GPT-6.1 Sol 대 Tencent Hy4 Preview: 출력 토큰당 10달러를 지불하는 것 vs 2.50달러의 오픈 모델

두 개의 요금표를 나란히 놓고 보면 그 격차는 결코 미묘하지 않다. Tencent Hy4 Preview는 국제 엔드포인트에서 입력 토큰 백만 개당 $0.834, 출력 토큰 백만 개당 $2.501, 캐시된 입력 토큰 백만 개당 $0.042로 책정되어 있다. GPT-6.1 Sol은 각각 $2.00, $10.00, $0.10로 책정되어 있다. 이는 출력 토큰에서 4배, 입력에서 2.4배의 격차이며, 두 모델 모두 토큰당 가격이 매겨지기 때문에 이 격차가 제기하는 질문은 어느 쪽이 더 저렴한가가 아니라 — Hy4 Preview가 모든 항목에서 더 저렴하다 — 비싼 쪽이 호출당 충분히 더 많은 작업을 완료해 그 가격을 정당화하느냐이다. 어느 벤더도 이에 직접 답하는 수치를 공개하지 않았으며, 이 글은 주로 양쪽의 뻔한 숫자들이 답이 아닌 이유에 관한 것이다.

Tencent는 2026-08-28에 Hy4 Preview를 출시하고 오픈소스로 공개했습니다. OpenAI는 2026-09-29에 API로 GPT-6.1 Sol을 출시했습니다. 둘 다 백만 토큰 컨텍스트 창을 갖춘 텍스트 지원 에이전트형 모델이며, 둘 다 현재 이용 가능하고, 둘 다 우리 카탈로그에 있습니다 — 따라서 이 시리즈에서 토큰당 계산을 보도자료가 아니라 두 개의 실제 데이터 행에 대해 수행할 수 있는 드문 비교가 됩니다. 아래 수치는 Tencent의 출시 자료 및 모델 문서, OpenAI의 모델 및 가격 페이지, 우리 자체 카탈로그 기록, 그리고 명시된 대로 공개된 평가에서 가져온 것이며, 2026-10-12에 확인했습니다. 벤더 자체 실행 수치인 모든 숫자는 그렇게 표시되어 있습니다.

각 모델이 실제로 무엇인지

아키텍처부터 시작하세요. 두 모델이 동일한 기법으로 같은 서빙 문제를 해결하고 있기 때문입니다.

• 파라미터 — Hy4 Preview는 78개 레이어에 걸쳐 토큰당 49B가 활성화되는 770B 규모의 전문가 혼합 모델이며, 256개의 라우팅된 전문가와 1개의 공유 전문가를 사용합니다. GPT-6.1 Sol은 같은 세대에서 GPT-6 Astra보다 한 단계 아래에 위치한 OpenAI의 독점 모델입니다. OpenAI는 파라미터 수를 공개하지 않습니다.

• 컨텍스트와 출력 — 둘 다 약 100만 토큰의 입력 컨텍스트를 문서화합니다. Hy4 Preview에 대한 우리 카탈로그 레코드에는 1,048,576 토큰의 컨텍스트와 64,000 토큰의 최대 완성이 있습니다. Tencent 자체 자료는 1M 토큰을 초과하는 컨텍스트 창과 960,000 토큰의 최대 입력을 설명합니다. GPT-6.1 Sol은 1,050,000 토큰의 컨텍스트와 128,000 토큰의 최대 출력을 문서화합니다 — Hy4의 완성 상한의 두 배이며, 이는 단일 호출에서 길고 구조화된 산출물을 얻고자 할 때 발목을 잡는 사양입니다.

• 모달리티 — 둘 다 입력 측면에서는 텍스트 전용이며, 최신 에이전트형 모델에서 기대할 수 있는 도구 사용과 구조화된 출력을 갖추고 있다. 둘 중 어느 것도 비전 모델이 아니다.

• 추론 제어 — Hy4 Preview는 high, low, none을 제공하며 기본값은 high입니다. temperature 0.9와 top_p 1.0이 권장 샘플링 설정입니다. GPT-6.1 Sol은 low, medium(기본값), high, xhigh, max를 제공하며, 끄기 옵션이 전혀 없습니다. 추론은 항상 켜져 있고, temperature 및 top_p와 같은 샘플링 매개변수는 아예 거부됩니다.

• 가중치 — Hy4 Preview는 Apache 2.0에 따라 오픈소스로 공개되었으며 오늘 다운로드할 수 있습니다. GPT-6.1 Sol은 폐쇄형이며 API 전용이고, 자체 호스팅은 절대 불가능합니다.

그 마지막 줄은 어떤 벤치마크보다도 이 두 모델을 더 확실히 구분하는 기준입니다. 770B/49B Apache 2.0 모델은 소유물이고, 독점 API 모델은 구독입니다. 이 페이지의 나머지 모든 내용은 여러분의 워크로드가 이 두 가지 중 무엇을 필요로 하는지에 관한 것입니다.

계산이 완료된 가격 항목

두 요금표 모두 공개되어 있으며, 두 요금표 모두 마크업 없이 저희를 통해 그대로 전달되므로, 이 섹션은 보고된 것이 아니라 검증 가능한 것입니다.

• 출력 — GPT-6.1 Sol 백만 개당 $10.00, Hy4 Preview 백만 개당 $2.501. 워크로드가 백만 개의 출력 토큰을 생성할 때마다 그 차이는 $7.50이며, 출력은 추론 모델이 가장 많은 비용을 지출하는 항목입니다.

• 입력 — 백만 토큰당 $2.00 대 $0.834. 모든 롱컨텍스트 파이프라인을 좌우하는 항목에서 2.4배 격차가 발생합니다. 저장소 규모나 문서 집합 프롬프트는 매 턴마다 큰 프리픽스를 다시 전송하기 때문입니다.

• 캐시된 입력 — 백만 토큰당 $0.10 대 $0.042. 두 공급업체 모두 재읽기 프리픽스에 큰 할인을 적용하며, Hy4의 캐시 요율은 GPT-6.1 Sol의 절반에도 미치지 않습니다.

• 캐시 쓰기 — GPT-6.1 Sol은 캐시된 프리픽스를 기록하는 데 백만 개당 $2.50를 청구합니다. Hy4 Preview의 공개된 국제 요금에는 별도의 캐시 쓰기 항목이 없으며, 이는 첫 쓰기가 프리미엄이 아니라 일반 입력으로 책정된다는 뜻입니다.

두 모델 모두에 일반적인 형태를 단일 호출로 실행하세요: 입력 토큰 500,000개(이 중 460,000개는 캐시된 접두사), 출력 토큰 20,000개.

• GPT-6.1 Sol 기준 — 캐시된 토큰 460,000개는 $0.10/M 기준 $0.046, 신규 입력 토큰 40,000개는 $2.00/M 기준 $0.080, 출력 토큰 20,000개는 $10.00/M 기준 $0.200입니다. 합계 $0.326.

• Hy4 Preview 기준 — 캐시된 토큰 460,000개는 $0.042/M 기준 $0.019이고, 신규 입력 토큰 40,000개는 $0.834/M 기준 $0.033이며, 출력 토큰 20,000개는 $2.501/M 기준 $0.050입니다. 합계 $0.102.

Hy4 호출은 이 형태에서 GPT-6.1 Sol 호출의 3분의 1에 조금 못 미칩니다. 이제 이 비교를 정직하게 만드는 단서가 있습니다. 이것은 동일한 토큰 수에 적용한 두 요금표를 비교한 것이며, 모델 간 토큰 수는 동일하지 않습니다. 답하기 전에 더 오래 추론하는 모델은 같은 작업에 더 많은 출력 토큰을 생성하며, GPT-6.1 Sol은 비슷한 작업에서 전임자 GPT-6 Sol보다 출력 토큰을 10–30% 더 생성하는 것으로 문서화되어 있습니다. Hy4 Preview의 기본 추론 설정인 'high'가 이 모델을 똑같이 장황하게 만든다면 실제 격차는 줄어들고, OpenAI의 모델이 둘 중 더 장황하다면 격차는 산술이 보여주는 3.2배를 넘어 더 벌어집니다. 요금표는 토큰의 가격을 알려줍니다. 하지만 작업에 토큰이 얼마나 드는지는 알려주지 않으며, 그것은 자신의 워크로드를 직접 실행해야만 판가름 납니다.

벤치마크가 도움이 되는 경우와 그렇지 않은 경우

이 섹션은 두 모델의 증거 품질이 갈리는 부분이며, 그 분기 자체가 핵심입니다.

Tencent의 Hy4 Preview에 대한 대표 평가는 블라인드 일대일 비교 선호도 테스트이며, 그 결과 Hy4 Preview는 2.99, GLM 5.3은 2.92, Kimi K3는 2.94입니다. 이 점을 주의 깊게 보십시오: 이는 Tencent 자체 평가이고, 정확도 점수가 아니라 선호도 점수이며, 승리 격차는 대략 3점 척도에서 0.07점이고, 비교 대상은 다른 오픈 모델 두 개입니다. 이는 Hy4 Preview가 현재 오픈 웨이트 계층과 경쟁력이 있다는 증거입니다. 독점 프런티어 모델과 경쟁력이 있다는 증거는 아니며, 출시 자료의 어떤 평가 스위트도 그런 주장을 하지 않습니다.

Tencent는 또한 모델 자체의 자기 최적화 작업을 통해 처리량이 31.8% 향상되었다고 보고하며, 아키텍처에는 추측 디코딩을 위한 네이티브 다중 토큰 예측 계층이 포함되어 있습니다. 둘 다 벤더가 내놓은 서빙 효율성 주장으로, 다른 누구도 재현하지 않았으며, 해당 계층으로 구축된 770B/49B MoE에서는 둘 다 그럴듯합니다. 하지만 이는 모델이 얼마나 빠르게 답하는지를 설명할 뿐, 얼마나 잘 답하는지는 아닙니다.

GPT-6.1 Sol은 증거 측면에서 더 강한 위치를 차지하고 있으며, 그 이유를 정확히 따져볼 가치가 있다. 최대 추론 노력에서의 독립적인 Intelligence Index 행은 52이고, 측정된 실행 비용은 작업당 $0.72이며 출력 속도는 초당 약 65~67토큰이다 — 제3자가 이를 실행하고 점수를 매겼으며 그 실행에 든 비용을 보고했다. Artificial Analysis Terminal-Bench 4.0 수치는 56.06으로, 전임자인 GPT-6 Sol의 43.94와 대비되는데, 이는 셸 기반 에이전트 작업에서 세대 간 변화가 약 12포인트임을 뜻한다. 그에 반해, 이 모델에 대한 OpenAI 자체의 대표 평가 — 최대 노력에서 작업당 $5.47을 제시하며 Claude Opus 5.5의 $23.21과 비교되는 Terminal-Bench Science 결과를 포함 — 는 공급업체의 기준선을 사용한 공급업체의 실행이며, 아무도 이를 재현하지 못했다.

그러므로 증거에 대한 솔직한 요약은 한쪽으로 치우쳐 있고 한 방향으로만 흐릅니다. GPT-6.1 Sol은 품질과 작업별 비용 모두에 대해 제3자 측정치가 있고, Hy4 Preview는 다른 오픈 모델들과 비교한 공급업체 선호도 점수를 가지고 있습니다. 그렇다고 해서 Hy4 Preview가 선호도 점수가 시사하는 것보다 더 나쁘다는 뜻은 아닙니다. 그것은 Tencent 외부의 누구도 이를 측정하지 않았다는 뜻이며, 이는 별개의 진술이고, 어느 한쪽의 수치를 믿기보다 자신의 작업에서 직접 테스트해야 하는 이유입니다.

셀프 호스팅 문제, 실제 수치로

Hy4 Preview의 오픈 웨이트는 API 가격과는 별개로 이를 진지하게 고려해야 할 이유이며, 동시에 이것이 단순한 승리가 아니기도 한 이유입니다.

발표된 실제 수치는 다음과 같습니다. 모델의 Q4_K_M 양자화는 약 435 GiB, 1비트 양자화는 약 213 GiB에 달하며, 양자화하지 않은 전체 모델에는 약 1.5 TB의 VRAM이 필요합니다. 213 GiB라는 1비트 수치는 이 세 가지 중 단일 고용량 메모리 노드가 담을 수 있는 유일한 수치이며, 동시에 품질을 가장 많이 희생하게 되는 수치이기도 합니다. 435 GiB라는 Q4_K_M 수치는 대부분의 팀이 유휴 상태로 보유하고 있지 않은 멀티 GPU 인프라가 필요합니다.

실제로 이것이 의미하는 바는 다음과 같습니다: Hy4 Preview를 셀프 호스팅하는 것은 이미 그 등급의 하드웨어를 운영하는 조직에게는 실질적인 선택지이고, 그 외 모든 이에게는 자본 프로젝트입니다. 첫 번째 그룹에 속한다면 위의 API 가격은 당신과 무관합니다 — 종량제 청구서를 고정 청구서로 바꾸는 셈이며, Apache 2.0이 그 위에 추가 라이선스 비용을 부과하지도 않습니다. 두 번째 그룹에 속한다면 API 요율이 유일하게 중요한 숫자이며, $0.834 / $2.501 / $0.042 요율이 이 모델을 아예 살펴볼 이유입니다.

사용자들이 제기한 한 가지 주의점이 있는데, 이는 성능이 아니라 비용에 관한 주의점입니다: Hy4 Preview의 문서화된 거친 부분은 과잉 추론과 과잉 검증입니다 — 작업에 필요한 것보다 더 많은 토큰을 쓰고, 이미 올바른 작업을 확인합니다. 종량제 API에서는 그런 동작이 출력 라인에서 백만 토큰당 $2.501로 나타나고, 자체 호스팅 하드웨어에서는 지연으로 나타납니다. 어느 쪽이든, 권장 온도 0.9와 기본 추론 설정인 "high"는 비용을 기준으로 모델을 판단하기 전에 조정해 볼 만한 구성 선택입니다.

어떤 카드를 들고 있어야 할까요?

두 모델은 같은 구매자에게 대체재가 아니며, 구분은 명확하다.

워크로드가 잘못될 경우 비용이 크고, 실패 비용에 비해 저렴하다면 GPT-6.1 Sol을 선택하세요 — 긴 에이전트형 코딩 루프, 컴퓨터 사용, 문서가 많은 전문 업무처럼 실패한 작업이 이를 생성한 토큰보다 더 많은 비용을 초래하는 경우입니다. 독립적인 측정치, 더 넓은 컨텍스트, 두 배의 출력 상한, 그리고 2026-04-30의 지식 컷오프를 갖추고 있습니다. 출력 미터기가 곧 비용이 지출되는 곳이라는 점을 예산에 반영하고, OpenAI가 전체 요청의 가격을 다시 매기는 272,000 입력 토큰 임계값을 기준으로 설계하세요. OpenAI의 정가에 0% 마크업으로 저희 카탈로그에 있습니다: https://www.orcarouter.ai/models/openai/gpt-6.1-sol.

워크로드가 대용량이고 비용에 민감하며, 제조사 외에는 아무도 벤치마크하지 않은 모델을 감수할 수 있다면 Hy4 Preview를 선택하세요 — 대량 추출, 분류, 요약, 그리고 작업이 잘 정의되어 있고 실패 시 재시도 비용이 저렴한 도구 호출 에이전트에 적합합니다. $0.834 / $2.501 / $0.042의 가격은 동일한 토큰 수 기준으로 비용의 3분의 1에 불과하며, 언제든 대여를 그만두고 싶다면 Apache 2.0으로 오픈소스화되어 있고, Tencent의 정가 그대로 마크업 없이 저희 카탈로그에 있습니다: https://www.orcarouter.ai/models/tencent/hy4-preview. 동일한 0% 마크업 규칙이 두 행 모두에 적용됩니다. 즉, 벤더의 가격 인하가 리셀러가 알아차린 뒤가 아니라 벤더 페이지에 반영되는 당일 카탈로그에도 반영된다는 뜻입니다.

대부분의 팀이 실제로 원하게 될 구성은 둘 다를 함께 쓰는 것입니다. 저렴한 모델이 대량 트래픽을 감당하고, 비싼 모델이 까다로운 꼬리 부분을 맡는 방식이죠. 그리고 200개가 넘는 모델 전반에 걸친 자동 페일오버를 갖춘 단일 엔드포인트가 존재하는 이유는 바로 이런 구성을 저렴하게 만들기 위해서입니다. 이미 신뢰하는 모델과 같은 키 뒤에 자리하기만 하면 Hy4 Preview처럼 검증되지 않은 모델을 시험해 보기가 훨씬 쉽기 때문입니다. 별도의 통합을 유지할 필요 없이 자동으로 폴백되는 경로가 있으니까요.