GPT-6.1 Sol vs Intern S2: uno ha un prezzo, l'altro ha i pesi

La cosa più strana quando si confronta GPT-6.1 Sol con Intern S2 è che un lato del confronto non ha un prezzo che si possa consultare. Intern-S2-397B dello Shanghai AI Laboratory, pubblicato il 2026-09-13, distribuisce pesi Apache 2.0 su Hugging Face, un rapporto tecnico e un endpoint API ospitato dal fornitore — e nessuna tariffa per token pubblicata da nessuna parte. GPT-6.1 Sol di OpenAI, rilasciato il 2026-09-29, costa 2,00 $ per milione di token in input e 10,00 $ per milione in output, con un livello documentato oltre i 272.000 token di prompt, e ognuno di questi numeri compare su una pagina di prezzi pubblica. Quindi il modo onesto di inquadrare questa coppia non è "quale sia migliore" ma "per quale dei due si può davvero prevedere una fattura" — e la risposta differisce per ragioni che non hanno nulla a che fare con le capacità.

Tutto ciò che segue si divide nettamente in due basi probatorie, e tenerle separate è la maggior parte del lavoro. Le cifre di GPT-6.1 Sol sono indipendenti, provengono da Artificial Analysis, salvo dove una frase afferma il contrario. Le cifre di Intern-S2 sono di InternLM stesso, non riprodotte da alcuna terza parte, e le frasi che le riportano lo dicono.

Due sistemi sotto un unico nome

Intern S2 non è un singolo modello, e vale la pena chiarire la confusione prima di ogni altra cosa. La famiglia contiene almeno due artefatti pubblicati:

• Intern-S2-Mobius — un modello a pesi aperti da 35 miliardi di parametri sotto Apache 2.0, pre-addestrato in modo continuativo da Qwen3.5-35B, che utilizza un'architettura Mobius-v0 con una Memory condivisa di 2.560 esperti, quattro blocchi Reasoner e 40 livelli. Le indicazioni per il deployment descrivono circa 3 miliardi di parametri attivi per token con un pattern di attenzione ibrido 3:1, un contesto di 256.000 token e una vision tower. I pesi sono stati rilasciati il 2026-07-29; il repository GitHub e il report tecnico sono seguiti il 2026-08-05; il supporto vLLM è stato integrato il 2026-08-06.

• Intern-S2-397B — il modello di punta, pubblicato il 2026-09-13. Circa 397 miliardi di parametri totali in un'architettura Qwen3.5-MoE, 512 esperti con 10 attivi, pesi Apache 2.0 su Hugging Face insieme a una model card, una voce ufficiale dell'API Intern, e il supporto vLLM Day-0 annunciato il giorno successivo, con una ricetta pubblicata per l'inferenza FP8 su otto H100 o otto H200. I suoi limiti pubblicati sono 256.000 token di contesto testuale e 64.000 di contesto multimodale.

GPT-6.1 Sol è l'oggetto più semplice: un identificatore di snapshot, gpt-6.1-sol, nessuna variante datata, 1.050.000 token di contesto, 128.000 di output massimo, input di testo, immagini e file, cinque livelli di sforzo di ragionamento con medio come impostazione predefinita, e una data di cutoff delle conoscenze dichiarata del 30 aprile 2026.

Su cosa si basano i numeri di ciascuna parte

Questo è l'asse sul quale i due sono più distanti, e non c'è confronto.

Il record indipendente di GPT-6.1 Sol, tutto da Artificial Analysis:

• AA Intelligence Index — 51,8, posizione 10 su 147 modelli, 93,2° percentile.

• Humanity's Last Exam — 52,9%.

• Recall su contesto lungo — 83%.

• SciCode — 54,2%.

• Terminal-Bench 4.0 — 56,06%.

Il record di Intern-S2, tutto quanto di InternLM, nessuno riprodotto da terzi:

• MMLU Pro — 89,77% per il modello di punta 397B.

• HMMT-2026 — 93,56%.

• MMMU Pro — 81,68%.

• SWE-bench-Pro — 68,54%.

• TerminalBench 2.1 — 64,04%.

• Righe del dominio scientifico — Biology-Instructions 55,71%, SciReasoner 1.5 63,28%, Mol-Instructions 53,95%, MolecularIQ 62,35%.

Quelle due liste non sono comparabili, e vale la pena essere espliciti sul perché. Il primo insieme è una parte senza interessi in gioco che pone le stesse domande a molti modelli sotto un unico protocollo. Il secondo insieme è il laboratorio che ha addestrato il modello che riporta come è andato il proprio modello. Ciò non rende falso il secondo insieme — i laboratori con un rapporto tecnico pubblicato e pesi scaricabili hanno una reputazione in gioco nei numeri — ma significa che i numeri sono un'affermazione piuttosto che una misurazione, e attualmente non esiste alcun valutatore indipendente, né alcun fornitore di inferenza indipendente, che pubblichi i punteggi di Intern-S2 da nessuna parte.

Le righe che contengono informazioni reali

Due cose nei materiali di InternLM stesso sono più informative dei punteggi principali, proprio perché non sono lusinghiere.

Il primo è la tabella di benchmark Mobius per il modello 35B, che lo confronta con la base Qwen3.5-35B da cui è stato pre-addestrato in modo continuativo. È un confronto davvero utile — stessa discendenza, stessa scala, quindi il delta isola ciò che il cambiamento di architettura ha apportato. Mobius vince sette dei nove benchmark generali e perde nettamente su Humanity's Last Exam e UGD. Leggendo la cosa onestamente, l'architettura Mobius porta a guadagni generali moderati e cede qualcosa sul set di ragionamento più difficile. Le righe del dominio scientifico nella stessa tabella sono più ampie, ma sono il segno di un pre-addestramento continuato sul dominio più che dell'architettura — è dai dati di addestramento che derivano i numeri di biologia e chimica, non dal layout degli esperti.

Il secondo è l'efficienza, che è l'affermazione più concreta nella release: 2,9 volte il throughput della baseline con batch 16, che sale a 4,6 volte con batch 256. Sono rapporti rispetto a una baseline interna, misurati dal laboratorio, su hardware scelto dal laboratorio — e sono anche il tipo di affermazione facile da verificare una volta che si hanno i pesi, cosa che voi avete, sotto Apache 2.0.

Quella verificabilità è il vero valore di un rilascio aperto, e punta a qualcosa che i punteggi da prima pagina non possono raggiungere: non devi fidarti del rapporto di throughput, perché otto H100 e una ricetta vLLM sono ormai le uniche cose che ti separano dal verificarlo.

Pesi aperti contro un endpoint a pagamento

È qui che i due modelli smettono di essere alternative e iniziano a essere decisioni diverse.

GPT-6.1 Sol è un servizio. Paghi a token, ottieni una finestra da 1.050.000 token, 128.000 token di output, cinque livelli di sforzo e nessuna superficie operativa. La fattura cresce in modo lineare con l'utilizzo e il costo marginale di un picco è una voce di costo, non un problema di capacità. Il compromesso è che non puoi fare fine-tuning — OpenAI non pubblica alcun percorso di fine-tuning per questo modello — non puoi eseguirlo sul tuo hardware e la tua economia unitaria è determinata dalla pagina dei prezzi di qualcun altro.

Intern-S2-397B è un download. Apache 2.0 significa che puoi eseguirlo, modificarlo, eseguirne il fine-tuning e servirlo all'interno della tua rete senza che alcun dato ne esca. Otto H100s rappresentano un vero costo in conto capitale e un vero onere operativo, ma al di sopra di un certo volume sostenuto quel costo in conto capitale è più economico di una tariffa per token, ed è l'unica opzione se i dati non possono uscire affatto dal tuo perimetro. Il rovescio della medaglia è che ora tutto ciò che riguarda la qualità è un tuo problema: non c'è alcun benchmark indipendente su cui pianificare, nessun provider esterno su cui fare failover e nessun fornitore a cui escalare una regressione.

Tra queste due posizioni, la variabile decisiva è quasi sempre l'utilizzo. Un picco mensile di qualche centinaio di milioni di token non ammortizza otto GPU. Un flusso mensile costante di diversi miliardi di token all'interno di un perimetro regolamentato spesso sì.

Il numero che manca da una colonna

Intern-S2-397B non ha una tariffa per token pubblicata. Non è una svista da aggirare con una stima; significa che il confronto standard che questo blog di solito esegue — costo per milione di token contro costo per milione di token — non può essere eseguito affatto rispetto al percorso self-hosted.

Il confronto che si può effettuare è con l'endpoint ospitato dal fornitore. InternLM gestisce un'API Intern ufficiale all'indirizzo chat.intern-ai.org.cn/api/v1 con l'identificatore del modello intern-s2-397b, e la tariffa per quell'endpoint è quella che dovresti confrontare, da preventivo a preventivo, con i $2,00 e $10,00 di GPT-6.1 Sol. Finché quella tariffa non viene pubblicata, l'unica affermazione onesta è che il prezzo del percorso API è sconosciuto, e il prezzo del percorso self-hosted dipende dal tuo contratto GPU e dal tuo utilizzo, non da un listino prezzi.

Il che significa che l'aritmetica che questo articolo può fare è ristretta, e vale comunque la pena farla: chiediti quanto sarebbe il tuo costo per milione di token con il tuo utilizzo, e confrontalo con $2,00/$10,00 applicando la fascia sopra i 272K. Per la maggior parte dei team la risposta a quell'aritmetica è che l'endpoint chiuso vince al di sotto di qualche miliardo di token al mese e i pesi aperti vincono al di sopra — e l'intera questione è da quale lato di quella linea si trova il carico di lavoro.

Gestirli in modo diverso

Non esiste un'unica risposta in questo caso, perché ai due modelli non si giunge allo stesso modo, e fingere il contrario sarebbe lo stesso errore che citare le righe dell'indice fianco a fianco.

GPT-6.1 Sol è su OrcaRouter come openai/gpt-6.1-sol, al prezzo di listino di OpenAI con 0% di ricarico — 2,00 $ per l'input, 10,00 $ per l'output, input in cache a 0,10 $, la fascia oltre i 272K applicata esattamente come la imposta OpenAI. Poiché trasmettiamo il prezzo del fornitore senza applicare ricarichi, una variazione delle tariffe di OpenAI è attiva qui lo stesso giorno, anziché al ciclo di fatturazione successivo, e il failover automatico si trova sotto la route. Quest'ultima parte conta di più per un modello non ancora collaudato che per uno già collaudato — lo stesso argomento che vale per il lato Intern-S2, con la differenza che il lato Intern-S2 non può usufruirne.

Intern S2 non è su OrcaRouter e non lo ospitiamo. È raggiungibile tramite l'API di InternLM ed è scaricabile da Hugging Face con licenza Apache 2.0 per chiunque disponga dell'hardware. Se vuoi provarlo, i pesi sono la via a basso impegno — puoi valutare il flagship da 397B sui tuoi prompt prima di decidere se acquistare GPU per eseguirlo, e il Mobius 35B è abbastanza piccolo da testare il comportamento della famiglia su un singolo nodo.

Il verdetto che questo confronto merita non è una classifica, perché i due non stanno comprando la stessa cosa. Se ti serve un modello con un livello di capacità misurato in modo indipendente, un tetto di output pubblicato, un prezzo per token noto e nessuna superficie operativa, GPT-6.1 Sol è la risposta e non c'è partita — è semplicemente l'unico dei due che offre queste quattro cose. Se il tuo vincolo è che i dati non possono uscire dalla tua rete, o il tuo volume è abbastanza alto che le GPU battono i token, Intern-S2-397B è la risposta migliore e il benchmark mancante è un rischio che scegli di portarti dietro, non un motivo per andartene. Quello che non dovresti fare è confrontare i due sui loro numeri pubblicati. La valutazione di InternLM e la classifica di Artificial Analysis non sono lo stesso strumento, e leggerle come un'unica tabella produrrebbe una risposta sicura a una domanda che nessuno ha posto.