GPT-6.1 Sol 対 Tencent Hy4 Preview：出力トークンあたり10ドルを支払うか、2.50ドルのオープンモデルか

2つの料金表を並べてみれば、その差は明白だ。 Tencent Hy4 Previewは、国際エンドポイントで100万入力トークンあたり$0.834、100万出力トークンあたり$2.501、100万キャッシュ済み入力トークンあたり$0.042の価格を提示している。 GPT-6.1 Solはそれぞれ$2.00、$10.00、$0.10の価格を提示している。これは出力トークンでは4倍、入力では2.4倍の差であり、両モデルともトークン単位の課金なので、この差が提起する問いは、どちらが安いかではない——Hy4 Previewはどの項目でも安い——高価なほうが、1回の呼び出しあたり、その価格差を正当化できるほど追加で多くの作業を完了できるかどうかだ。どちらのベンダーも、それに直接答える数字を公表していない。そして本記事は主に、双方の明白な数字がなぜ答えにならないのかを扱っている。

Tencentは2026-08-28にHy4 Previewをリリースし、オープンソース化しました。Open​AIは2026-09-29にGPT-6.1 SolをAPIでリリースしました。どちらも100万トークンのコンテキストウィンドウを持つテキスト対応のエージェント型モデルで、どちらも現在利用可能であり、どちらも当社のカタログに掲載されています。そのため、このシリーズでは珍しく、トークンあたりの計算をプレスリリースではなく、実際に稼働している2つの行に対して実行できる比較になっています。以下の数値は、Tencentのリリース資料とモデルドキュメント、Open​AIのモデルおよび価格ページ、当社のカタログ記録、および注記のとおり公表された評価から取得し、2026-10-12に閲覧したものです。ベンダー自身が実行した数値には、その旨を明記しています。

各モデルの正体

まずアーキテクチャから見ていきましょう。というのも、この2つのモデルは同じ配信上の課題を同じ手法で解決しているからです。

• パラメータ — Hy4 Preview は 770B の Mixture-of-Experts で、78 層にわたりトークンあたり 49B がアクティブとなり、256 個のルーティングされたエキスパートと 1 個の共有エキスパートを使用しています。GPT-6.1 Sol はプロプライエタリな Open​AI モデルで、同じ世代の GPT-6 Astra より 1 段階下に位置づけられています。Open​AI はパラメータ数を公開していません。

• コンテキストと出力 — どちらもおよそ100万トークンの入力コンテキストを扱います。Hy4 Preview の当社カタログ登録値は 1,048,576 トークンのコンテキストと最大 64,000 トークンの補完です。Tencent 自身の資料では、コンテキストウィンドウは 1M トークンを超え、最大入力は 960,000 トークンと説明されています。GPT-6.1 Sol は 1,050,000 トークンのコンテキストと最大 128,000 トークンの出力を記載しており、これは Hy4 の補完上限の 2 倍です。1回の呼び出しから長い構造化成果物を得たいときに効いてくるのが、まさにこの仕様です。

• モダリティ — 入力側ではどちらもテキストのみで、現行のエージェント型モデルに期待されるであろうツール使用と構造化出力を備えている。どちらもビジョンモデルではない。

• 推論コントロール — Hy4 Preview は high、low、none を公開し、デフォルトは high です。temperature 0.9 と top_p 1.0 が推奨されるサンプリング設定です。GPT-6.1 Sol は low、medium（デフォルト）、high、xhigh、max を公開し、オフの設定は一切ありません — 推論は常にオンで、temperature や top_p などのサンプリングパラメータは完全に拒否されます。

• 重み — Hy4 Preview は Apache 2.0 のもとでオープンソース化されており、本日からダウンロード可能です。GPT-6.1 Sol はクローズドで API 専用であり、セルフホストされることは決してありません。

その最後の行こそ、どんなベンチマークよりもこれら2つのモデルを大きく分けるものだ。770B/49BのApache 2.0モデルは所有物であり、プロプライエタリなAPIモデルはサブスクリプションである。このページのほかのすべては、あなたのワークロードがそれら2つのうちどちらを必要としているかに関するものだ。

計算済みの価格行

両方の料金表は公開されており、どちらも当社がマークアップを加えずにそのまま通しているため、このセクションは報告ではなく検証可能です。

• 出力 — GPT-6.1 Sol は100万あたり$10.00、Hy4 Preview は100万あたり$2.501。ワークロードが出力トークンを100万個出力するごとに、その差額は$7.50であり、出力は推論モデルが最も多く支出を割くメーターである。

• 入力 — 100万あたり$2.00 対 $0.834。あらゆる長コンテキストパイプラインを支配する項目で2.4倍の差がある。なぜなら、リポジトリ規模または文書セットのプロンプトは毎ターン大きなプレフィックスを再送信するからだ。

• キャッシュ入力 — 100万あたり$0.10 対 $0.042。両ベンダーとも再読み込みプレフィックスを大幅に割引しており、Hy4のキャッシュ料金はGPT-6.1 Solの半分以下です。

• キャッシュ書き込み — GPT-6.1 Sol は、キャッシュ済みプレフィックスを書き込むために100万あたり$2.50を請求します。Hy4 Preview の公表されている国際料金には、キャッシュ書き込みの独立した項目がないため、最初の書き込みはプレミアムではなく通常の入力として価格設定されます。

どちらのモデルにとってもありふれた形状を実行する：入力トークン500,000（うち460,000はキャッシュ済みプレフィックス）、出力トークン20,000を、1回の呼び出しで。

• GPT-6.1 Sol では — 460,000 のキャッシュ済みトークンは $0.10/M で $0.046、40,000 の新規入力トークンは $2.00/M で $0.080、20,000 の出力トークンは $10.00/M で $0.200。合計 $0.326。

• Hy4 Preview では — 460,000 キャッシュ済みトークンは $0.042/M で $0.019、40,000 の新規入力トークンは $0.834/M で $0.033、20,000 の出力トークンは $2.501/M で $0.050。合計 $0.102。

Hy4 の呼び出しにかかるコストは、この形状では GPT-6.1 Sol の呼び出しの 3 分の 1 を少し下回る。ここで、この比較を正直なものにする注意点がある。これは同一のトークン数に適用した 2 枚の料金表の比較であり、モデル間でトークン数は同一ではない。答える前により長く推論するモデルは、同じタスクでもより多くの出力トークンを生成する。そして GPT-6.1 Sol は、同等の作業において前身の GPT-6 Sol より 10～30% 多くの出力トークンを生成すると記載されている。Hy4 Preview のデフォルトである推論「high」が同じくらい冗長にさせるなら、実運用上の差は縮まる。逆に OpenAI のモデルの方が 2 つのうちより冗長なら、差は算術が示す 3.2× を超えて広がる。料金表はトークン 1 個の価格を教えてくれる。しかし、タスクにどれだけのトークンがかかるかは教えてくれない。それを決着させるのは、自分のワークロードを実行して初めてのことだ。

ベンチマークがどこで役立ち、どこで役立たないか

ここは、2つのモデルのエビデンスの質が分かれるセクションであり、その分かれること自体が要点だ。

TencentによるHy4 Previewの主要評価は、ブラインドの並列比較による選好テストであり、結果はHy4 Previewが2.99、GLM 5.3が2.92、Kimi K3が2.94だった。これを注意深く読んでほしい。これはTencent自身の評価であり、精度スコアではなく選好スコアであり、勝利の差はおよそ3点満点の尺度で100分の7点にすぎず、比較対象は他のオープンモデル2つである。これはHy4 Previewが現在のオープンウェイト層と競争力があることの証拠である。プロプライエタリなフロンティアモデルと競争力があることの証拠ではなく、リリース資料内のどのスイートもそのような主張をしていない。

テンセントはまた、モデル自身の自己最適化作業によりスループットが31.8%向上したと報告しており、このアーキテクチャには投機的デコーディング向けのネイティブなマルチトークン予測層が含まれている。いずれもベンダーによるサービング効率の主張であり、他者による再現はなく、その層を備えて構築された770B/49BのMoEにとってはどちらももっともらしい — しかしそれらが述べているのはモデルがどれだけ速く応答するかであり、どれだけ優れているかではない。

GPT-6.1 Sol は証拠の面でより強い立場にあり、その理由を正確に述べておく価値がある。最大推論エフォート時の独立した Intelligence Index の行は 52 で、タスクあたりの実行実測コストは $0.72、出力速度は毎秒およそ 65～67 トークンである——第三者が実行し、採点し、その実行にかかった費用を報告した。Artificial Analysis Terminal-Bench 4.0 の数値は 56.06 で、前身である GPT-6 Sol の 43.94 に対して、シェルベースのエージェントタスクにおける世代間の変化は約 12 ポイントとなる。それに対し、OpenAI 自身によるこのモデルの主要評価——最大エフォートでタスクあたり $5.47、Claude Opus 5.5 の $23.21 と対比した Terminal-Bench Science の結果を含む——は、ベンダー自身の実行とベンダー自身のベースラインによるものであり、誰も再現していない。

証拠を正直に要約すると、それは偏っていて、一方向に傾いている。GPT-6.1 Solには、品質とタスクあたりコストの両方について第三者による測定がある。一方、Hy4 Previewには、他のオープンモデルと比較したベンダーの選好スコアがある。だからといって、Hy4 Previewが選好スコアから示唆されるより劣っているわけではない。それは、Tencentの外部では誰もそれを測定していないという意味であり、別の話であって、どちらの側の数値も信じるのではなく、自分のタスクで試すべき理由である。

セルフホスティングの疑問を、実際の数字で

Hy4 Preview のオープンウェイトは、API 価格を超えて真剣に受け止めるべき理由であり、同時に単純な勝利とは言えない理由でもある。

公開されている実用的な数値は次のとおりだ。モデルのQ4_K_M量子化はおよそ435 GiB、1ビット量子化はおよそ213 GiBで、完全な非量子化モデルには1.5 TB程度のVRAMが必要になる。213 GiBという1ビットの数値は、これら3つの中で単一の大容量メモリノードに収まる唯一のものであり、同時に品質を最も大きく犠牲にするものでもある。435 GiBというQ4_K_Mの数値には、ほとんどのチームが遊休状態で持っているわけではないマルチGPUインフラが必要だ。

これが実際に意味するのは、Hy4 Preview のセルフホスティングが、そのクラスのハードウェアをすでに運用している組織にとっては現実的な選択肢であり、それ以外のすべてにとっては設備投資プロジェクトだということだ。もし前者に属しているなら、上記の API 価格はあなたには無関係だ——従量制の請求を固定の請求に置き換えることになり、Apache 2.0 はその上にライセンス費用を課さない。もし後者に属しているなら、API 料金だけが意味を持つ数字であり、$0.834 / $2.501 / $0.042 という料率こそが、そもそもこのモデルに目を向ける理由である。

ユーザーからの注意点が1つあります。それは能力ではなくコストに関する注意点です。Hy4 Previewの文書化されている荒削りな点は、過剰な推論と過剰な検証です。つまり、タスクに必要な以上のトークンを消費し、すでに正しい作業を確認してしまうことです。従量制APIでは、その挙動は出力行に100万トークンあたり$2.501として現れます。セルフホスト型ハードウェアでは、レイテンシとして現れます。いずれにせよ、推奨される温度0.9とデフォルトの推論設定「high」は、コストでモデルを判断する前に調整する価値のある構成上の選択です。

どのカードを持つべきか

この2つのモデルは同じ購入者にとっての代替品ではなく、その棲み分けは明確である。

失敗したときのコストが高く、その失敗コストに比べて割安なワークロード、つまり長いエージェント型コーディングループ、コンピュータ操作、文書の多いプロフェッショナル業務など、タスクが失敗するコストがそのタスクを生み出したトークンよりも大きくなる場合には GPT-6.1 Sol を選んでください。独立した測定値、より広いコンテキスト、2 倍の出力上限、そして 2026-04-30 の知識カットオフを備えています。費用の大半は出力メーターに費やされることを見込んで予算を組み、OpenAI がリクエスト全体を再価格設定する 272,000 入力トークンのしきい値を踏まえて設計してください。OpenAI の定価、マークアップ 0% で当社のカタログに掲載しています: https://www.orcarouter.ai/models/openai/gpt-6.1-sol.

ワークロードが大量処理で、コストに敏感で、メーカー以外の誰もベンチマークしたことのないモデルを許容できるなら、Hy4 Preview を選んでください — バルク抽出、分類、要約、タスクが明確に定義されていて失敗しても安価に再試行できるツール呼び出しエージェントなどです。$0.834 / $2.501 / $0.042 という価格は、同じトークン数でコストが3分の1であり、Apache 2.0 のもとでオープンソース化されているので、いつかレンタルをやめたくなっても問題ありません。そして当社のカタログには Tencent の定価のまま、マークアップを一切加えずに掲載されています: https://www.orcarouter.ai/models/tencent/hy4-preview。同じ 0% マークアップのルールが両方の行に適用されますつまり、ベンダーの値下げは、リセラーが気づいてからではなく、ベンダーのページに反映されたその日にカタログへ反映されるということです。

ほとんどのチームが実際に望む構成は両方の併用であり、安価なモデルが大量の処理を担い、高価なモデルが難所を担う——そしてまさにそれこそが、200以上ものモデルにまたがる自動フェイルオーバーを備えた単一のエンドポイントが低コストで実現するために存在する構成だ。Hy4 Previewのような実績のないモデルは、すでに信頼しているモデルと同じキーの背後に置かれ、二つ目の統合を維持するのではなく自動的にフォールバックするルートがあるほうが、はるかに試しやすいからだ。