GPT-6.1 Sol kontra Intern S2: Jeden ma cenę, drugi wagi

Najdziwniejsze w porównywaniu GPT-6.1 Sol z Intern S2 jest to, że jedna strona tego porównania nie ma ceny, której można by gdziekolwiek poszukać. Intern-S2-397B z Shanghai AI Laboratory, opublikowany 13.09.2026, dostarcza wagi na licencji Apache 2.0 na Hugging Face, raport techniczny oraz hostowany przez dostawcę punkt końcowy API — i nigdzie niepodaną stawkę za token. GPT-6.1 Sol od OpenAI, wydany 29.09.2026, kosztuje 2,00 USD za milion tokenów wejściowych i 10,00 USD za milion tokenów wyjściowych, z udokumentowanym progiem powyżej 272 000 tokenów promptu, a każda z tych liczb widnieje na publicznej stronie cennika. Uczciwym sposobem ujęcia tego zestawienia nie jest więc pytanie „który jest lepszy”, lecz „za który z tych dwóch da się faktycznie prognozować rachunek” — a odpowiedź się różni z powodów, które nie mają nic wspólnego z możliwościami.

Wszystko poniżej dzieli się wyraźnie na dwie bazy dowodowe, a utrzymanie ich osobno to większość pracy. Dane GPT-6.1 Sol są niezależne, pochodzą z Artificial Analysis, z wyjątkiem przypadków, gdy zdanie mówi inaczej. Dane Intern-S2 pochodzą od samego InternLM, nie zostały odtworzone przez żadną stronę trzecią, a zdania, które je zawierają, mówią o tym.

Dwa systemy pod jedną nazwą

Intern S2 to nie pojedynczy model, a tę niejasność warto wyjaśnić, zanim przejdziemy do czegokolwiek innego. Rodzina zawiera co najmniej dwa opublikowane artefakty:

• Intern-S2-Mobius — model z otwartymi wagami o 35 miliardach parametrów na licencji Apache 2.0, nieustannie wstępnie trenowany z Qwen3.5-35B, wykorzystujący architekturę Mobius-v0 ze wspólną pamięcią 2560 ekspertów, czterema blokami Reasoner i 40 warstwami. Wskazówki dotyczące wdrażania opisują około 3 miliardów aktywnych parametrów na token, z hybrydowym wzorcem uwagi 3:1, kontekstem 256 000 tokenów i wieżą wizyjną. Wagi ukazały się 2026-07-29; repozytorium GitHub i raport techniczny pojawiły się 2026-08-05; wsparcie vLLM scalono 2026-08-06.

• Intern-S2-397B — flagowy model, opublikowany 2026-09-13. Około 397 miliardów łącznych parametrów w architekturze Qwen3.5-MoE, 512 ekspertów, z których 10 jest aktywnych, wagi na licencji Apache 2.0 na Hugging Face wraz z kartą modelu, oficjalne wejście w API Intern oraz wsparcie vLLM Day-0 ogłoszone następnego dnia, a także opublikowana recepta na wnioskowanie FP na ośmiu H100 lub ośmiu H200. Jego podane limity to 256 000 tokenów kontekstu tekstowego i 64 000 kontekstu.

GPT-6.1 Sol jest prostszym obiektem: jeden identyfikator snapshotu, gpt-6.1-sol, bez wariantu z datą, 1 050 000 tokenów kontekstu, 128 000 maksymalnych tokenów wyjściowych, wejście tekstowe, obrazowe i plikowe, pięć poziomów wysiłku rozumowania, przy czym domyślny jest średni, oraz podana data odcięcia wiedzy: 30 kwietnia 2026.

Na czym opierają się liczby każdej ze stron

To jest oś, na której te dwa są najdalej od siebie, i wcale nie jest blisko.

Niezależny rekord GPT-6.1 Sol, wszystko od Artificial Analysis:

• AA Intelligence Index — 51,8, 10. miejsce spośród 147 modeli, 93,2. percentyl.

• Humanity's Last Exam — 52,9%.

• Przywoływanie w długim kontekście — 83%.

• SciCode — 54,2%.

• Terminal-Bench 4.0 — 56,06%.

Rekord Intern-S2, w całości własność InternLM, w żadnej części nieodtworzony przez stronę trzecią:

• MMLU Pro — 89,77% dla flagowego modelu 397B.

• HMMT-2026 — 93,56%.

• MMMU Pro — 81,68%.

• SWE-bench-Pro — 68,54%.

• TerminalBench 2.1 — 64,04%.

• Wiersze domen naukowych — Biology-Instructions 55,71%, SciReasoner 1.5 63,28%, Mol-Instructions 53,95%, MolecularIQ 62,35%.

Te dwie listy nie są porównywalne i warto wyraźnie powiedzieć dlaczego. Pierwszy zestaw to podmiot niezainteresowany wynikiem, zadający te same pytania wielu modelom w ramach jednego protokołu. Drugi zestaw to laboratorium, które wytrenowało model, raportujące, jak poradził sobie jego własny model. To nie czyni drugiego zestawu fałszywym — laboratoria z opublikowanym raportem technicznym i możliwymi do pobrania wagami mają na szali swoją reputację, jeśli chodzi o te liczby — ale oznacza to, że liczby te są twierdzeniem, a nie pomiarem, i obecnie żaden niezależny ewaluator ani niezależny dostawca inferencji nie publikuje nigdzie wyników Intern-S2.

Wiersze, które zawierają rzeczywiste informacje

Dwie rzeczy w materiałach samego InternLM są bardziej pouczające niż wyniki z nagłówków, właśnie dlatego, że nie są pochlebne.

Pierwsza to tabela benchmarków Mobius dla modelu 35B, która porównuje go z bazowym Qwen3.5-35B, od którego był stale wstępnie trenowany. To naprawdę przydatne porównanie — ta sama linia rozwojowa, ta sama skala, więc różnica izoluje to, co dała zmiana architektury. Mobius wygrywa siedem z dziewięciu ogólnych benchmarków, a mocno przegrywa z Humanity's Last Exam i UGD. Czytając to uczciwie, architektura Mobius przynosi umiarkowane ogólne zyski i coś oddaje w najtrudniejszym zestawie rozumowania. Wiersze dotyczące domeny naukowej w tej samej tabeli są większe, ale są one znakiem charakterystycznym kontynuowanego wstępnego treningu dziedzinowego, a nie architektury — to dane treningowe są źródłem liczb z biologii i chemii, a nie układ ekspertów.

Druga to historia efektywności, która jest najbardziej konkretnym twierdzeniem w wydaniu: 2,9 razy większa przepustowość niż baseline przy batchu 16, rosnąca do 4,6 razy przy batchu 256. To są współczynniki względem wewnętrznego baseline’u, zmierzone przez laboratorium, na sprzęcie wybranym przez laboratorium — i są to również twierdzenia, które łatwo zweryfikować, gdy ma się wagi, a masz je, na licencji Apache 2.0.

Ta weryfikowalność jest rzeczywistą wartością otwartego wydania i wskazuje miejsce, do którego wyniki z nagłówków nie docierają: nie musisz ufać wskaźnikowi przepustowości, ponieważ osiem H100 i przepis vLLM to teraz jedyne, co dzieli cię od sprawdzenia tego.

Otwarte wagi kontra płatny endpoint

Tu właśnie oba modele przestają być alternatywami i stają się różnymi decyzjami.

GPT-6.1 Sol to usługa. Płacisz za token, otrzymujesz okno 1 050 000 tokenów, 128 000 tokenów wyjściowych, pięć poziomów wysiłku i zupełnie brak powierzchni operacyjnej. Rachunek skaluje się liniowo wraz z użyciem, a koszt krańcowy skoku jest pozycją w rachunku, a nie problemem z przepustowością. Kompromis jest taki, że nie możesz go dostroić — OpenAI nie publikuje żadnej ścieżki dostrajania dla tego modelu — nie możesz go uruchomić na własnym sprzęcie, a Twoją ekonomikę jednostkową ustala cennik kogoś innego.

Intern-S2-397B jest do pobrania. Apache 2.0 oznacza, że możesz go uruchamiać, modyfikować, dostrajać i udostępniać we własnej sieci, tak aby żadne dane jej nie opuszczały. Osiem H100 to realny koszt kapitałowy i realne obciążenie operacyjne, ale powyżej pewnego utrzymującego się wolumenu ten koszt kapitałowy jest niższy niż stawka za token — i jest to jedyna opcja, jeśli dane w ogóle nie mogą opuścić twojego perymetru. Druga strona tej wymiany jest taka, że wszystko związane z jakością jest teraz twoim problemem: nie ma niezależnego benchmarku, względem którego można planować, żadnego zewnętrznego dostawcy, do którego można przełączyć się w razie awarii, ani dostawcy, do którego można by eskalować regresję.

Między tymi dwiema pozycjami decydującą zmienną jest prawie zawsze wykorzystanie. Miesięczny skok kilkuset milionów tokenów nie amortyzuje ośmiu GPU. Stały miesięczny przepływ kilku miliardów tokenów w regulowanym obwodzie często jednak tak.

Liczba, której brakuje w jednej kolumnie

Intern-S2-397B nie ma opublikowanej stawki za token. To nie jest przeoczenie, które można obejść oszacowaniem; oznacza to, że standardowego porównania, które ten blog zwykle przeprowadza — kosztu za milion tokenów z kosztem za milion tokenów — nie da się w ogóle przeprowadzić dla ścieżki self-hosted.

Porównanie, które można przeprowadzić, dotyczy punktu końcowego hostowanego przez dostawcę. InternLM prowadzi oficjalne API Intern pod adresem chat.intern-ai.org.cn/api/v1 z identyfikatorem modelu intern-s2-397b, a stawka dla tego punktu końcowego jest tym, co trzeba by porównać bezpośrednio z kwotami GPT-6.1 Sol wynoszącymi 2,00 USD i 10,00 USD. Dopóki ta stawka nie zostanie opublikowana, jedynym uczciwym stwierdzeniem jest to, że cena ścieżki API jest nieznana, a cena ścieżki samodzielnie hostowanej zależy od twojej umowy na GPU i twojego wykorzystania, a nie od cennika.

Co oznacza, że arytmetyka, którą może przeprowadzić ten artykuł, jest wąska i tak czy owak warta wykonania: zapytaj, jaki byłby twój własny koszt za milion tokenów przy twoim wykorzystaniu, i porównaj go z $2.00/$10.00 z zastosowanym progiem powyżej 272K. Dla większości zespołów odpowiedź na tę arytmetykę jest taka, że zamknięty endpoint wygrywa poniżej kilku miliardów tokenów miesięcznie, a otwarte wagi wygrywają powyżej — a całe pytanie sprowadza się do tego, po której stronie tej linii znajduje się obciążenie.

Prowadzenie ich dwóch w różny sposób

Nie ma tu jednej odpowiedzi, ponieważ do obu modeli nie dochodzi się w ten sam sposób, a udawanie, że jest inaczej, byłoby tym samym błędem co przytaczanie wierszy indeksu obok siebie.

GPT-6.1 Sol jest dostępny w OrcaRouter jako openai/gpt-6.1-sol, w cenie katalogowej OpenAI z 0% marży — 2,00 USD za wejście, 10,00 USD za wyjście, wejście z pamięci podręcznej po 0,10 USD, próg powyżej 272K stosowany dokładnie tak, jak ustala to OpenAI. Ponieważ przekazujemy cenę dostawcy dalej, zamiast doliczać marżę, zmiana stawek OpenAI obowiązuje tutaj tego samego dnia, a nie w następnym cyklu rozliczeniowym, a automatyczny failover znajduje się pod trasą. Ten ostatni element ma większe znaczenie dla niesprawdzonego modelu niż dla sprawdzonego — co jest tym samym argumentem, który ma zastosowanie do strony Intern-S2, z tą różnicą, że strona Intern-S2 nie może go użyć.

Intern S2 nie znajduje się w OrcaRouter i nie hostujemy go. Jest dostępny przez własne API InternLM i można go pobrać z Hugging Face na licencji Apache 2.0 przez każdego, kto dysponuje odpowiednim sprzętem. Jeśli chcesz go wypróbować, wagi to ścieżka niewymagająca dużego zobowiązania — możesz ocenić flagowy model 397B na własnych promptach, zanim zdecydujesz, czy kupić do niego GPU, a Mobius 35B jest wystarczająco mały, aby przetestować zachowanie rodziny modeli na pojedynczym węźle.

Werdykt, na który zasługuje to zestawienie, nie jest rankingiem, ponieważ te dwa modele nie kupują tego samego. Jeśli potrzebujesz modelu z niezależnie zmierzonym poziomem możliwości, opublikowanym pułapem wydajności, znaną ceną za token i brakiem powierzchni operacyjnej, GPT-6.1 Sol jest odpowiedzią i nie jest to bliska decyzja — jest po prostu jedynym z tych dwóch, który oferuje te cztery rzeczy. Jeśli twoim ograniczeniem jest to, że dane nie mogą opuścić twojej sieci, lub twój wolumen jest wystarczająco wysoki, że GPU są lepsze niż tokeny, Intern-S2-397B jest lepszą odpowiedzią, a brakujący benchmark jest ryzykiem, które decydujesz się ponieść, a nie powodem, by odejść. Nie powinieneś porównywać tych dwóch modeli na podstawie ich opublikowanych liczb. Własna ocena InternLM i ranking Artificial Analysis to nie to samo narzędzie, a czytanie ich jako jednej tabeli dałoby pewną odpowiedź na pytanie, którego nikt nie zadał.