GPT-6.1 Sol vs Laguna S 2.1: Vijftig keer zo hoge outputprijs voor werk dat niemand naast elkaar heeft gemeten

Vijftig keer. Dat is de verhouding tussen wat GPT-6.1 Sol rekent voor een miljoen outputtokens en wat Laguna S 2.1 rekent — $10,00 tegenover $0,20 — en het is het grootste prijsverschil in deze hele serie vergelijkingen. GPT-6.1 Sol is OpenAI's release van 2026-09-29, een generalist met 1.050.000 tokens en een gepubliceerde onafhankelijke score. Laguna S 2.1 is Poolside's release van 2026-07-21, een agentische coder met een open-weight mixture-of-experts-architectuur van 118 miljard parameters, waarvan er per token ongeveer 8 miljard actief zijn, Apache-achtige weights op Hugging Face, en een benchmarkset die Poolside zelf heeft geproduceerd. Het prijsverschil is reëel en enorm. Of het een kloof is die het waard is om over te steken, hangt af van een vraag die geen van beide leveranciers heeft beantwoord: heeft iemand de twee op dezelfde taak gemeten?

Door leveranciers gerapporteerde cijfers worden als zodanig aangeduid. Cijfers van Artificial Analysis zijn onafhankelijke metingen die in onze modelregistraties zijn opgenomen. Onze eigen servingcijfers worden als de onze aangeduid. Waar een cel leeg is, blijft deze leeg.

Wat elke kant is

Laguna S 2.1 van Poolside is een specialist, en het ontwerp zegt dat ook. Het is een mixture-of-experts-model met 118 miljard parameters, waarvan er bij elk afzonderlijk token ongeveer 8 miljard actief zijn, met een schakelaar voor denken/niet denken en een contextvenster dat 1.000.000 tokens bereikt. Een kleinere broer, Laguna XS 2.1, heeft 33 miljard parameters, waarvan ongeveer 3 miljard actief, en kost $0,06 voor input en $0,12 voor output per miljoen. De gewichten voor de S-variant zijn gepubliceerd op Hugging Face op poolside/Laguna-S-2.1.

Het cijfer van 8 miljard actieve parameters is het getal dat de prijs verklaart en tegelijkertijd het product beperkt. Inferentiekosten volgen de actieve parameters, niet het totaal; een 118B-MoE die 8B per token besteedt, is goedkoop te serveren op een manier waarop een dense model van dezelfde totale omvang dat niet zou zijn. Maar een budget van 8B actieve parameters is ook een hard plafond voor wat één enkele forward pass kan doen, en dat plafond is de reden dat een algemene index van een onafhankelijke evaluator een nuttiger maatstaf is dan een code-specifieke score.

GPT-6.1 Sol is het tegenovergestelde soort object. Eén snapshot-identificatie, gpt-6.1-sol, geen gedateerde variant, een contextvenster van 1.050.000 tokens, een maximale output van 128.000, tekst-, afbeelding- en bestandsinvoer, redeneren altijd ingeschakeld over vijf inspanningsniveaus, met medium als standaard, en een kennisafsluitdatum van 30 april 2026. Het accepteert geen temperature of top_p; de inspanningsregelaar vervangt deze. Het is gesloten, geprijsd per token, en niet fine-tunebaar.

De dimensies waarin ze daadwerkelijk verschillen:

• Invoerprijs — $0,10 per miljoen voor Laguna S 2.1 tegenover $2,00 voor GPT-6.1 Sol. Twintig keer.

• Outputprijs — $0,20 tegen $10,00. Vijftig keer.

• Redeneercontrole — een binaire schakelaar voor denken/niet-denken op Laguna S 2.1, afgezet tegen vijf gegradeerde inspanningsniveaus op GPT-6.1 Sol.

• Gewichten — downloadbaar en zelf te hosten voor Laguna S 2.1; gesloten voor GPT-6.1 Sol.

• Contextvenster — tot 1.000.000 tokens voor Laguna S 2.1 tegenover 1.050.000 voor GPT-6.1 Sol. Effectief gelijkwaardig.

De benchmarkrijen, met beide sets labels eraan gekoppeld

De door Poolside gepubliceerde cijfers voor Laguna S 2.1, allemaal door de leverancier gerapporteerd en voor zover wij kunnen nagaan geen enkele door een derde partij gereproduceerd:

• SWE-Bench Multilingual — 78,5%.

• Terminal-Bench 2.1 — 70,2%.

• DeepSWE v1.1 — 40,1% tegenover 9,0% voor DeepSeek-V4-Pro-Mini, wat Poolside beschrijft als ongeveer een derde van de actieve parameters die meer dan vier keer de score opleveren.

Het onafhankelijke record van GPT-6.1 Sol, allemaal van Artificial Analysis:

• AA Intelligence Index — 51,8, rang 10 van 147, 93,2e percentiel.

• Humanity's Last Exam — 52,9%.

• Recall bij lange context — 83%.

• SciCode — 54,2%.

• Terminal-Bench 4.0 — 56,06%.

Er is één plek waar deze twee lijsten samen lijken te komen, en het is een valkuil. Laguna S 2.1 rapporteert 70,2% op Terminal-Bench 2.1. GPT-6.1 Sol is in onze gegevens helemaal niet gescoord op Terminal-Bench 2.1 — het terminalcijfer ervan staat op versie 4.0, een latere en moeilijkere revisie van het testharnas. 70,2% naast 56,06% zetten en het een twaalfpuntszege voor Laguna noemen, zou neerkomen op het vergelijken van twee verschillende tests, en het is precies de fout die deze blog wil vermijden. De twee modellen hebben geen gedeelde benchmarkrij, wat betekent dat het prestatiegedeelte van deze vergelijking op dit moment niet gemeten is.

Twee verdere hiaten zijn het noemen waard. Laguna S 2.1 heeft geen score op de Artificial Analysis Intelligence Index en geen onafhankelijk SWE-bench Verified-resultaat. Voor een model dat in juli is gepubliceerd, is dat een lange tijd zonder een externe meting, en het is de grootste lacune in alles wat Poolside erover heeft gepubliceerd.

Wat de denkschakelaar daadwerkelijk oplevert

De eigen cijfers van Poolside koppelen een getal aan de toggle, en dat is het meest interessante aan de release. Het aanzetten van thinking verhoogt DeepSWE v1.1 van 16,5% naar 40,4% — een factor van ongeveer 2,4 — en Terminal-Bench 2.1 van 60,4% naar 70,2%. Beide cijfers zijn afkomstig van de leverancier en niet gereproduceerd.

Afgezet tegen de prijs is dat van belang op een manier die de opvallende tarievenkaart niet weergeeft. De denkmodus verbruikt outputtokens, en outputtokens zijn waar je voor betaalt. Een workload die Laguna S 2.1 met denkmodus aan draait, verbruikt aanzienlijk meer output dan dezelfde workload met de denkmodus uit — precies wat je zou verwachten bij een 2,4×-winst op een zware agentische benchmark. De eerlijke vergelijking met GPT-6.1 Sol is dus niet $0,20 tegen $10,00 op ruwe output. Het is de kostprijs per voltooide taak met denkmodus ingeschakeld tegenover de op inspanning geprijsde kostprijs per voltooide taak.

Die vergelijking pleit nog steeds enorm in het voordeel van Laguna S 2.1, en het loont de berekening uit te voeren in plaats van het zomaar te stellen. Neem een workload die per maand een miljard outputtokens produceert tegenover drie miljard inputtokens:

• GPT-6.1 Sol — 3 miljard input tegen $2,00 per miljoen is $6.000; 1 miljard output tegen $10,00 per miljoen is $10.000. Zestienduizend dollar per maand.

• Laguna S 2.1, denken — $300 aan input en $200 aan output. Vijfhonderd dollar per maand.

• Laguna S 2.1, denkmodus aan, tegen ongeveer 2,4× de output — $300 aan input en ongeveer $480 aan output. Minder dan achthonderd dollar per maand.

Zelfs met de denkpenalty is dat bij dit volume een verschil van ongeveer $15.000 per maand. Als je workload er één is die één Laguna S 2.1 daadwerkelijk aankan, is de prijskwestie niet eens spannend, en geen enkele plausibele hoeveelheid retry-overhead dicht dat gat. Dat verschuift de hele beslissing naar capaciteit — en capaciteit is de helft van deze vergelijking waarvoor geen gedeelde maatstaf bestaat.

Waar het vijftigvoudige verschil niet langer het punt is

Drie dingen trekken de ratio terug richting de realiteit, en elk ervan is het waard om ronduit te stellen, omdat het bovenstaande getal verleidelijk is op een manier die teams echt geld heeft gekost.

Het eerste is dat een coder met 8 miljard actieve parameters en een frontier-generalist geen substituten zijn. Laguna S 2.1 is gebouwd voor agentische software-engineering — repository-bewerkingen, terminaltaken, meertalige code — en Poolside positioneert het als zodanig. Het is niet gepositioneerd voor documentintensief professioneel werk, computergebruik of de long-context-recalltaken waarin GPT-6.1 Sol een onafhankelijke Long-Context Recall-score van 83% en een contextvenster van 1.050.000 tokens heeft. Bij die taken is de eerlijke vergelijking niet 'het goedkope model wint', maar 'het goedkope model is hier niet voor gebouwd'. De $15.000 per maand in het uitgewerkte voorbeeld is alleen een besparing als de output van het goedkopere model bruikbaar is, en voor een klasse van workloads heeft niemand aangetoond dat dat zo is.

Het tweede is doorvoer en het operationele oppervlak. GPT-6.1 Sol rapporteert een p50-latentie van 2.442 milliseconden en 95,57 outputtokens per seconde over zeven dagen van ons eigen playground-verkeer, met een foutpercentage van 6,36%. We hebben geen vergelijkbaar servingpaneel voor Laguna S 2.1 — het wordt niet via OrcaRouter gerouteerd — dus er is geen getal om ernaast te zetten, en de latentie van het self-hosted pad is een functie van welke hardware je ook koopt. Op acht H100's zul je bij dezelfde gelijktijdigheid niet de doorvoer van een gehost frontier-endpoint evenaren; je ruilt latentie in voor kosten per eenheid, en hoe die afweging uitpakt, hangt ervan af of je werklast latentiegevoelig is.

Het derde punt is dat de self-hosted route alleen bij grote volumes goedkoop is. Dezelfde tarieven van $0,10 en $0,20 die de bovenstaande berekening als een verpletterende nederlaag laten lijken, zijn ook wat een inferenceprovider die bijna tegen kostprijs rekent, zou aanrekenen — wat het argument is om het open model te huren in plaats van er hardware voor te kopen, bij elk volume dat kleiner is dan het volume dat de GPU's rechtvaardigt.

Hoe je daadwerkelijk het gesprek voert

Dit is de zeldzame combinatie waarin de juiste volgende stap geen routeringswijziging is, omdat de twee modellen op volledig verschillende manieren worden bereikt.

GPT-6.1 Sol staat op OrcaRouter als openai/gpt-6.1-sol tegen de lijstprijs van OpenAI met 0% opslag — $2,00 input, $10,00 output, gecachte input voor $0,10, en de tier boven 272.000 tokens precies zoals OpenAI die hanteert. Omdat de routeringslaag de prijs van de provider doorgeeft in plaats van er een opslag op te zetten, is een prijswijziging van OpenAI hier live op dezelfde dag dat die ingaat. Waar een route live is, zit automatische failover eronder — wat de goedkope manier is om erachter te komen of een goedkoper model een productiepad kan dragen, want het dure model blijft slechts één routeringsregel verwijderd.

Laguna S 2.1 staat niet op OrcaRouter en we hosten het niet. Het is bereikbaar via Poolside's eigen API en, omdat de gewichten zijn gepubliceerd, door het zelf te serveren — wat voor dit model de interessantere optie is, aangezien een 118B MoE met 8B actief echt klein genoeg is om te draaien op hardware die een middelgroot team kan bezitten. De juiste eerste stap met deze combinatie is daarom helemaal geen prijsvergelijking: neem twintig van je echte coderingstaken, laat ze door je bestaande GPT-6.1 Sol-pad lopen en laat vervolgens dezelfde twintig door Laguna S 2.1 lopen met thinking aan en uit. Je hebt nu de gedeelde benchmarkrij die geen van beide leveranciers heeft gepubliceerd, op de enige takenverzameling die ertoe doet, en het prijsverschil van vijftig keer wordt een getal dat je ofwel incasseert ofwel met bewijs afwijst.

Het oordeel dat deze combinatie verdient, op basis van het bewijs dat momenteel bestaat: Laguna S 2.1 is op dit moment de meest interessante kosten-per-capaciteitspropositie in agentic coding, met leverancierscijfers die het de standaardkeuze zouden maken als ze onafhankelijk bevestigd waren, en zonder enige onafhankelijke bevestiging van welke daarvan dan ook. GPT-6.1 Sol kost vijftig keer zoveel bij output en is de enige van de twee waarvan iemand buiten het bedrijf de capaciteit op een gedeeld instrument heeft gemeten. Koop de gewichten van het goedkope model en test ze, want anders dan bij de meeste open releases is deze klein genoeg om goed te testen — en beschouw het vijftigvoudige cijfer als de reden om die test uit te voeren, niet als het antwoord erop.