GPT-6.1 Sol vs Tencent Hy4 Preview: $10 betalen per outputtoken tegenover een open model van $2,50

Zet de twee tariefkaarten naast elkaar en het verschil is niet subtiel. Tencent Hy4 Preview staat op $0,834 per miljoen invoertokens, $2,501 per miljoen uitvoertokens en $0,042 per miljoen gecachte invoer op zijn internationale endpoint. GPT-6.1 Sol staat op respectievelijk $2,00, $10,00 en $0,10. Dat is een 4× verschil bij uitvoertokens en een 2,4× verschil bij invoer, en omdat beide modellen per token worden geprijsd, is de vraag die het verschil oproept niet welke goedkoper is — Hy4 Preview is op elke regel goedkoper — maar of het dure model per aanroep genoeg meer werk afrondt om dat te rechtvaardigen. Geen van beide leveranciers heeft een cijfer gepubliceerd dat dat direct beantwoordt, en dit artikel gaat grotendeels over waarom de voor de hand liggende cijfers aan beide kanten niet het antwoord zijn.

Tencent heeft Hy4 Preview op 2026-08-28 uitgebracht en open source gemaakt; Open​AI heeft GPT-6.1 Sol op 2026-09-29 uitgebracht op de API. Beide zijn agentische modellen die tekst aankunnen, met contextvensters van een miljoen tokens, beide zijn vandaag bereikbaar, en beide staan in onze catalogus — wat dit de zeldzame vergelijking in deze reeks maakt waarin de berekening per token kan worden uitgevoerd op twee live rijen in plaats van op een persbericht. De onderstaande cijfers komen uit Tencents releasemateriaal en modeldocumentatie, Open​AI's model- en prijspagina's, onze eigen catalogusgegevens, en gepubliceerde evaluaties zoals vermeld, gelezen op 2026-10-12. Elk cijfer dat een eigen run van een leverancier is, wordt als zodanig gelabeld.

Wat elk model daadwerkelijk is

Begin met de architectuur, omdat de twee modellen hetzelfde serving-probleem met dezelfde techniek oplossen.

• Parameters — Hy4 Preview is een 770B mixture-of-experts met 49B actief per token over 78 lagen, met 256 routed experts plus 1 gedeelde expert. GPT-6.1 Sol is een propriëtair Open​AI-model dat één tier onder GPT-6 Astra in dezelfde generatie is gepositioneerd; Open​AI publiceert geen parameteraantallen.

• Context en output — beide documenteren ongeveer een miljoen tokens aan inputcontext. Ons catalogusrecord voor Hy4 Preview bevat 1.048.576 tokens context met een maximale completion van 64.000 tokens; Tencents eigen materiaal beschrijft een contextvenster van meer dan 1M tokens met een maximale input van 960.000 tokens. GPT-6.1 Sol documenteert 1.050.000 tokens context met een maximale output van 128.000 tokens — het dubbele van het completionplafond van Hy4, en dat is de specificatie die pijn doet wanneer je met één enkele aanroep een lang gestructureerd artefact wilt verkrijgen.

• Modaliteit — beide zijn aan de invoerzijde alleen tekst, met het toolgebruik en de gestructureerde output die je van een hedendaags agentisch model zou verwachten. Geen van beide is een visionmodel.

• Redeneerinstellingen — Hy4 Preview biedt hoog, laag en geen, waarbij hoog de standaard is; een temperatuur van 0,9 en top_p van 1,0 zijn de aanbevolen samplinginstellingen. GPT-6.1 Sol biedt laag, gemiddeld (standaard), hoog, xhigh en max, met helemaal geen uit-stand — redeneren staat altijd aan, en samplingparameters zoals temperature en top_p worden ronduit geweigerd.

• Gewichten — Hy4 Preview is open source gemaakt onder Apache 2.0 en is vandaag te downloaden. GPT-6.1 Sol is gesloten, alleen via API, en zal nooit zelf worden gehost.

Die laatste regel is wat deze twee modellen meer van elkaar scheidt dan welke benchmark dan ook. Een 770B/49B Apache 2.0-model is een bezit; een propriëtair API-model is een abonnement. Al het andere op deze pagina gaat erover welke van die twee dingen jouw workload nodig heeft.

De prijsregels, met het rekenwerk gedaan

Beide tariefkaarten zijn gepubliceerd en beide worden door ons zonder opslag doorgegeven, dus dit onderdeel is verifieerbaar in plaats van gerapporteerd.

• Output — GPT-6.1 Sol $10,00 per miljoen tegenover Hy4 Preview $2,501 per miljoen. Voor elke miljoen outputtokens die een workload genereert, bedraagt het verschil $7,50, en output is de meter waar een redeneermodel het meest aan uitgeeft.

• Invoer — $2,00 per miljoen tegenover $0,834. Een verschil van 2,4× op de regel die elke long-contextpipeline domineert, omdat een prompt op repositoryschaal of met een documentenset bij elke beurt een grote prefix opnieuw verzendt.

• Gecachte invoer — $0,10 per miljoen tegenover $0,042. Beide leveranciers geven een forse korting op opnieuw gelezen prefixen, en het cachetarief van Hy4 is minder dan de helft van dat van GPT-6.1 Sol.

• Cache-writes — GPT-6.1 Sol rekent $2,50 per miljoen voor het schrijven van een gecachte prefix. De gepubliceerde internationale tarieven van Hy4 Preview bevatten geen aparte regel voor cache-writes, wat betekent dat de eerste schrijfactie wordt geprijsd als gewone input in plaats van als premium.

Draai een vorm die voor beide modellen gebruikelijk is: 500.000 invoertokens, waarvan 460.000 een gecachte prefix zijn, en 20.000 uitvoertokens, in één enkele aanroep.

• Op GPT-6.1 Sol — 460.000 gecachte tokens tegen $0,10/M is $0,046, 40.000 nieuwe invoertokens tegen $2,00/M is $0,080, en 20.000 uitvoertokens tegen $10,00/M is $0,200. Totaal $0,326.

• Bij Hy4 Preview — 460.000 gecachte tokens tegen $0,042/M is $0,019, 40.000 nieuwe invoertokens tegen $0,834/M is $0,033 en 20.000 uitvoertokens tegen $2,501/M is $0,050. Totaal $0,102.

De Hy4-call kost iets minder dan een derde van de GPT-6.1 Sol-call voor deze vorm. Nu het voorbehoud dat de vergelijking eerlijk maakt: dit is een vergelijking van twee tariefkaarten toegepast op een identiek aantal tokens, en tokenaantallen zijn niet identiek tussen modellen. Een model dat langer redeneert voordat het antwoordt, produceert meer outputtokens voor dezelfde taak, en van GPT-6.1 Sol is gedocumenteerd dat het 10–30% meer outputtokens produceert dan zijn voorganger GPT-6 Sol bij vergelijkbaar werk. Als de standaardinstelling "high" voor redeneren van Hy4 Preview het even verbose maakt, wordt het verschil in de praktijk kleiner; als het model van Open​AI het verbose van de twee is, wordt het verschil groter dan de 3,2× die de rekensom laat zien. Tariefkaarten vertellen je de prijs van een token. Ze vertellen je niet hoeveel tokens een taak kost, en alleen door je eigen workload te draaien kom je daarachter.

Waar de benchmarks wel en niet helpen

Dit is het gedeelte waar de bewijskwaliteit van de twee modellen uiteenloopt, en dat verschil is nu juist de kern.

De hoofdevaluatie van Tencent voor Hy4 Preview is een blinde side-by-side voorkeurstest, en het resultaat is een 2,99 voor Hy4 Preview tegenover een 2,92 voor GLM 5.3 en een 2,94 voor Kimi K3. Lees dat aandachtig: het is een evaluatie van Tencent zelf, het is een voorkeursscore en geen nauwkeurigheidsscore, de winnende marge is zeven honderdsten van een punt op een schaal van ruwweg drie punten, en de vergelijkingsset bestaat uit twee andere open modellen. Het is bewijs dat Hy4 Preview concurrerend is met het huidige open-weightniveau. Het is geen bewijs dat het concurrerend is met een propriëtair frontier-model, en geen enkele suite in het release-materiaal doet die claim.

Tencent meldt ook een doorvoerverbetering van 31,8% door het zelfoptimalisatiewerk van het model zelf, en de architectuur bevat een native multi-tokenvoorspellingslaag voor speculatieve decoding. Beide zijn beweringen over serveerefficiëntie van de leverancier, die door niemand anders zijn gereproduceerd, en beide zijn plausibel voor een 770B/49B-MoE die met die laag is gebouwd — maar ze beschrijven hoe snel het model antwoordt, niet hoe goed.

GPT-6.1 Sol heeft de sterkere bewijspositie, en het is de moeite waard om precies te zijn over waarom. Zijn onafhankelijke rij in de Intelligence Index bij maximale redeneerinspanning is 52, met gemeten uitvoeringskosten van $0,72 per taak en een outputsnelheid van ongeveer 65 tot 67 tokens per seconde — een derde partij heeft het uitgevoerd, beoordeeld en gerapporteerd wat de run kostte. Zijn score voor Artificial Analysis Terminal-Bench 4.0 is 56,06, tegenover 43,94 voor zijn voorganger GPT-6 Sol, wat de generatieovergang op shell-gebaseerde agentische taken op ongeveer twaalf punten brengt. Daartegenover staan de eigen prominente evaluaties van Open​AI voor het model — waaronder een Terminal-Bench Science-resultaat waarin $5,47 per taak bij maximale inspanning wordt genoemd tegenover $23,21 voor Claude Opus 5.5 — die de runs van de leverancier met de baselines van de leverancier zijn, en niemand heeft ze gereproduceerd.

Dus de eerlijke samenvatting van het bewijs is eenzijdig en wijst één kant op: GPT-6.0 heeft een meting door een derde partij van zowel kwaliteit als kosten per taak, en Hy4 Preview heeft een voorkeursscore van de leverancier ten opzichte van andere open modellen. Dat betekent niet dat Hy4 Preview slechter is dan de voorkeursscore suggereert. Het betekent dat niemand buiten Tencent het heeft gemeten, wat een andere bewering is, en een reden om het op je eigen taken te testen in plaats van af te gaan op de cijfers van beide kanten.

De vraag over self-hosting, met echte cijfers

De open gewichten van Hy4 Preview zijn de reden om het serieus te nemen los van de API-prijs, en ook de reden dat het geen eenvoudige overwinning is.

De praktische cijfers, zoals gepubliceerd: een Q4_K_M-kwantisatie van het model komt uit op ongeveer 435 GiB, een 1-bit-kwantisatie op ongeveer 213 GiB, en het volledige niet-gekwantiseerde model heeft in de orde van 1,5 TB VRAM nodig. Het cijfer van 213 GiB voor 1-bit is de enige van die drie die één enkele node met veel geheugen aankan, en het is ook degene die je de meeste kwaliteit kost. Het cijfer van 435 GiB voor Q4_K_M vereist multi-GPU-infrastructuur die de meeste teams niet ongebruikt hebben staan.

Wat dat in de praktijk betekent: zelf Hy4 Preview hosten is een reële optie voor organisaties die al dat soort hardware draaien, en een investeringsproject voor alle anderen. Als je bij de eerste groep hoort, is de API-prijs hierboven voor jou niet relevant — je ruilt een rekening op basis van verbruik in voor een vaste, en Apache 2.0 legt daar geen licentiekosten bovenop. Als je bij de tweede groep hoort, is het API-tarief het enige getal dat ertoe doet, en de tarieven van $0,834 / $2,501 / $0,042 zijn de reden om überhaupt naar het model te kijken.

Eén kanttekening van gebruikers, en het is een kostenkanttekening, niet een capaciteitskanttekening: de gedocumenteerde ruwe randjes van Hy4 Preview zijn overmatig redeneren en overmatig verifiëren — meer tokens verbruiken dan een taak nodig heeft, werk controleren dat al correct is. Bij een API met verbruiksmeting komt dat gedrag tot uiting op de outputregel tegen $2,501 per miljoen; op zelfgehoste hardware komt het tot uiting als latentie. Hoe dan ook: de aanbevolen temperatuur van 0,9 en de standaard redeneerinstelling "high" zijn configuratiekeuzes die je beter kunt afstemmen voordat je het model op kosten beoordeelt.

Welke kaart je zou moeten vasthouden

De twee modellen zijn geen substituten voor dezelfde koper, en de splitsing is helder.

Kies GPT-6.1 Sol als de workload duur is om fout te doen en goedkoop ten opzichte van de kosten van falen — lange agentische codelussen, computergebruik, documentintensief professioneel werk waarbij een taak die mislukt meer kost dan de tokens die hem hebben voortgebracht. Het heeft de onafhankelijke metingen, de ruimere context, een twee keer zo hoog outputplafond en een kennisafsluitdatum van 2026-04-30. Houd rekening met het feit dat de outputmeter is waar het geld naartoe gaat, en ontwerp rond de drempel van 272.000 inputtokens waarboven Open​AI de hele aanvraag opnieuw prijst. Het staat in onze catalogus tegen Open​AI's lijsttarieven met 0% opslag: https://www.orcarouter.ai/models/openai/gpt-6.1-sol.

Kies Hy4 Preview als de workload een hoog volume heeft, kostengevoelig is en tolerant is voor een model dat niemand buiten de maker heeft gebenchmarkt — bulkextractie, classificatie, samenvatting, tool-calling agents waarbij de taak goed gespecificeerd is en een mislukking goedkoop opnieuw te proberen is. Voor $0,834 / $2,501 / $0,042 is het een derde van de kosten bij hetzelfde aantal tokens, het is open-source onder Apache 2.0 als je er ooit mee wilt stoppen het te huren, en het staat in onze catalogus tegen Tencent's lijstprijzen zonder extra markup: https://www.orcarouter.ai/models/tencent/hy4-preview. Dezelfde regel van 0% markup geldt voor beide rijen, wat betekent dat een prijsverlaging van een leverancier dezelfde dag in de catalogus terechtkomt als op de pagina van de leverancier, in plaats van pas nadat een reseller het opmerkt.

Wat de meeste teams gemiddeld genomen echt zullen willen, is beide: het goedkope model draagt het volume en het andere draagt de moeilijke staart, en dat is precies de opzet die één endpoint met automatische failover over meer dan 200 modellen mogelijk maakt, want een onbewezen model zoals Hy4 Preview is veel makkelijker uit te proberen wanneer het achter dezelfde sleutel zit als een die je al vertrouwt, een route die automatisch uitwijkt in plaats van een tweede die je moet onderhouden.