GPT-6.1 Sol 対 Intern S2：片方は価格があり、もう片方は重みがある

最も奇妙なのは、比較する際にGPT-6.1 Sol と Intern S2 の一方には、調べられる価格が存在しないことです。Shanghai AI Laboratory の Intern-S2-397B は、2026-09-13 に公開され、Hugging Face で Apache 2.0 の重みを配布し、技術レポートとベンダーがホストする API エンドポイントを提供していますが、公開されたトークンあたりの料金はどこにもありません。OpenAI の GPT-6.1 Sol は、2026-09-29 にリリースされ、入力トークン 100 万あたり $2.00、出力トークン 100 万あたり $10.00 で、272,000 プロンプトトークンを超える文書化されたティアがあり、それらの数字はすべて公開料金ページに記載されています。したがって、この組み合わせを提示する誠実な方法は、「どちらが優れているか」ではなく、「この 2 つのうち、実際に請求額を予測できるのはどちらか」です。——そして、その答えが異なるのは、能力とは何の関係もない理由によるものです。

以下はすべて、きれいに2つの証拠基盤に分かれる。そして、それらを切り離しておくことが作業の大半を占める。GPT-6.1 Solの数値は、文が別段のことを述べていない限り、Artificial Analysisによる独立したものだ。Intern-S2の数値はInternLM自身のもので、第三者による再現はされておらず、それらを載せた文にはその旨が記されている。

ひとつの名前の下にある2つのシステム

Intern S2 は単一のモデルではなく、この混同は何よりもまず解消しておく価値があります。このファミリーには、少なくとも 2 つの公開された成果物が含まれています：

• Intern-S2-Mobius — Apache 2.0 の下で公開された 350 億パラメータのオープンウェイトモデルで、Qwen3.5-35B から継続的に事前学習されており、2,560 のエキスパートによる共有 Memory、4 つの Reasoner ブロック、40 層を備えた Mobius-v0 アーキテクチャを採用しています。デプロイガイダンスでは、3:1 のハイブリッドアテンションパターンでトークンあたりおよそ 30 億のアクティブパラメータ、256,000 トークンのコンテキスト、ビジョンタワーについて説明しています。重みは 2026-07-29 に公開され、GitHub リポジトリと技術レポートは 2026-08-05 に続き、vLLM サポートは 2026-08-06 にマージされました。

• Intern-S2-397B — フラッグシップ、2026年9月13日公開。Qwen3.5-MoEアーキテクチャで総パラメータ数は約3970億、512エキスパート中10がアクティブ。Hugging FaceではApache 2.0ウェイトがモデルカードとともに公開され、公式Intern APIエントリがあり、翌日にはvLLM Day-0サポートが発表され、8台のH100または8台のH200でのFP8推論用レシピも公開されています。公表されている上限は、テキストコンテキスト256,000トークン、マルチモーダルコンテキスト64,000トークンです。

GPT-6.1 Sol はより単純なオブジェクトです。スナップショット識別子が 1 つ、gpt-6.1-sol、日付付きバリアントはなく、コンテキストは 1,050,000 トークン、最大出力は 128,000、テキスト、画像、ファイル入力、5 段階の推論エフォートレベルでデフォルトは medium、知識カットオフは 2026 年 4 月 30 日とされています。

それぞれの側の数字が何に基づいているのか

これは両者が最も大きく隔たっている軸であり、しかも僅差ではない。

GPT-6.1 Solの独立した記録、すべてArtificial Analysisより：

• AA Intelligence Index — 51.8、147モデル中10位、93.2パーセンタイル。

• Humanity's Last Exam — 52.9%.

• 長文コンテキスト想起 — 83%.

• SciCode — 54.2%。

• Terminal-Bench 4.0 — 56.06%。

Intern-S2の記録は、すべてInternLM自身によるもので、第三者による再現は一切ありません：

• MMLU Pro — 397Bフラッグシップで89.77%。

• HMMT-2026 — 93.56%。

• MMMU Pro — 81.68%。

• SWE-bench-Pro — 68.54%。

• TerminalBench 2.1 — 64.04%。

• 科学分野 — Biology-Instructions 55.71%、SciReasoner 1.5 63.28%、Mol-Instructions 53.95%、MolecularIQ 62.35%。

これら二つのリストは比較可能ではなく、その理由をはっきり述べておく価値がある。最初の集合は、結果に利害関係のない主体が、同一のプロトコルの下で多くのモデルに同じ質問をしているものだ。二番目の集合は、そのモデルを訓練したラボが、自社モデルがどうだったかを報告しているものだ。だからといって二番目の集合が虚偽だというわけではない——公表された技術レポートとダウンロード可能な重みを持つラボは、その数値に評判を懸けている——が、それは数値が測定ではなく主張であることを意味する。そして現在、Intern-S2のスコアをどこかで公開している独立の評価者も、独立の推論プロバイダーも存在しない。

実際の情報を伝える行

InternLM自身の資料の中にある2つの点は、まさにそれが手放しで褒めたたえるものではないからこそ、見出しのスコアよりも情報価値が高い。

{{1}}最初のものは35BモデルのMobiusベンチマーク表で、継続事前学習の元になったQwen3.5-35Bベースと比較している。{{/1}} これは実に有用な比較だ——同じ系統、同じ規模なので、差分はアーキテクチャ変更がもたらしたものを浮かび上がらせる。 {{2}}Mobiusは9つの一般ベンチマークのうち7つで勝ち、Humanity's Last ExamとUGDでは大きく負けている。{{/2}} これを正直に読めば、Mobiusアーキテクチャは中程度の一般的向上をもたらす一方で、最も難しい推論セットでは何かを犠牲にしている。同じ表にある科学分野の行はより大きいが、それらはアーキテクチャの特徴というよりも、ドメイン継続事前学習の特徴だ——生物学と化学の数値の出どころは訓練データであり、エキスパート配置ではない。

2つ目は効率性の話で、これは今回のリリースで最も具体的な主張です。バッチ16ではベースラインの2.9倍のスループット、バッチ256では4倍にまで上がります。これらは社内ベースラインに対する比率で、ラボが測定し、ラボが選んだハードウェア上で得られたものです。そしてこれらは、重みを手に入れれば簡単に検証できるたぐいの主張でもあります。重みは実際に入手できますし、Apache 2.0 の下にあります。

その検証可能性こそがオープンリリースの実際の価値であり、それはヘッドラインのスコアには指し示せない何かを指し示している。スループット比を信じる必要はない。なぜなら、今や8台のH100とvLLMのレシピだけが、あなたとそれを検証することの間にある唯一のものだからだ。

有料エンドポイントに対するオープンウェイト

ここが、2つのモデルが選択肢ではなくなり、それぞれ異なる決断へと変わり始める地点です。

GPT-6.1 Solはサービスです。トークンごとに支払い、1,050,000トークンのウィンドウ、128,000の出力トークン、5つのエフォートレベルが得られ、運用面は一切ありません。請求額は使用量に比例して増加し、スパイクの限界コストは容量の問題ではなく、明細項目です。そのトレードオフは、それをファインチューニングできないことです — Open​AIはこのモデルのファインチューニングパスを公開していません — 自分のハードウェアで実行することもできず、ユニットエコノミクスは他人の価格ページによって設定されます。

Intern-S2-397B はダウンロード可能です。Apache 2.0 なので、実行し、改変し、ファインチューニングし、自社ネットワーク内で提供できます。データが外部に出ることは一切ありません。H100 を 8 台となると、実際の設備投資と運用負担が発生しますが、一定の継続的な処理量を超えれば、その設備投資はトークン単価より安くなり、データを自社の境界外に一切出せない場合には唯一の選択肢になります。その一方で、品質に関するすべてが自社の責任になるというトレードオフがあります。計画の基準にできる独立系ベンチマークはなく、障害時に切り替えられる外部プロバイダーもなく、リグレッションをエスカレーションできるベンダーも存在しません。

それら2つの立場の間では、決め手となる変数はほぼ常に利用率です。月に数億トークンをバースト的に処理するだけでは、8台のGPUを償却できません。規制された境界内で月間数十億トークンが安定して流れていれば、多くの場合償却できます。

1つの列から欠けている数字

Intern-S2-397Bには公開されたトークン単価がありません。これは見積もりで回避すべき見落としではなく、このブログが通常行っている標準的な比較——100万トークンあたりのコスト対100万トークンあたりのコスト——が、セルフホストの経路に対してはそもそも実施できないということを意味します。

実行できる比較は、ベンダーがホストするエンドポイントとの比較です。InternLM は公式の Intern API を chat.intern-ai.org.cn/api/v1モデル識別子 intern-s2-397bで運用しており、そのエンドポイントの料金は、GPT-6.1 Sol の $2.00 と $10.00 と見積もり同士で比較する際に必要となるものです。その料金が公表されるまで、正直に言える唯一のことは、API 経路の価格は不明であり、セルフホスト経路の価格は料金表によるものではなく、あなたの GPU 契約と利用率の関数であるということだけです。

つまり、この記事でできる計算は限定的であり、それでもやる価値はある。自分の利用率において、100万トークンあたりのコストがいくらになるかを問い、それを272K超のティアを適用した$2.00/$10.00と比較してみることだ。ほとんどのチームにとって、その計算の答えは、月あたり数十億トークンを下回るならクローズドエンドポイントが勝ち、それを上回るならオープンウェイトが勝つ、というものだ。そして問題はすべて、そのワークロードがこの境界線のどちら側にあるか、にかかっている。

それら2つを別々に実行すること

ここに唯一の答えはない。なぜなら、二つのモデルは同じ方法で到達されるものではないからであり、そうでないかのように装うことは、インデックス行を並べて引用するのと同じ誤りであろう。

GPT-6.1 SolはOrcaRouterでopenai/gpt-6.1-solとして提供されています、OpenAIの定価で、マークアップ0% — 入力$2.00、出力$10.00、キャッシュ入力$0.10、272K超の料金階層はOpenAIが設定するとおりに正確に適用されます。当社はプロバイダー価格をマークアップせずにそのまま渡しているため、OpenAIの料金変更は次の請求サイクルではなく、ここでは当日に反映され、また自動フェイルオーバーがそのルートの下に位置します。この最後の点は、実証済みのモデルよりも未実証のモデルにとってより重要です — それはIntern-S2側にも当てはまる同じ論拠ですが、Intern-S2側はそれを利用できない点が異なります。

Intern S2はOrcaRouterにはなく、当社ではホストしていません。InternLM独自のAPIを通じて利用でき、必要なハードウェアがある人なら誰でも、Apache 2.0の下でHugging Faceからダウンロードできます。試してみたいなら、重みを使うのが負担の少ない方法です — そのためにGPUを購入するか決める前に、397Bのフラッグシップモデルを自分のプロンプトで評価できますし、Mobius 35Bは単一ノードでこのファミリーの挙動をテストできるほど小さいです。

この組み合わせから得られる結論は、ランキングではない。両者は同じものを買っているわけではないからだ。独立に測定された能力レベル、公表された出力上限、既知のトークン単価、そして運用面を持たないモデルが必要なら、GPT-6.1 Sol が答えであり、しかも僅差ではない。単に、その4つを提供するのは2つのうち一方だけなのだ。データがあなたのネットワークの外に出られないことが制約なら、あるいは処理量が十分に多く、GPU のほうがトークンより有利になるなら、Intern-S2-397B のほうが優れた答えであり、不足しているベンチマークは、手を引く理由ではなく、あなたが引き受けることを選んでいるリスクだ。すべきでないのは、両者を公表された数値で比較することだ。InternLM 自身の評価と Artificial Analysis のリーダーボードは同じ測定器ではなく、それらを1つの表として読めば、誰も尋ねていない問いに対して自信たっぷりの答えを生み出すことになるだろう。