GPT-6.1 Sol vs Tencent Hy4 Preview: Membayar $10 per Token Keluaran Dibandingkan Model Terbuka dengan Harga $2.50

Letakkan kedua kartu tarif berdampingan dan selisihnya tidak samar. Tencent Hy4 Preview mencantumkan tarif $0.834 per juta token input, $2.501 per juta token output, dan $0.042 per juta input cache di endpoint internasionalnya. GPT-6.1 Sol mencantumkan tarif $2.00, $10.00, dan $0.10 secara berurutan. Itu berarti selisih 4× pada token output dan selisih 2,4× pada input, dan karena kedua model dihargai per token, pertanyaan yang dimunculkan oleh selisih itu bukanlah mana yang lebih murah — Hy4 Preview lebih murah di setiap lini — melainkan apakah model yang mahal menyelesaikan cukup banyak pekerjaan tambahan per panggilan untuk membenarkannya. Tak satu pun vendor telah menerbitkan angka yang menjawabnya secara langsung, dan artikel ini sebagian besar membahas mengapa angka-angka yang tampak jelas di kedua sisi bukanlah jawabannya.

Tencent merilis dan mengopen-source-kan Hy4 Preview pada 2026-08-28; Open​AI merilis GPT-6.1 Sol di API pada 2026-09-29. Keduanya adalah model agentik yang mendukung teks dengan jendela konteks sejuta token, keduanya dapat diakses hari ini, dan keduanya ada dalam katalog kami — yang menjadikan ini perbandingan langka dalam seri ini di mana aritmetika per token dapat dijalankan terhadap dua baris aktif alih-alih terhadap siaran pers. Angka-angka di bawah ini berasal dari materi rilis dan dokumentasi model Tencent, halaman model dan harga Open​AI, catatan katalog kami sendiri, serta evaluasi yang dipublikasikan sebagaimana dicatat, yang dibaca pada 2026-10-12. Setiap angka yang merupakan hasil pengujian vendor sendiri diberi label sebagai demikian.

Apa sebenarnya masing-masing model

Mulailah dari arsitekturnya, karena kedua model tersebut memecahkan masalah penyajian yang sama dengan teknik yang sama.

• Parameter — Hy4 Preview adalah campuran-pakar (mixture-of-experts) 770B dengan 49B aktif per token di 78 lapisan, menggunakan 256 pakar terarah plus 1 pakar bersama. GPT-6.1 Sol adalah model proprietary OpenAI yang diposisikan satu tingkat di bawah GPT-6 Astra dalam generasi yang sama; OpenAI tidak mempublikasikan jumlah parameter.

• Konteks dan output — keduanya mendokumentasikan sekitar satu juta token konteks input. Catatan katalog kami untuk Hy4 Preview memuat 1.048.576 token konteks dengan penyelesaian maksimum 64.000 token; materi Tencent sendiri menjelaskan jendela konteks yang melebihi 1 juta token dengan input maksimum 960.000 token. GPT-6.1 Sol mendokumentasikan 1.050.000 token konteks dengan output maksimum 128.000 token — dua kali batas atas penyelesaian Hy4, spesifikasi yang menjadi ganjalan ketika Anda menginginkan artefak terstruktur yang panjang dari satu panggilan.

• Modalitas — keduanya hanya teks di sisi masukan, dengan penggunaan alat dan keluaran terstruktur seperti yang Anda harapkan dari model agentik terkini. Keduanya bukan model visi.

• Kontrol penalaran — Hy4 Preview menyediakan high, low, dan none, dengan high sebagai default; temperature 0.9 dan top_p 1.0 adalah pengaturan sampling yang direkomendasikan. GPT-6.1 Sol menyediakan low, medium (default), high, xhigh, dan max, tanpa posisi off sama sekali — penalaran selalu aktif, dan parameter sampling seperti temperature dan top_p ditolak mentah-mentah.

• Bobot — Hy4 Preview bersifat open-source di bawah Apache 2.0 dan dapat diunduh hari ini. GPT-6.1 Sol bersifat tertutup, hanya tersedia melalui API, dan tidak akan pernah bisa dihosting sendiri.

Baris terakhir itulah yang membedakan kedua model ini lebih dari tolok ukur mana pun. Model Apache 2.0 770B/49B adalah milik; model API proprietary adalah langganan. Semua hal lain di halaman ini adalah tentang mana dari dua hal tersebut yang dibutuhkan beban kerja Anda.

The price lines, with the arithmetic done

Kedua kartu tarif dipublikasikan dan keduanya diteruskan oleh kami tanpa markup, sehingga bagian ini dapat diverifikasi, bukan sekadar dilaporkan.

• Output — GPT-6.1 Sol $10.00 per juta dibandingkan Hy4 Preview $2.501 per juta. Untuk setiap satu juta token output yang dihasilkan sebuah workload, selisihnya adalah $7.50, dan output adalah meteran yang paling besar pengeluarannya bagi model penalaran.

• Masukan — $2,00 per juta dibandingkan $0,834. Selisih 2,4× pada lini yang mendominasi pipeline konteks panjang apa pun, karena prompt berskala repositori atau kumpulan dokumen mengirim ulang prefiks berukuran besar pada setiap giliran.

• Input cache — $0,10 per juta dibandingkan $0,042. Kedua vendor memberikan diskon besar untuk prefiks yang dibaca ulang, dan tarif cache Hy4 kurang dari setengah GPT-6.1 Sol.

• Penulisan cache — GPT-6.1 Sol mengenakan biaya $2,50 per juta untuk menulis prefiks yang di-cache. Tarif internasional yang dipublikasikan Hy4 Preview tidak mencantumkan baris khusus untuk penulisan cache, yang berarti penulisan pertama dihargai sebagai input biasa, bukan sebagai premi.

Jalankan bentuk yang biasa untuk kedua model: 500.000 token masukan, dengan 460.000 di antaranya berupa prefiks yang di-cache, dan 20.000 token keluaran, dalam satu panggilan.

• Pada GPT-6.1 Sol — 460.000 token cache dengan $0.10/juta adalah $0.046, 40.000 token masukan baru dengan $2.00/juta adalah $0.080, dan 20.000 token keluaran dengan $10.00/juta adalah $0.200. Total $0.326.

• Pada Hy4 Preview — 460.000 token yang di-cache dengan tarif $0,042/juta adalah $0,019, 40.000 token input baru dengan tarif $0,834/juta adalah $0,033, dan 20.000 token output dengan tarif $2,501/juta adalah $0,050. Total $0,102.

Biaya panggilan Hy4 sedikit di bawah sepertiga biaya panggilan GPT-6.1 Sol pada bentuk ini. Sekarang, catatan yang membuat perbandingan ini jujur: ini adalah perbandingan dua kartu tarif yang diterapkan pada jumlah token yang sama, dan jumlah token tidak sama antar model. Model yang bernalar lebih lama sebelum menjawab akan menghasilkan lebih banyak token keluaran untuk tugas yang sama, dan GPT-6.1 Sol terdokumentasi menghasilkan 10–30% lebih banyak token keluaran daripada pendahulunya, GPT-6 Sol, pada pekerjaan yang sebanding. Jika pengaturan bawaan penalaran "high" pada Hy4 Preview membuatnya sama-sama bertele-tele, kesenjangan di dunia nyata menyempit; jika model OpenAI adalah yang lebih bertele-tele di antara keduanya, kesenjangan melebar melampaui 3,2× yang ditunjukkan oleh aritmetika. Kartu tarif memberi tahu Anda harga satu token. Kartu tarif tidak memberi tahu Anda berapa banyak token yang dibutuhkan suatu tugas, dan hanya menjalankan beban kerja Anda sendiri yang bisa memastikannya.

Di mana tolok ukur membantu dan tidak membantu

Inilah bagian tempat kualitas bukti kedua model menyimpang, dan penyimpangan itulah intinya.

Evaluasi utama Tencent untuk Hy4 Preview adalah uji preferensi berdampingan secara buta, dan hasilnya adalah 2,99 untuk Hy4 Preview dibandingkan 2,92 untuk GLM 5.3 dan 2,94 untuk Kimi K3. Baca itu dengan cermat: ini adalah evaluasi Tencent sendiri, ini adalah skor preferensi dan bukan skor akurasi, margin kemenangannya adalah tujuh perseratus poin pada skala sekitar tiga poin, dan kumpulan pembandingnya adalah dua model terbuka lainnya. Ini adalah bukti bahwa Hy4 Preview kompetitif dengan tier open-weight saat ini. Ini bukan bukti bahwa ia kompetitif dengan model frontier proprietary, dan tidak ada suite dalam materi rilis yang mengklaim demikian.

Tencent juga melaporkan peningkatan throughput sebesar 31,8% dari pekerjaan pengoptimalan mandiri model tersebut, dan arsitekturnya mencakup lapisan prediksi multi-token native untuk speculative decoding. Keduanya adalah klaim efisiensi penyajian dari vendor, yang belum direproduksi oleh pihak lain, dan keduanya masuk akal untuk MoE 770B/49B yang dibangun dengan lapisan tersebut — tetapi keduanya menggambarkan seberapa cepat model menjawab, bukan seberapa baik.

GPT-6.1 Sol memiliki posisi bukti yang lebih kuat, dan patut dijelaskan secara tepat mengapa demikian. Baris Intelligence Index independennya pada upaya penalaran maksimum adalah 52, dengan biaya terukur untuk menjalankannya sebesar $0,72 per tugas dan kecepatan keluaran sekitar 65 hingga 67 token per detik — pihak ketiga menjalankannya, menilainya, dan melaporkan berapa biaya menjalankannya. Angka Artificial Analysis Terminal-Bench 4.0-nya adalah 56,06, dibandingkan 43,94 untuk pendahulunya, GPT-6 Sol, yang menempatkan lompatan generasi pada tugas agentik berbasis shell sekitar dua belas poin. Sebaliknya, evaluasi utama OpenAI sendiri untuk model tersebut — termasuk hasil Terminal-Bench Science yang menyebut $5,47 per tugas pada upaya maksimum dibandingkan $23,21 untuk Claude Opus 5.5 — adalah uji coba vendor dengan baseline vendor, dan belum ada yang mereproduksinya.

Jadi ringkasan jujur dari buktinya bersifat timpang dan hanya mengarah ke satu arah: GPT-6.1 Sol memiliki pengukuran pihak ketiga atas kualitas maupun biaya per tugas, sedangkan Hy4 Preview memiliki skor preferensi vendor dibandingkan model terbuka lainnya. Itu tidak berarti Hy4 Preview lebih buruk daripada yang ditunjukkan skor preferensi tersebut. Itu berarti belum ada pihak di luar Tencent yang mengukurnya, yang merupakan pernyataan berbeda, dan alasan untuk mengujinya pada tugas Anda sendiri alih-alih memercayai angka dari pihak mana pun.

Pertanyaan seputar self-hosting, dengan angka nyata

Bobot terbuka Hy4 Preview adalah alasan untuk menganggapnya serius di luar harga API, dan juga alasan mengapa ini bukan kemenangan yang sederhana.

Angka-angka praktis, seperti yang dipublikasikan: kuantisasi Q4_K_M dari model ini mencapai sekitar 435 GiB, kuantisasi 1-bit mencapai sekitar 213 GiB, dan model penuh tanpa kuantisasi membutuhkan VRAM pada kisaran 1,5 TB. Angka 213 GiB untuk 1-bit adalah satu-satunya dari ketiga angka tersebut yang dapat ditampung oleh satu node bermemori tinggi, dan itu juga yang akan paling mengorbankan kualitas Anda. Angka 435 GiB untuk Q4_K_M membutuhkan infrastruktur multi-GPU yang tidak dimiliki kebanyakan tim dalam keadaan menganggur.

Apa artinya dalam praktik: self-hosting Hy4 Preview adalah opsi nyata bagi organisasi yang sudah menjalankan kelas perangkat keras tersebut, dan proyek modal bagi semua pihak lainnya. Jika Anda berada di kelompok pertama, harga API di atas tidak relevan bagi Anda — Anda menukar tagihan berbasis pemakaian dengan tagihan tetap, dan Apache 2.0 tidak membebankan biaya lisensi tambahan. Jika Anda berada di kelompok kedua, tarif API adalah satu-satunya angka yang penting dan tarif $0.834 / $2.501 / $0.042 adalah alasan untuk bahkan mempertimbangkan model ini.

Satu catatan dari pengguna, dan ini catatan biaya, bukan catatan kemampuan: kekurangan Hy4 Preview yang didokumentasikan adalah penalaran berlebihan dan verifikasi berlebihan — menghabiskan lebih banyak token daripada yang dibutuhkan suatu tugas, memeriksa pekerjaan yang sudah benar. Pada API terukur, perilaku itu muncul di baris output sebesar $2.501 per juta; pada perangkat keras yang dihosting sendiri, perilaku itu muncul sebagai latensi. Bagaimanapun juga, temperature yang direkomendasikan sebesar 0.9 dan pengaturan penalaran default "high" adalah pilihan konfigurasi yang layak disetel sebelum Anda menilai model dari sisi biaya.

Kartu mana yang seharusnya kamu pegang

Kedua model tersebut tidak saling menggantikan untuk pembeli yang sama, pembagiannya jelas.

Ambil GPT-6.1 Sol jika beban kerjanya mahal jika salah dan murah relatif terhadap biaya kegagalan — loop pengodean agentic yang panjang, penggunaan komputer, pekerjaan profesional yang sarat dokumen di mana tugas yang gagal memakan biaya lebih besar daripada token yang menghasilkannya. Model ini memiliki pengukuran independen, konteks yang lebih luas, batas keluaran dua kali lipat, dan knowledge cutoff 2026-04-30. Anggarkan fakta bahwa meteran keluarannya adalah tempat uang mengalir, dan rancang dengan mempertimbangkan ambang batas 272.000 token masukan yang di atasnya Open​AI menetapkan ulang harga seluruh permintaan. Model ini ada di katalog kami dengan tarif daftar Open​AI dengan markup 0%: https://www.orcarouter.ai/models/openai/gpt-6.1-sol.

Pilih Hy4 Preview jika beban kerjanya bervolume tinggi, sensitif biaya, dan toleran terhadap model yang belum pernah diukur tolok ukurnya oleh siapa pun di luar pembuatnya — ekstraksi massal, klasifikasi, peringkasan, agen pemanggil alat ketika tugasnya sudah ditentukan dengan baik dan kegagalannya murah untuk dicoba ulang. Dengan harga $0.834 / $2.501 / $0.042, biayanya sepertiga dari biaya pada jumlah token yang sama, model ini bersumber terbuka di bawah Apache 2.0 jika Anda ingin berhenti menyewanya, dan model ini ada di katalog kami dengan tarif daftar Tencent tanpa tambahan markup: https://www.orcarouter.ai/models/tencent/hy4-preview. Aturan markup 0% yang sama berlaku untuk kedua baris, yang berarti penurunan harga vendor masuk ke katalog pada hari yang sama saat masuk ke halaman vendor, bukan setelah reseller menyadarinya.

Konfigurasi yang sebenarnya diinginkan sebagian besar tim adalah keduanya, dengan model murah menangani volume dan model mahal menangani bagian yang sulit — dan itulah tepatnya penyiapan yang dibuat murah oleh satu endpoint dengan failover otomatis di lebih dari 200 model, karena model yang belum terbukti seperti Hy4 Preview jauh lebih mudah dicoba ketika berada di balik kunci yang sama dengan model yang sudah Anda percayai, dengan rute yang otomatis beralih ke cadangan alih-alih integrasi kedua yang harus dipelihara.