GPT-6.1 Sol vs Tencent Hy4 Preview: pagare 10 $ per token di output contro un modello aperto a 2,50 $

Metti le due tabelle tariffarie fianco a fianco e il divario non è affatto sottile. Tencent Hy4 Preview ha un prezzo di listino di 0,834 $ per milione di token di input, 2,501 $ per milione di token di output e 0,042 $ per milione di input in cache sul suo endpoint internazionale. GPT-6.1 Sol ha un prezzo di listino rispettivamente di 2,00 $, 10,00 $ e 0,10 $. Si tratta di un divario di 4× sui token di output e di 2,4× sull'input, e poiché entrambi i modelli hanno un prezzo per token, la domanda che il divario solleva non è quale sia più economico — Hy4 Preview è più economico su ogni voce — ma se quello più costoso riesca a portare a termine abbastanza più lavoro per chiamata da giustificarlo. Nessuno dei due fornitori ha pubblicato un dato che risponda direttamente a questo, e questo articolo riguarda in gran parte il motivo per cui i numeri ovvi da entrambe le parti non sono la risposta.

Tencent ha rilasciato e reso open source Hy4 Preview il 28 agosto 2026; OpenAI ha rilasciato GPT-6.1 Sol sull'API il 29 settembre 2026. Entrambi sono modelli agentici con capacità testuali e finestre di contesto da un milione di token, entrambi sono oggi accessibili ed entrambi sono nel nostro catalogo — il che rende questo il raro confronto di questa serie in cui l'aritmetica per token può essere eseguita su due righe attive invece che su un comunicato stampa. I dati riportati di seguito provengono dal materiale di rilascio e dalla documentazione del modello di Tencent, dalle pagine del modello e dei prezzi di OpenAI, dai nostri dati di catalogo e dalle valutazioni pubblicate come indicato, consultati il 12 ottobre 2026. Ogni numero che è una misurazione eseguita direttamente dal fornitore è etichettato come tale.

Cosa è realmente ciascun modello

Inizia dall'architettura, perché i due modelli risolvono lo stesso problema di serving con la stessa tecnica.

• Parametri — Hy4 Preview è un modello mixture-of-experts da 770B con 49B attivi per token su 78 livelli, che utilizza 256 esperti instradati più 1 esperto condiviso. GPT-6.1 Sol è un modello proprietario Open​AI posizionato un livello sotto GPT-6 Astra nella stessa generazione; Open​AI non pubblica il numero di parametri.

• Contesto e output — entrambi documentano all'incirca un milione di token di contesto di input. La nostra scheda di catalogo per Hy4 Preview riporta 1.048.576 token di contesto con un completamento massimo di 64.000 token; il materiale di Tencent stesso descrive una finestra di contesto superiore a 1M token con un input massimo di 960.000 token. GPT-6.1 Sol documenta 1.050.000 token di contesto con un output massimo di 128.000 token — il doppio del tetto di completamento di Hy4, che è la specifica che si fa sentire quando vuoi un artefatto strutturato lungo da una singola chiamata.

• Modalità — entrambi sono solo testo sul lato input, con l'uso di strumenti e l'output strutturato che ci si aspetterebbe da un attuale modello agentico. Nessuno dei due è un modello di visione.

• Controlli di ragionamento — Hy4 Preview espone high, low e none, con high come valore predefinito; una temperature di 0,9 e un top_p di 1,0 sono le impostazioni di campionamento consigliate. GPT-6.1 Sol espone low, medium (predefinito), high, xhigh e max, senza alcuna posizione off — il ragionamento è sempre attivo, e parametri di campionamento come temperature e top_p vengono rifiutati categoricamente.

• Pesi — Hy4 Preview è open source con licenza Apache 2.0 ed è scaricabile oggi. GPT-6.1 Sol è closed source, disponibile solo tramite API, e non sarà mai self-hosted.

Quell'ultima riga è quella che separa questi due modelli più di qualsiasi benchmark. Un modello Apache 2.0 da 770B/49B è un possesso; un modello API proprietario è un abbonamento. Tutto il resto in questa pagina riguarda quale di queste due cose serva al tuo carico di lavoro.

Le righe di prezzo, con i calcoli eseguiti

Entrambi i listini tariffari sono pubblicati ed entrambi vengono inoltrati da noi senza ricarico, quindi questa sezione è verificabile anziché dichiarata.

• Output — GPT-6.1 Sol $10,00 per milione rispetto a Hy4 Preview $2,501 per milione. Per ogni milione di token di output che un carico di lavoro emette, la differenza è di $7,50, e l'output è la metrica su cui un modello di ragionamento spende maggiormente.

• Input — $2,00 per milione contro $0,834. Un divario di 2,4× sulla linea che domina qualsiasi pipeline long-context, perché un prompt su scala repository o set di documenti reinvia un ampio prefisso a ogni turno.

• Input in cache — 0,10 $ per milione contro 0,042 $. Entrambi i fornitori applicano sconti molto aggressivi sui prefissi riletti, e la tariffa di cache di Hy4 è meno della metà di quella di GPT-6.1 Sol.

• Scritture nella cache — GPT-6.1 Sol addebita 2,50 $ per milione per scrivere un prefisso nella cache. Le tariffe internazionali pubblicate di Hy4 Preview non includono una voce separata per la scrittura nella cache, il che significa che la prima scrittura viene prezzata come input ordinario anziché come una voce premium.

Esegui una configurazione che è ordinaria per entrambi i modelli: 500.000 token di input, di cui 460.000 sono un prefisso in cache, e 20.000 token di output, in una singola chiamata.

• Su GPT-6.1 Sol — 460.000 token in cache a $0,10/M sono $0,046, 40.000 token di input nuovi a $2,00/M sono $0,080 e 20.000 token di output a $10,00/M sono $0,200. Totale $0,326.

• Su Hy4 Preview — 460.000 token in cache a $0,042/M costano $0,019, 40.000 token di input nuovi a $0,834/M costano $0,033 e 20.000 token di output a $2,501/M costano $0,050. Totale $0,102.

La chiamata a Hy4 costa poco meno di un terzo della chiamata a GPT-6.1 Sol su questa tipologia di carico. Ora, l'avvertenza che rende onesto il confronto: si tratta di un confronto tra due listini prezzi applicati a un identico conteggio di token, e i conteggi dei token non sono identici tra i modelli. Un modello che ragiona più a lungo prima di rispondere emetterà più token di output per lo stesso compito, ed è documentato che GPT-6.1 Sol produce dal 10 al 30% in più di token di output rispetto al suo predecessore GPT-6 Sol su lavori comparabili. Se l'impostazione predefinita di Hy4 Preview per il ragionamento “high” lo rende altrettanto verboso, il divario nel mondo reale si restringe; se il modello di OpenAI è il più verboso dei due, il divario si allarga oltre il 3,2× mostrato dall'aritmetica. I listini prezzi ti dicono il prezzo di un token. Non ti dicono quanti token costa un compito, e solo eseguire il proprio carico di lavoro lo stabilisce.

Dove i benchmark aiutano e dove no

Questa è la sezione in cui la qualità delle prove dei due modelli diverge, e la divergenza è il punto.

La valutazione principale di Tencent per Hy4 Preview è un test di preferenza cieco a confronto diretto, e il risultato è 2,99 per Hy4 Preview contro 2,92 per GLM 5.3 e 2,94 per Kimi K3. Leggetelo con attenzione: è una valutazione di Tencent stessa, è un punteggio di preferenza e non un punteggio di accuratezza, il margine di vittoria è di sette centesimi di punto su una scala di circa tre punti, e il gruppo di confronto è composto da altri due modelli aperti. È la prova che Hy4 Preview è competitivo con l'attuale fascia dei modelli a pesi aperti. Non è la prova che sia competitivo con un modello proprietario di frontiera, e nessuna suite nel materiale di rilascio avanza questa affermazione.

Tencent riporta anche un miglioramento del throughput del 31,8% dal lavoro di auto-ottimizzazione del modello stesso, e l'architettura include un livello nativo di previsione multi-token per la decodifica speculativa. Entrambe sono affermazioni di efficienza di servizio da parte del fornitore, non riprodotte da nessun altro, ed entrambe sono plausibili per un MoE 770B/49B costruito con quel livello — ma descrivono quanto velocemente risponde il modello, non quanto bene.

GPT-6.1 Sol ha la posizione probatoria più forte e vale la pena essere precisi sul perché. La sua riga indipendente dell'Intelligence Index al massimo sforzo di ragionamento è 52, con un costo misurato di esecuzione di 0,72 $ per attività e una velocità di output di circa 65-67 token al secondo — una terza parte l'ha eseguito, valutato e ha riportato quanto è costata l'esecuzione. Il suo valore su Artificial Analysis Terminal-Bench 4.0 è 56,06, contro 43,94 del suo predecessore GPT-6 Sol, il che colloca il salto generazionale nelle attività agentiche basate su shell a circa dodici punti. Di contro, le valutazioni di punta di Open​AI per il modello — incluso un risultato di Terminal-Bench Science che cita 5,47 $ per attività al massimo sforzo contro 23,21 $ per Claude Opus 5.5 — sono esecuzioni del fornitore con le baseline del fornitore, e nessuno le ha riprodotte.

Quindi la sintesi onesta delle prove è sbilanciata e va in una sola direzione: GPT-6.1 Sol ha una misurazione di terze parti sia della qualità che del costo per attività, mentre Hy4 Preview ha un punteggio di preferenza del fornitore rispetto ad altri modelli aperti. Ciò non significa che Hy4 Preview sia peggiore di quanto suggerisca il punteggio di preferenza. Significa che nessuno al di fuori di Tencent l'ha misurato, il che è un'affermazione diversa, e una ragione per testarlo sulle proprie attività invece di fidarsi dei numeri di una delle due parti.

La questione del self-hosting, con numeri reali

I pesi aperti di Hy4 Preview sono il motivo per prenderlo sul serio al di là del prezzo dell'API, e anche il motivo per cui non è una vittoria scontata.

I dati pratici, come pubblicati: una quantizzazione Q4_K_M del modello ammonta a circa 435 GiB, una quantizzazione a 1 bit a circa 213 GiB, e il modello completo non quantizzato richiede nell'ordine di 1,5 TB di VRAM. Il valore di 213 GiB per la quantizzazione a 1 bit è l'unico dei tre che un singolo nodo ad alta memoria può contenere, ed è anche quello che ti costerà più in termini di qualità. Il valore di 435 GiB per Q4_K_M richiede un'infrastruttura multi-GPU che la maggior parte dei team non ha a disposizione e inattiva.

Il che significa, in pratica: il self-hosting di Hy4 Preview è un'opzione reale per le organizzazioni che già gestiscono hardware di quella classe, e un investimento in conto capitale per tutti gli altri. Se fai parte del primo gruppo, il prezzo delle API indicato sopra è irrilevante per te — una fattura a consumo al posto di una fissa, e Apache 2.0 non impone alcun costo di licenza aggiuntivo. Se fai parte del secondo gruppo, la tariffa delle API è l'unico numero che conta, e i tassi di $0.834 / $2.501 / $0.042 sono il motivo per cui vale la pena considerare il modello.

Un'avvertenza da parte degli utenti, e riguarda i costi più che le capacità: i limiti documentati di Hy4 Preview sono il ragionamento e la verifica eccessivi — spendere più token di quanti ne richieda un'attività, controllare lavoro già corretto. Su un'API a consumo quel comportamento si manifesta sulla riga di output a $2.501 per milione; su hardware self-hosted si manifesta come latenza. In entrambi i casi, la temperatura consigliata di 0.9 e l'impostazione predefinita di ragionamento "high" sono scelte di configurazione che vale la pena mettere a punto prima di giudicare il modello in termini di costi.

Quale carta dovresti tenere in mano

I due modelli non sono sostituti per lo stesso acquirente, e la distinzione è netta.

Scegli GPT-6.1 Sol se il carico di lavoro è costoso da sbagliare ed economico rispetto al costo del fallimento — lunghi cicli di coding agentico, uso del computer, lavoro professionale ad alta intensità documentale in cui un'attività che fallisce costa più dei token che l'hanno prodotta. Dispone di misurazioni indipendenti, del contesto più ampio, del doppio del tetto di output e di una data di cutoff delle conoscenze del 2026-04-30. Metti in budget il fatto che il suo contatore di output è la voce in cui finiscono i soldi, e progetta attorno alla soglia di 272.000 token di input oltre la quale Open​AI ricalcola il prezzo dell'intera richiesta. È nel nostro catalogo ai prezzi di listino di Open​AI con 0% di ricarico: https://www.orcarouter.ai/models/openai/gpt-6.1-sol.

Scegli Hy4 Preview se il carico di lavoro è ad alto volume, sensibile ai costi e tollerante verso un modello che nessuno al di fuori del suo produttore ha sottoposto a benchmark — estrazione massiva, classificazione, riassunto, agenti con tool-calling in cui il compito è ben specificato e il fallimento è economico da ritentare. A $0.834 / $2.501 / $0.042 costa un terzo a parità di token, è open source con licenza Apache 2.0 se mai volessi smettere di noleggiarlo, ed è nel nostro catalogo ai prezzi di listino di Tencent senza alcun ricarico aggiunto: https://www.orcarouter.ai/models/tencent/hy4-preview. La stessa regola dello 0% di ricarico vale per entrambe le righe, il che significa che un taglio di prezzo del fornitore arriva nel catalogo lo stesso giorno in cui arriva sulla pagina del fornitore, anziché dopo che se ne accorge un rivenditore.

La configurazione che la maggior parte dei team vorrà davvero è entrambe, con il modello economico che gestisce il volume e quello costoso che gestisce la coda difficile — e è esattamente la configurazione che un singolo endpoint con failover automatico su oltre 200 modelli serve a rendere economica, poiché un modello non ancora collaudato come Hy4 Preview è molto più facile da provare quando si trova dietro la stessa chiave di un modello di cui ti fidi già, con una rotta che ripiega automaticamente invece di una seconda integrazione da mantenere.