GPT-6.1 Sol לעומת Tencent Hy4 Preview: משלמים $10 עבור טוקן פלט לעומת מודל פתוח ב-$2.50
- OrcaחדשOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 לכל 1M טוקנים · 74 tok/s
- openaiחדשOpenAI: GPT-6.1 Sol2026-09-2952אינטליגנציה
- anthropicחדשAnthropic: Claude Sonnet 5.52026-09-2856אינטליגנציה
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 לכל 1M טוקנים · 104 tok/s
- OpenAIOpenAI: GPT-6 Luna2026-09-2238אינטליגנציה
- OpenAIOpenAI: GPT-6 Sol2026-09-2248אינטליגנציה
- AnthropicAnthropic: Claude Opus 5.52026-09-2258אינטליגנציה
- xAIGrok 4.72026-09-2146אינטליגנציה
- OrcaOrca: OrcaCyber Zero 1.02026-09-17$3.00 / $7.50 לכל 1M טוקנים · 44 tok/s
- OrcaOrca: OrcaVerify Text 1.02026-09-16$2.00 / $0.00 לכל 1M טוקנים · 478 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-09-1040אינטליגנציה
- OpenAIOpenAI: GPT-6 Astra2026-09-0453אינטליגנציה77כתיבת קוד
- GoogleGoogle: Gemini 3.8 Flash2026-09-0241אינטליגנציה76כתיבת קוד
- AlibabaQwen: Qwen3.8 Max (0902)2026-09-0245אינטליגנציה76כתיבת קוד
- AnthropicAnthropic: Claude Fable 5.12026-09-0153אינטליגנציה82כתיבת קוד
- TencentTencent: Hy4 preview2026-08-28$0.83 / $2.50 לכל 1M טוקנים · 59 tok/s
- AlibabaQwen: Qwen3.8 Flash2026-08-26$0.15 / $0.47 לכל 1M טוקנים · 217 tok/s
- z-aiZ.ai: GLM 5.3 Flash2026-08-2642אינטליגנציה72כתיבת קוד
- DeepSeekDeepSeek: DeepSeek V4 Flash Vision (Exp)2026-08-21$0.22 / $0.66 לכל 1M טוקנים · 229 tok/s
- z-aiZ.ai: GLM 5.32026-08-1845אינטליגנציה75כתיבת קוד
הנח את שני כרטיסי התעריפים זה לצד זה והפער אינו עדין. Tencent Hy4 Preview רשום במחיר של $0.834 למיליון טוקנים בקלט, $2.501 למיליון טוקנים בפלט ו-$0.042 למיליון קלט במטמון בנקודת הקצה הבינלאומית שלו. GPT-6.1 Sol רשום במחירים של $2.00, $10.00 ו-$0.10 בהתאמה. זהו פער של פי 4 בטוקני פלט ופער של פי 2.4 בקלט, וכיוון ששני המודלים מתומחרים לפי טוקן, השאלה שהפער מעלה אינה איזה מהם זול יותר — Hy4 Preview זול יותר בכל שורה — אלא האם היקר מביניהם משלים בכל קריאה מספיק עבודה נוספת כדי להצדיק זאת. אף אחד מהספקים לא פרסם נתון שמשיב על כך ישירות, והמאמר הזה עוסק במידה רבה בשאלה מדוע המספרים המובנים מאליהם משני הצדדים אינם התשובה.
Tencent השיקה והוציאה כקוד פתוח את Hy4 Preview ב-2026-08-28; OpenAI השיקה את GPT-6.1 Sol ב-API ב-2026-09-29. שניהם מודלים סוכניים עם תמיכה בטקסט וחלונות הקשר של מיליון טוקנים, שניהם נגישים היום, ושניהם נמצאים בקטלוג שלנו — מה שהופך את זה להשוואה הנדירה בסדרה הזו, שבה אפשר להריץ את החישוב לפי טוקן מול שתי שורות חיות ולא מול הודעה לעיתונות. המספרים שלהלן מגיעים מחומרי ההשקה והתיעוד של המודל של Tencent, מדפי המודל והתמחור של OpenAI, מרשומות הקטלוג שלנו, ומהערכות שפורסמו כמפורט, שנקראו ב-2026-10-12. כל מספר שהוא הרצה של הספק עצמו מסומן ככזה.
מה כל מודל הוא בפועל
התחל עם הארכיטקטורה, כי שני המודלים פותרים את אותה בעיית הגשה עם אותה טכניקה.
• פרמטרים — Hy4 Preview הוא מודל תערובת־מומחים עם 770B פרמטרים ו-49B פעילים לכל טוקן על פני 78 שכבות, תוך שימוש ב-256 מומחים מנותבים ועוד מומחה משותף אחד. GPT-6.1 Sol הוא מודל קנייני של OpenAI הממוקם דרגה אחת מתחת ל-GPT-6 Astra באותו דור; OpenAI אינה מפרסמת מספרי פרמטרים.
• הקשר ופלט — שניהם מתעדים בערך מיליון טוקנים של הקשר קלט. רשומת הקטלוג שלנו עבור Hy4 Preview כוללת 1,048,576 טוקנים של הקשר עם מקסימום השלמה של 64,000 טוקנים; החומר של Tencent עצמה מתאר חלון הקשר העולה על 1M טוקנים עם מקסימום קלט של 960,000 טוקנים. GPT-6.1 Sol מתעד 1,050,000 טוקנים של הקשר עם מקסימום פלט של 128,000 טוקנים — פי שניים מתקרת ההשלמה של Hy4, וזה המפרט שמכריע כאשר רוצים ארטיפקט מובנה ארוך מקריאה אחת.
• מודאליות — שניהם טקסטואליים בלבד בצד הקלט, עם שימוש בכלים ופלט מובנה כפי שהייתם מצפים ממודל סוכני עכשווי. אף אחד מהם אינו מודל ראייה.
• בקרות הסקה — Hy4 Preview חושף את האפשרויות גבוה, נמוך וללא, כאשר גבוה הוא ברירת המחדל; טמפרטורה של 0.9 ו-top_p של 1.0 הן הגדרות הדגימה המומלצות. GPT-6.1 Sol חושף את האפשרויות נמוך, בינוני (ברירת מחדל), גבוה, xhigh ומקסימום, ללא מצב כבוי כלל — ההסקה תמיד פעילה, ופרמטרי דגימה כגון טמפרטורה ו-top_p נדחים על הסף.
• משקלים — Hy4 Preview הוא בקוד פתוח תחת Apache 2.0 וניתן להורדה היום. GPT-6.1 Sol הוא סגור, זמין רק דרך API, ולעולם לא יהיה זמין באחסון עצמי.
השורה האחרונה הזו היא מה שמבדיל בין שני המודלים האלה יותר מכל מדד ביצועים. מודל 770B/49B Apache 2.0 הוא נכס בבעלותך; מודל API קנייני הוא מינוי. כל השאר בעמוד הזה עוסק בשאלה איזה משני הדברים האלה נדרש לעומס העבודה שלך.
שורות המחיר, כשהחישוב נעשה
שני כרטיסי התעריפים פורסמו ושניהם מועברים דרכנו ללא תוספת מחיר, כך שסעיף זה ניתן לאימות ולא מבוסס על דיווח.
• פלט — GPT-6.1 Sol במחיר $10.00 למיליון לעומת Hy4 Preview במחיר $2.501 למיליון. עבור כל מיליון טוקני פלט שעומס עבודה פולט, ההפרש הוא $7.50, והפלט הוא המדד שמודל הסקה מוציא עליו הכי הרבה.
• קלט — $2.00 למיליון לעומת $0.834. פער של פי 2.4 בשורה ששולטת בכל צינור עיבוד עם הקשר ארוך, מפני שפרומפט בקנה מידה של מאגר קוד או סט מסמכים שולח מחדש קידומת גדולה בכל סיבוב.
• קלט במטמון — $0.10 למיליון לעומת $0.042. שני הספקים מעניקים הנחה חדה על קידומות בקריאה חוזרת, ותעריף המטמון של Hy4 הוא פחות ממחצית מזה של GPT-6.1 Sol.
• כתיבות מטמון — GPT-6.1 Sol גובה $2.50 למיליון עבור כתיבת קידומת במטמון. התעריפים הבינלאומיים המפורסמים של Hy4 Preview אינם כוללים שורת כתיבה למטמון נפרדת, מה שאומר שהכתיבה הראשונה מתומחרת כקלט רגיל ולא כפרמיה.
הרץ תבנית שגרתית עבור כל אחד מהמודלים: 500,000 אסימוני קלט, מתוכם 460,000 הם קידומת שמורה במטמון, ו-20,000 אסימוני פלט, בקריאה אחת.
• ב-GPT-6.1 Sol — 460,000 אסימונים במטמון ב-$0.10/M הם $0.046, 40,000 אסימוני קלט חדשים ב-$2.00/M הם $0.080, ו-20,000 אסימוני פלט ב-$10.00/M הם $0.200. סה"כ $0.326.
• ב-Hy4 Preview — 460,000 טוקנים במטמון בתעריף $0.042/M מסתכמים ב-$0.019, 40,000 טוקני קלט חדשים בתעריף $0.834/M מסתכמים ב-$0.033, ו-20,000 טוקני פלט בתעריף $2.501/M מסתכמים ב-$0.050. סה״כ $0.102.
הקריאה של Hy4 היא קצת פחות משליש מהקריאה של GPT-6.1 Sol בצורה הזו. כעת ההסתייגות שהופכת את ההשוואה לכנה: זוהי השוואה של שני כרטיסי תעריפים המיושמים על מספר טוקנים זהה, ומספרי הטוקנים אינם זהים בין המודלים. מודל שמנמק זמן רב יותר לפני שהוא עונה יפיק יותר טוקני פלט עבור אותה משימה, ו-GPT-6.1 Sol מתועד כמפיק 10–30% יותר טוקני פלט מאשר קודמו GPT-6 Sol בעבודה דומה. אם ברירת המחדל של Hy4 Preview לחשיבה "high" הופכת אותו למילולי באותה מידה, הפער במציאות מצטמצם; אם המודל של OpenAI הוא המילולי מבין השניים, הפער מתרחב מעבר לפי 3.2 שהחישוב מראה. כרטיסי תעריפים אומרים לך את המחיר של טוקן. הם לא אומרים לך כמה טוקנים עולה משימה, ורק הרצה של עומס העבודה שלך עצמך תכריע בכך.
היכן שהבנצ'מרקים עוזרים והיכן שלא
זהו הקטע שבו נבדלת איכות הראיות של שני המודלים, והפער הוא העיקר.
הערכת הדגל של Tencent עבור Hy4 Preview היא מבחן העדפה עיוור זה־מול־זה, והתוצאה היא 2.99 עבור Hy4 Preview לעומת 2.92 עבור GLM 5.3 ו־2.94 עבור Kimi K3. קראו זאת היטב: זוהי הערכה של Tencent עצמה, זהו ציון העדפה ולא ציון דיוק, מרווח הניצחון הוא שבע מאיות הנקודה בסולם של כשלוש נקודות, וקבוצת ההשוואה היא שני מודלים פתוחים אחרים. זוהי עדות לכך ש־Hy4 Preview תחרותי ביחס לדרג הנוכחי של מודלים פתוחים. זוהי אינה עדות לכך שהוא תחרותי ביחס למודל קנייני בחזית הטכנולוגיה, ואף חבילת הערכה בחומרי ההשקה אינה טוענת זאת.
טנסנט גם מדווחת על שיפור תפוקה של 31.8% הודות לעבודת האופטימיזציה העצמית של המודל, והארכיטקטורה כוללת שכבת חיזוי מרובה-אסימונים מובנית לפיענוח ספקולטיבי. שתי אלו הן טענות של הספק בנוגע ליעילות ההגשה, שלא שוחזרו בידי אף גורם אחר, ושתיהן סבירות עבור MoE בגודל 770B/49B שנבנה עם אותה שכבה — אך הן מתארות באיזו מהירות המודל עונה, לא באיזו מידה הוא עונה היטב.
ל-GPT-6.1 Sol יש עמדת ראיות חזקה יותר, וכדאי להיות מדויקים לגבי הסיבה. השורה העצמאית שלו ב-Intelligence Index במאמץ החשיבה המרבי היא 52, עם עלות הרצה מדודה של 0.72 דולר למשימה ומהירות פלט של בערך 65 עד 67 טוקנים לשנייה — צד שלישי הריץ אותו, העניק לו ציון ודיווח מה עלתה ההרצה. הנתון שלו ב-Artificial Analysis Terminal-Bench 4.0 הוא 56.06, לעומת 43.94 עבור קודמו GPT-6 Sol, מה שמעמיד את המעבר הבין-דורי במשימות סוכניות מבוססות shell על כ-12 נקודות. לעומת זאת, ההערכות המרכזיות של OpenAI עצמה עבור המודל — כולל תוצאת Terminal-Bench Science שמצטטת 5.47 דולר למשימה במאמץ מרבי לעומת 23.21 דולר עבור Claude Opus 5.5 — הן הרצות של הספק עם קווי הבסיס של הספק, ואף אחד לא שחזר אותן.
אז הסיכום הכנה של הראיות הוא חד-צדדי והוא נוטה לכיוון אחד: ל-GPT-6.1 Sol יש מדידה של צד שלישי גם של איכות וגם של עלות לכל משימה, ול-Hy4 Preview יש ציון העדפה של הספק מול מודלים פתוחים אחרים. זה לא אומר ש-Hy4 Preview גרוע יותר ממה שציון ההעדפה מרמז. זה אומר שאף אחד מחוץ ל-Tencent לא מדד אותו, וזו אמירה שונה, וסיבה לבחון אותו על המשימות שלכם במקום לסמוך על המספרים של מי מהצדדים.
שאלת האחסון העצמי, עם מספרים אמיתיים
המשקולות הפתוחות של Hy4 Preview הן הסיבה להתייחס אליו ברצינות מעבר למחיר ה-API, והן גם הסיבה שהוא אינו ניצחון פשוט.
הנתונים המעשיים, כפי שפורסמו: קוונטיזציה Q4_K_M של המודל מגיעה לכ-435 GiB, קוונטיזציה של 1 סיביות לכ-213 GiB, והמודל המלא ללא קוונטיזציה דורש בסדר גודל של 1.5 TB של VRAM. נתון ה-213 GiB בקוונטיזציה של 1 סיביות הוא היחיד מבין השלושה שצומת בודד בעל זיכרון גבוה יכול להכיל, והוא גם זה שיעלה לכם בהכי הרבה איכות. נתון ה-435 GiB של Q4_K_M דורש תשתית multi-GPU שרוב הצוותים לא מחזיקים כשהיא יושבת בטלה.
מה זה אומר בפועל: אירוח עצמי של Hy4 Preview הוא אפשרות ממשית לארגונים שכבר מפעילים חומרה מהסוג הזה, ופרויקט הוני לכל השאר. אם אתם בקבוצה הראשונה, מחיר ה-API שלעיל לא רלוונטי עבורכם — אתם מחליפים חשבון מדוד בחשבון קבוע, ואין ב-Apache 2.0 עלות רישיון נוספת. אם אתם בקבוצה השנייה, תעריף ה-API הוא המספר היחיד שחשוב, ותעריפי $0.834 / $2.501 / $0.042 הם הסיבה להסתכל על המודל בכלל.
הסתייגות אחת מצד משתמשים, והיא הסתייגות של עלות ולא של יכולת: הקצוות המחוספסים המתועדים של Hy4 Preview הם הסקת יתר ואימות יתר — הוצאת יותר טוקנים ממה שמשימה דורשת, ובדיקת עבודה שכבר נכונה. ב-API בתשלום לפי שימוש ההתנהגות הזו מופיעה בשורת הפלט בעלות של $2.501 למיליון; בחומרה שמתארחת עצמאית היא מופיעה כהשהיה. כך או כך, הטמפרטורה המומלצת 0.9 והגדרת ההסקה המוגדרת כברירת מחדל "high" הן בחירות תצורה שכדאי לכוונן לפני שאתם שופטים את המודל לפי עלות.
![A headless capture of the OrcaRouter model page for tencent/hy4-preview, captured 2026-10-12, showing the breadcrumb Home / Models / Tencent, the 'Hy4 preview' heading and the slug tencent/hy4-preview, capability tags for Tools, JSON and Reasoning, the vendor line 'by Tencent - 2026-08-28', a description stating that Hy4 preview is Tencent's latest Mixture-of-Experts flagship with 770B total parameters, 49B activated per token, 78 layers, 256 routed experts plus 1 shared expert and a 1M-token context window, a further line describing it as a text-only model built for coding agents, complex tool-use workflows and productivity work with a native MTP layer for speculative decoding, a Developer section, capability labels reading reasoning, coding and agentic, the endpoint paths /v1/chat/completions and /v1/responses, the rate strip showing $0.83 input and $2.50 output with a 5.29 s latency figure, and a button reading 'Get the Hy4 pr[evi]ew'.](https://cms.orcarouter.ai/api/media/file/4-1830.png)
איזה כרטיס אתה אמור להחזיק
שני הדגמים אינם תחליפים לאותו קונה, והחלוקה נקייה.
בחרו ב-GPT-6.1 Sol אם העומס יקר מכדי לטעות בו וזול ביחס למחיר הכישלון — לולאות קידוד סוכניות ארוכות, שימוש במחשב, ועבודה מקצועית עתירת מסמכים שבה משימה שנכשלת עולה יותר מהטוקנים שהפיקו אותה. יש לו את המדידות העצמאיות, ההקשר הרחב יותר, תקרת פלט כפולה ותאריך חיתוך ידע של 2026-04-30. תקצבו את העובדה שמד הפלט שלו הוא היכן שהכסף הולך, ותכננו סביב סף 272,000 טוקני קלט שמעליו OpenAI מתמחרת מחדש את כל הבקשה. הוא נמצא בקטלוג שלנו בתעריפי המחירון של OpenAI עם 0% תוספת: https://www.orcarouter.ai/models/openai/gpt-6.1-sol.
בחר ב-Hy4 Preview אם עומס העבודה הוא בנפח גבוה, רגיש לעלויות וסובלני למודל שאיש מחוץ ליצרן שלו לא בחן בבנצ'מרק — חילוץ בכמות גדולה, סיווג, סיכום, סוכני קריאה לכלים שבהם המשימה מוגדרת היטב והכשל זול לניסיון חוזר. במחיר $0.834 / $2.501 / $0.042 זה שליש מהעלות על אותם מספרי טוקנים, הוא בקוד פתוח תחת Apache 2.0 אם אי פעם תרצה להפסיק לשכור אותו, והוא נמצא בקטלוג שלנו בתעריפי המחירון של Tencent בלי תוספת מחיר: https://www.orcarouter.ai/models/tencent/hy4-preview. אותו כלל של 0% תוספת מחיר חל על שתי השורות, כלומר הורדת מחיר של ספק מגיעה לקטלוג באותו יום שבו היא מגיעה לעמוד של הספק, ולא אחרי שמוכר מחדש מבחין בכך.
התצורה שרוב הצוותים ירצו בפועל היא את שתיהן, כשהמודל הזול נושא את הנפח והמודל היקר נושא את הזנב הקשה — וזה בדיוק ההסדר שנקודת קצה אחת עם מעבר אוטומטי בין יותר מ-200 מודלים נועדה להוזיל, מכיוון שמודל שטרם הוכח כמו Hy4 Preview הרבה יותר קל לנסות כאשר הוא יושב מאחורי אותו מפתח של מודל שאתם כבר סומכים עליו, עם מסלול שעובר אוטומטית לחלופה במקום אינטגרציה שנייה שצריך לתחזק.
השוואות במאמר הזה1
זוהה מתוך המאמר הזה · בנצ'מרקים: Artificial Analysis · מתעדכן יומית
