GPT-6.1 Sol kontra GLM-5.3: Wagi trafiły do użytkowników, a rachunek się nie zmienił

OpenAI wydało GPT-6.1 Sol 29 września 2026 roku podczas swojego keynote na DevDay, a Z.ai wydało GLM-5.3 sześć tygodni wcześniej, 18 sierpnia 2026 roku, a następnie przetrzymało checkpoint przez tydzień. To przetrzymywanie się skończyło: zai-org/GLM-5.3 jest dostępny na Hugging Face od 25 sierpnia — to checkpoint BF16/FP8 o około 753 miliardach parametrów, z których około 40 miliardów jest aktywnych na token — i od tego czasu przekroczył 1,4 miliona pobrań. Zatem pytanie, które większość porównań zadaje od sierpnia — czy to model otwarty, czy wynajem? — ma odpowiedź, a odpowiedź nie zmieniła arytmetyki. W niezależnym rankingu GPT-6.1 Sol zdobywa 51,8 punktu i kosztuje 0,72 dolara za ukończone zadanie indeksowe; GLM-5.3 zdobywa 44,8 i kosztuje 2,01 dolara. Możesz teraz posiadać model tańszy za token, a mimo to płacić prawie trzy razy więcej za ukończone zadanie.

Czym tak naprawdę jest każdy model

GPT-6.1 Sol to średniej klasy model GPT-6 firmy Open​AI, o jeden szczebel poniżej flagowego GPT-6 Astra i powyżej budżetowego GPT-6 Luna. Ma okno kontekstu o rozmiarze 1 050 000 tokenów z limitem wyjścia 128 000 tokenów oraz datą odcięcia wiedzy 30 kwietnia 2026 r., a jako dane wejściowe przyjmuje tekst, obrazy i pliki. Rozumowanie działa od low do max, domyślnie medium; wartości none i minimal, które GPT-6 Sol akceptował, zwracają teraz błąd, co własne wytyczne migracyjne Open​AI rozwiązują, zalecając deweloperom zastąpienie ich wartością low. Kosztuje 2,00 USD za milion tokenów wejściowych i 10,00 USD za milion tokenów wyjściowych, a buforowane wejście kosztuje 0,10 USD.

GLM-5.3 to obecny flagowy model Z.ai do inżynierii oprogramowania i długoterminowej pracy agentowej, zbudowany na tej samej bazie mixture-of-experts co GLM-5.2, przy czym zyski pochodzą z post-trainingu, a nie z większego modelu. To model tekst-wejście, tekst-wyjście — bez obsługi wizji, za żadną cenę — z oknem 1 mln tokenów, limitem wyjścia 128 000 tokenów i na stałe włączonym trybem myślenia. Nie ma trybu nierezonującego, co jest twardym ograniczeniem w przypadku wywołań wrażliwych na opóźnienia. Z.ai podaje cenę $1,40 za wejście i $4,40 za wyjście za milion tokenów, z wejściem z pamięci podręcznej po $0,26; nasz własny katalog ma go po $1,26 i $3,96, z odczytem z pamięci podręcznej po $0,234, więc karta dostawcy podaje bardziej konserwatywną liczbę i to na niej należy się opierać.

Karta stawek i linia, która ją odwraca

Jedna linia na wymiar, obie strony w każdym:

• Wejście — GPT-6.1 Sol 2,00 USD za 1 mln tokenów vs GLM-5.3 1,40 USD za 1 mln tokenów; GLM jest o 30% tańszy
• Wyjście — GPT-6.1 Sol 10,00 USD za 1 mln tokenów vs GLM-5.3 4,40 USD za 1 mln tokenów; GLM jest o 56% tańszy
• Wejście z pamięci podręcznej — GPT-6.1 Sol 0,10 USD za 1 mln tokenów vs GLM-5.3 0,26 USD za 1 mln tokenów; kolejność się odwraca, Sol jest 2,6× tańszy
• Klauzula długiego kontekstu — GPT-6.1 Sol zmienia cenę całego żądania powyżej 272 000 tokenów wejściowych na 2× dla wejścia i pamięci podręcznej oraz 1,5× dla wyjścia, podczas gdy GLM-5.3 nie ma równoważnej klauzuli na opublikowanej karcie
• Kontekst i wyjście — 1 050 000 na wejściu / 128 000 na wyjściu vs 1 mln na wejściu / 128 000 na wyjściu; różnica 5%, nieistotna
• Modalność — tekst, obraz i plik na wejściu, tekst na wyjściu vs tylko tekst
• Minimalny poziom rozumowania — GPT-6.1 Sol niski, średni (domyślny), wysoki, xhigh, maks. vs GLM-5.3 zawsze włączony, brak minimalnego poziomu, do którego można zejść
• Wagi — zamknięte, tylko API vs otwarte, do pobrania, FP8
• Niezależny wynik, Artificial Analysis v4.3.2 przy maksymalnym wysiłku — 51,8 vs 44,8
• Niezależny koszt na zadanie w indeksie — 0,72 USD vs 2,01 USD
• Tokeny wyjściowe w przebiegu indeksu — 67 milionów vs 210 milionów

img src="2.png" alt="Wygenerowana dwukolumnowa tablica porównawcza zatytułowana 'GPT-6.1 Sol vs GLM-5.3 – tablica wyników'. Lewa kolumna 'GPT-6.1 Sol': wiersze o treści 'Indeks inteligencji: 51.8', 'Koszt na zadanie indeksowe: $0.72', 'Cena wejściowa: $2.00 za 1 mln', 'Cena wyjściowa: $10.00 za 1 mln', 'Tokeny wyjściowe w przebiegu indeksu: 67 mln', 'Wagi: zamknięte'. Prawa kolumna 'GLM-5.3': wiersze o treści 'Indeks inteligencji: 44.8', 'Koszt na zadanie indeksowe: $2.01', 'Cena wejściowa: $1.40 za 1 mln', 'Cena wyjściowa: $4.40 za 1 mln', 'Tokeny wyjściowe w przebiegu indeksu: 210 mln', 'Wagi: otwarte na Hugging Face'. Stopka zawiera: 'Niezależne dane według Artificial Analysis v4.3.2 przy maksymalnym wysiłku; ceny katalogowe dostawcy.' Logo OrcaRouter znajduje się w prawym dolnym rogu." /> Ta ostatnia para rozstrzyga ten pojedynek i nie jest to subtelny efekt.

Problem 210 milionów tokenów

Artificial Analysis przeprowadza ten sam zestaw dziesięciu ewaluacji dla każdego modelu w rankingu i publikuje liczby tokenów stojące za każdym wynikiem. GLM-5.3 wygenerował około 210 milionów tokenów wyjściowych, kończąc przebieg. GPT-6.1 Sol wygenerował 67 milionów. Porównując z własną klasą porównawczą każdego modelu w rankingu, 210 milionów GLM-5.3 plasuje się powyżej mediany klasy wynoszącej około 140 milionów, podczas gdy 67 milionów modelu Sol plasuje się znacznie poniżej mediany około 81 milionów klasy flagowej, w której jest oceniany. Ponieważ wyjście jest drogą stroną każdego cennika, reklamowana 56% zniżka GLM-5.3 w pozycji wyjściowej nie wytrzymuje konfrontacji z pomiarem: emituje 3,1× więcej tokenów przy 0,44× ceny, a 3,1 × 0,44 to 1,37 — GLM-5.3 jest droższym modelem w tym obciążeniu pomimo znacznie tańszego cennika.

Własna wartość kosztu na zadanie tablicy potwierdza kierunek i przybliżoną wielkość. 2,01 USD wobec 0,72 USD to 2,8× — większa różnica, niż wynikałoby z samego stosunku tokenów, ponieważ GLM-5.3 płaci też więcej za pozycje wejściowe i pamięci podręcznej na zadanie. Warto być precyzyjnym co do tego, co to dowodzi, a czego nie: przebieg indeksu to dziesięć stałych ewaluacji, a rozwlekłość w ich przypadku nie jest tym samym co rozwlekłość w Twoim ruchu. Ale dla kupującego to tokeny są fakturowane, a kształt różnicy jest taki sam w każdym zestawie zadań, w którym model musi wygenerować długą odpowiedź.

Częściowe wyrównanie to pozycja buforowanego wejścia. Odczyt z pamięci podręcznej GLM-5.3 to $0.26 wobec stawki podstawowej $1.40, a GPT-6.1 Sol to $0.10 wobec stawki podstawowej $2.00 — Sol wygrywa 2,6-krotnie w stawce, która dominuje w każdym obciążeniu ze stabilnym prefiksem. Jeśli Twój ruch to duży, stały korpus z odpowiedzią o długości jednego akapitu, GLM-5.3 jest wprost tańszą opcją i powinieneś ją wybrać. Jeśli Twój ruch przypomina ruch, dla którego powstały oba te modele — pętle agentowe, edycje w skali repozytorium, długie generowane wyniki — przewaga buforowanego wejścia maleje do szumu wobec 3× stosunku tokenów.

Gdzie trafiają numery dostawców

Wyniki premierowe Z.ai są mocne i, jak zawsze, niespowtórzone. Terminal-Bench 2.1 na poziomie 88,2, DeepSWE v1.1 na poziomie 66,9, CyberGym na poziomie 84,5, ExploitBench na poziomie 54,4, AutomationBench na poziomie 48,2, GDPval-AA v2 na poziomie 1769 Elo. Jedna liczba warta przeczytania dwa razy to Terminal-Bench 3.0 na poziomie 28,3 — następca benchmarku i korekta wyniku 88,2 na starszej wersji. Model może być doskonały na benchmarku, na który ukierunkowano jego trening po wstępnym szkoleniu, a przeciętny na kolejnej generacji tego samego benchmarku.

Liczby premierowe OpenAI dla GPT-6.1 Sol są w całości ujęte wokół kosztu na ukończone zadanie, a nie surowego wyniku: DeepSWE v1.1 bije najlepszy wynik GPT-6 Sol o 6,4 punktu procentowego przy niższym wysiłku rozumowania, AutomationBench 1.0.6 o 2,2 punktu powyżej Claude Opus 5.5 przy średnim wysiłku, OSWorld 2.0 o siedem punktów wyżej od GPT-6 Sol przy maksymalnym wysiłku, Terminal-Bench Science 0.1 ponad dwukrotnie przebija GPT-6 Sol przy mniej niż połowie kosztu na zadanie. Należy zauważyć, że są to OpenAI harness przy OpenAI ustawieniach na OpenAI wybranym zestawie benchmarków, a żaden z nich nie został niezależnie odtworzony.

Nakładanie się opublikowanych zestawów obu dostawców jest niewielkie, a jedyne dostępne bezpośrednie porównanie dotyczy tego samego benchmarku: Z.ai podaje 66,9 w DeepSWE v1.1, OpenAI podaje 68,8 dla GPT-6 Sol — modelu zastępowanego przez 6.1 — oraz 6,4-punktową poprawę dla 6.1 Sol względem jego własnego poprzednika. Dwa punkty różnicy w porównaniu podanym przez dostawcę i około sześciu punktów różnicy w delcie podanej przez OpenAI. To blisko porównania kontrolowanego i mówi to samo, co niezależny panel: niemal parytet pod względem możliwości, duża różnica w tym, ile kosztuje doprowadzenie zadania do końca.

Jeden interfejs API czy dwa kontrakty

Oba modele są na OrcaRouter, co jest nietypowym elementem tego zestawienia. GPT-6.1 Sol trafił do katalogu w cenie katalogowej samego Open​AI już w dniu premiery — 2,00 USD i 10,00 USD za milion tokenów, wejście z pamięci podręcznej 0,10 USD, a próg 272 000 tokenów do 4,00 USD i 15,00 USD jest przekazywany dokładnie tak, jak podaje go dostawca — a GLM-5.3 sąsiaduje z nim w cenie 1,26 USD i 3,96 USD przy odczycie z pamięci podręcznej 0,234 USD. Do żadnego z nich nic nie jest doliczane: platforma przekazuje cenę katalogową dostawcy bez zmian, dlatego obniżka ceny wprowadzona przez dostawcę pojawia się po naszej stronie tego samego dnia, a nie dopiero po ponownych negocjacjach resellera.

To ma większe znaczenie dla tej konkretnej pary niż dla większości. Decyzja między nimi nie brzmi „który jest lepszy” — to próg dotyczący długości twojego własnego wyjścia, który przesunie się, gdy Z.ai po raz pierwszy zaostrzy swój cennik albo Open​AI zmieni granicę poziomu 6.1. Trzymanie obu za jednym kluczem, z automatycznym przełączaniem awaryjnym między nimi i regułą routingu, którą zmienia się w konfiguracji, a nie we wdrożeniu, pozwala testować ten próg na rzeczywistym ruchu, zamiast się o niego spierać. Jeśli linia cache Sol wygrywa w twoim obciążeniu, kieruj na nią; jeśli długości twoich odpowiedzi pozostają krótkie, a płaski cennik GLM-5.3 bez klifu kontekstowego wygrywa ten segment, kieruj zamiast tego na niego — ten sam klucz, bez drugiej umowy, bez drugiego rachunku.

Który, jeśli musisz wybrać dzisiaj?

• Długie generowane wyniki, pętle agentowe, praca wymagająca dużego generowania — GPT-6.1 Sol, a przewaga jest bliska trzykrotności, gdy uwzględni się liczbę tokenów. To tutaj cennik kłamie, a rzeczywistość nie.
• Stabilny prefiks, krótka odpowiedź — GLM-5.3. Jego stawki za wejście z pamięci podręcznej i za wejście są korzystne, a rozwlekłość nie ma okazji dać się we znaki.
• Każde zapytanie powyżej 272 000 tokenów wejściowych — GLM-5.3, ponieważ GPT-6.1 Sol wycenia na nowo całe zapytanie na tym progu, a cennik GLM-5.3 nie ma odpowiednika takiego progu.
• Wszystko, co zawiera obraz lub dokument jako dane wejściowe wizualne — GPT-6.1 Sol. GLM-5.3 obsługuje wyłącznie tekst i nie jest tu nawet blisko.
• Wnioskowanie w obrębie własnej granicy albo zabezpieczenie przed zmianą warunków dostawcy — GLM-5.3, i to teraz do pobrania, a nie tylko obiecywane. Zaplanuj na to budżet: checkpoint to duży artefakt FP8, a samodzielny hosting to decyzja kapitałowa, a nie decyzja dotycząca API.
• Wywołania wrażliwe na opóźnienia — żadne bez ostrożności. GLM-5.3 nie ma sposobu, by wyłączyć rozumowanie; GPT-6.1 Sol ma poziom minimalny ustawiony na low, a jego własny czas do pierwszego tokena na niezależnym rankingu wyniósł 332 sekundy wobec mediany rankingowej 3,7.