Intern-S2 vs GPT-5.6 Sol: De gratis checkpoint en het $30-vlaggenschip

De prijsstelling in deze vergelijking ziet er op het eerste gezicht absurd uit. Intern-S2, een multimodaal model met 397 miljard parameters dat InternLM vandaag onder Apache-2.0 heeft uitgebracht, kost niets om te downloaden en niets per query zodra je de hardware hebt om het te draaien. GPT-5.6 Sol, het vlaggenschip-redeneerniveau van Open​AI, heeft een lijstprijs van $5.00 per miljoen invoertokens en $30.00 per miljoen uitvoertokens op het basistier van Open​AI — hoewel het promotietarief dat Open​AI sinds eind juli hanteert, en dat onze eigen modelpagina momenteel toont, $4.00 in en $20.00 uit is. Dat is een echt verschil en het is het eerste dat iedereen opmerkt — en het is ook het minst nuttige feit in de vergelijking, omdat het model van $30 en het gratis model niet om hetzelfde werk concurreren. GPT-5.6 Sol is het niveau waar Open​AI naar wijst wanneer de moeilijkste redenering die je applicatie ooit zal proberen, correct moet terugkomen. Intern-S2 is een wetenschappelijk instrument met een visiepad dat is getraind op onbewerkte literatuurpagina's en een voorspellingshoofd voor tijdreekssignalen. De vraag is niet welke goedkoper is. De vraag is welke jouw workload echt nodig heeft, en of de "gratis" versie echt gratis is.

Wat de leverancierstabel je wel en niet vertelt

InternLM heeft Intern-S2 gebenchmarkt tegen GPT-5.5, niet tegen GPT-5.6 Sol. Dat is het vermelden waard voordat we iets anders zeggen, want elke bewering in omloop dat "Intern-S2 G​PT verslaat" is een vergelijking met de vorige Open​AI-generatie, en elke pagina die het als een Sol-resultaat presenteert, extrapoleert. De GPT-5.​6-familie bestrijkt ook drie niveaus — Sol voor het zwaarste werk, Terra voor gebalanceerde productie, Luna voor hoog volume — en Open​AI heeft hun prijzen actief herzien, dus een Sol-cijfer dat uit een artikel van september wordt geciteerd, kan al verouderd zijn.

Wat de vergelijking van de leverancier wél vaststelt, met de blijvende kanttekening dat elke Intern-S2-waarde van InternLM zelf is en niet is gereproduceerd:

• Moleculaire structuurredenering — Intern-S2 62,35 op MolecularIQ tegenover 76,41 van GPT-5.5. Intern-S2 verliest.

• Wetenschappelijk gebruik van tools — Intern-S2 66,76 op TOMG-Bench tegenover 69,89 van GPT-5.5. Een nipte nederlaag.

• Bio-moleculaire instructie — Intern-S2 53,95 vs 40,49. Een duidelijke overwinning voor Intern-S2.

• Middelbare-schoolwiskunde — Intern-S2 93,56 op HMMT-2026 vs de 97,06 van GPT-5.5. Intern-S2 verliest.

• Algemene kennis — Intern-S2 89,77 op MMLU Pro versus 88,20. Een nipte overwinning voor Intern-S2.

• Multimodale kennis — niveau 81,68 op MMMU Pro.

• Terminalbeheersing — GPT-5.5 79,40 op TerminalBench 2.1 tegenover Intern-S2 64,04. Een achterstand van vijftien punten.

Zelfs tegen een OpenAI-model dat één generatie ouder is, verliest Intern-S2 meer algemene rijen dan het wint, en wint het op de wetenschappelijke. Tegenover Sol — een niveau dat expliciet boven GPT-5.5 is gepositioneerd voor de moeilijkste redeneertaken — wordt de algemene kloof vrijwel zeker groter. Niets in het bewijs ondersteunt het idee dat het gratis checkpoint op algemene capaciteiten concurrerend is met het betaalde vlaggenschipmodel, en de eerlijke manier om het te stellen is dat Intern-S2 een specialist is die over het algemeen respectabel is en op zijn eigen terrein uitblinkt.

"Gratis" is een investeringsuitgave, geen korting

Het feit dat Intern-S2 geen licentiekosten heeft, is reëel, maar het is niet hetzelfde als gratis inferentie, en dit is waar de vergelijking praktisch wordt. Een checkpoint met 403 miljard parameters heeft een serieuze multi-GPU-node nodig om te serveren. Als je die capaciteit al bezit en deze niet volledig wordt benut, liggen de marginale kosten van de volgende wetenschappelijke query dicht bij de elektriciteitskosten — wat een werkelijk krachtige economische positie is, en de reden waarom open weights bestaan. Als je die capaciteit niet bezit, betekent 'gratis' hardware kopen of huren, en dan verandert de rekensom volledig.

De economie van GPT-5.6 Sol is het omgekeerde. Er is geen hardware om te kopen en geen model om te draaien. Je betaalt het tarief per verbruik — $5,00 per miljoen input en $30,00 per miljoen output op het basisniveau, of het promotietarief van $4,00/$20,00 dat momenteel op onze modelpagina staat — en het model komt met een contextvenster van 1,05M tokens, een uitvoerplafond van 128K, vision, tools en de opgebouwde betrouwbaarheid van een vlaggenschip dat al in productie is sinds de API op 9 juli 2026 werd gelanceerd. De Ultrafast-preview, die Sol op wafer-scale hardware draait met tot 750 uitvoertokens per seconde, duwt hetzelfde model richting latentiekritiek werk, al is die beperkt tot een kleine groep klanten en heeft die geen gepubliceerde prijs. Wat je met die $30 koopt, is niet alleen capaciteit — het is het ontbreken van een operationeel team.

• Gewichten — Intern-S2 Apache-2.0, downloadbaar vs GPT-5.6 Sol gesloten, alleen via API.

• Kostenstructuur — kapitaaluitgaven van Intern-S2 voor een 403B-checkpoint, of verbruiksgebaseerde officiële Intern-API versus GPT-5.6 Sol: $5,00 / $30,00 per miljoen als lijstprijs, $4,00 / $20,00 als promotieprijs.

• Context / uitvoer — Intern-S2 tot 256K tekst, 64K multimodaal geëvalueerd; uitvoer niet gepubliceerd vs GPT-5.6 Sol ~1,05M context, 128K uitvoer.

• Invoer — Intern-S2 tekst, afbeelding, tijdreeksen vs GPT-5.6 Sol tekst en afbeelding.

• Onafhankelijke score — Intern-S2 nog geen versus GPT-5.6 Sol, topklasse vlaggenschip met een lange openbare evaluatiegeschiedenis.

• Snelheidsklasse — Intern-S2 hardwaregebonden vs GPT-5.6 Sol Ultrafast preview tot 750 outputtokens per seconde, volgens de leverancier.

Waar het gratis checkpoint echt wint

Er zijn drie situaties waarin Intern-S2 Sol verslaat zonder dat er een benchmark aan te pas komt.

Het eerste is dataresidentie. GPT-5.6 Sol is een gesloten API — elk verzoek verlaat uw infrastructuur en reist via de systemen van OpenAI, onder het contentbeleid van OpenAI. Intern-S2 onder Apache-2.0 kan air-gapped draaien binnen een gereguleerde omgeving, op gegevens die wettelijk niet naar een eindpunt van een derde partij mogen worden verzonden. Voor een farmaceutisch laboratorium, een ziekenhuisorganisatie of een defensieaannemer is die eigenschap geen functie; het is de hele inkoopbeslissing, en geen enkele hoeveelheid Sol-capaciteit kan daarvoor in de plaats komen.

Het tweede is modaliteit. Intern-S2 accepteert tijdreeksinvoer en produceert voorspellingen; het leest ook onbewerkte pagina's uit wetenschappelijke literatuur als een native visuele representatie in plaats van als geëxtraheerde tekst. Sol verwerkt tekst en afbeeldingen. Als uw data een seismograafspoor, een belastingscurve of een gescand, figuurrijk artikel is, heeft Intern-S2 een pad dat Sol niet heeft, en de rij Biology-Instructions van de leverancier (55,71 tegenover 10,52 van GPT-5.5) is het getal dat dat weerspiegelt.

Het derde is fine-tuning. Je kunt de gewichten van Intern-S2 nemen en trainen op je eigen bedrijfseigen experimentele data, en dat model vervolgens voor altijd behouden. Dat kun je met Sol voor geen enkele prijs. Voor een team wiens concurrentievoordeel een gespecialiseerde dataset is, kan een aanpasbaar open checkpoint meer waard zijn dan een sterker bevroren model.

Beide uitvoeren zonder te kiezen

De teams die het meeste uit deze combinatie halen, behandelen het niet als een fork. Ze routeren het algemene, latentiegevoelige, cruciale redeneerwerk naar GPT-5.6 Sol — dat op OrcaRouter staat tegen OpenAI's lijstprijs met 0% opslag, op dezelfde key als 200-plus andere modellen, zodat een prijswijziging van Sol dezelfde dag nog doorwerkt en een slecht uur bij de provider wordt opgevangen door automatische failover — en ze houden het wetenschappelijke batchwerk op Intern-S2, waar ze het ook draaien. De routing-DSL maakt die grens expliciet: zwaar algemeen redeneren gaat de ene kant op, document- en signaalanalyse de andere, en de splitsing is een configuratie in plaats van een tweede integratie.

Intern-S2 staat niet op OrcaRouter; het is een Apache-2.0-checkpoint van dezelfde dag, en je route ernaartoe is de eigen API van de leverancier of een self-hosted deployment. Sol staat op de key. Tussen de twee is de praktische architectuur voor een wetenschapsintensieve applicatie één endpoint voor de frontier-aanroepen en één deployment voor de specialist — met de optie om beide zijden later te verplaatsen.

Het vonnis

Als je de zwaarste redeneerprestaties nodig hebt die je applicatie zal proberen te leveren, die in één API-aanroep wilt, en bereid bent daarvoor het naar verbruik afgerekende vlaggenschip-tarief te betalen, dan is GPT-5.6 Sol het antwoord, en een op dezelfde dag vrijgegeven open checkpoint verandert dat niet. Niets in InternLM's eigen tabel laat zien dat Intern-S2 op algemene capaciteiten een huidig OpenAI-vlaggenschip evenaart; de vergelijking werd uitgevoerd tegen de vorige generatie en het open model verloor nog steeds de meeste algemene rijen.

Als je werklast wetenschappelijk is, als je data je infrastructuur niet mogen verlaten, of als je moet fine-tunen op propriëtaire experimentele resultaten, dan is Intern-S2 het model dat die dingen überhaupt kan — en de Apache-2.0-licentie betekent dat de versie die je valideert, de versie is die je houdt. Begroot de hardware, reken erop dat je je eigen evaluatie zult moeten uitvoeren, en behandel elk gepubliceerd cijfer erover als een bewering totdat iemand van buiten InternLM er een reproduceert.

Voor de frontier-aanroepen naast wat je zelf host: meer dan 200 andere modellen houdt het gesloten vlaggenschip op één sleutel tegen de listprijs van de provider, zodat de specialistische deployment en het naar verbruik afgerekende model via een routeringsregel kunnen worden omgewisseld.