לא מארחים אותו. ניתן להגיע אליו דרך ה-API של Poolside עצמה, ומכיוון שהמשקלים פורסמו, גם בהרצה עצמית — אשר עבור המודל הזה היא האפשרות המעניינת יותר, שכן MoE עם 118B ו-8B פעילים הוא באמת קטן מספיק כדי לרוץ על חומרה שצוות בגודל בינוני יכול להרשות לעצמו. הצעד הראשון הנכון עם השילוב הזה הוא אפוא כלל לא השוואת מחירים: קח עשרים ממשימות הקידוד האמיתיות שלך, הרץ אותן במסלול GPT-6.1 Sol הקיים שלך, ואז הרץ את אותן עשרים דרך Laguna S 2.1 עם חשיבה מופעלת וכבויה. כעת יש לך שורת הבנצ'מרק המשותפת שאף ספק לא פרסם, על מערך המשימות היחיד שחשוב, ופער המחירים של פי חמישים הופך למספר שאתה או אוסף או דוחה עם ראיות.

ההכרעה שהזיווג הזה זוכה לה, על סמך הראיות הקיימות כעת: Laguna S 2.1 הוא ההצעה המעניינת ביותר של עלות מול יכולת בקידוד סוכני נכון לעכשיו, עם נתוני ספק שהיו הופכים אותו לבחירת ברירת המחדל אילו אומתו באופן בלתי תלוי, וכלל אין אימות בלתי תלוי לאף אחד מהם. GPT-6.1 Sol עולה פי חמישים בפלט והוא היחיד מבין השניים שיכולתו נמדדה בידי מישהו מחוץ לחברה בכלי משותף. קנו את המשקולות של המודל הזול ובחנו אותן, כי בשונה מרוב ההשקות הפתוחות, זו קטנה מספיק כדי להיבחן כראוי — והתייחסו לנתון של פי חמישים כאל הסיבה לערוך את הבחינה הזו ולא כאל התשובה לה.