GPT-6.1 Sol kontra Tencent Hy4 Preview: płacenie 10 $ za token wyjściowy w porównaniu z otwartym modelem za 2,50 $

Postaw oba cenniki obok siebie, a różnica wcale nie jest subtelna. Tencent Hy4 Preview jest wyceniony na 0,834 USD za milion tokenów wejściowych, 2,501 USD za milion tokenów wyjściowych i 0,042 USD za milion tokenów wejściowych z pamięci podręcznej w swoim międzynarodowym punkcie końcowym. GPT-6.1 Sol jest wyceniony odpowiednio na 2,00, 10,00 i 0,10 USD. To czterokrotna różnica w przypadku tokenów wyjściowych i 2,4-krotna różnica w przypadku tokenów wejściowych, a ponieważ oba modele są wyceniane za token, pytanie, które nasuwa ta różnica, nie brzmi, który jest tańszy — Hy4 Preview jest tańszy w każdym wierszu — lecz czy droższy wykonuje przy jednym wywołaniu wystarczająco więcej pracy, by to uzasadnić. Żaden z dostawców nie opublikował liczby, która odpowiadałaby na to bezpośrednio, a ten artykuł dotyczy w dużej mierze tego, dlaczego oczywiste liczby po obu stronach nie są odpowiedzią.

Tencent wydał i udostępnił jako open source Hy4 Preview w dniu 2026-08-28; Open​AI udostępnił GPT-6.1 Sol w API w dniu 2026-09-29. Oba to modele agentowe obsługujące tekst, z oknami kontekstu o rozmiarze miliona tokenów; oba są dziś dostępne i oba znajdują się w naszym katalogu — co czyni to rzadkim porównaniem w tej serii, w którym arytmetykę kosztu na token można przeprowadzić na dwóch aktywnych pozycjach, a nie na podstawie komunikatu prasowego. Poniższe liczby pochodzą z materiałów premierowych Tencent i dokumentacji modelu, stron modelu i cennika Open​AI, naszych własnych zapisów katalogowych oraz opublikowanych ocen, zgodnie z adnotacjami, odczytanych w dniu 2026-10-12. Każda liczba będąca wynikiem własnego testu dostawcy jest oznaczona jako taka.

Czym tak naprawdę jest każdy model

Zacznij od architektury, ponieważ oba modele rozwiązują ten sam problem serwowania przy użyciu tej samej techniki.

• Parametry — Hy4 Preview to 770B mieszanina ekspertów z 49B aktywnych parametrów na token w 78 warstwach, wykorzystująca 256 ekspertów routowanych plus 1 wspólnego eksperta. GPT-6.1 Sol to zastrzeżony model Open​AI pozycjonowany o jeden poziom poniżej GPT-6 Astra w tej samej generacji; Open​AI nie publikuje liczby parametrów.

• Kontekst i dane wyjściowe — oba dokumentują około miliona tokenów kontekstu wejściowego. Nasz wpis katalogowy dla Hy4 Preview zawiera 1 048 576 tokenów kontekstu z maksymalnym uzupełnieniem 64 000 tokenów; materiały własne Tencent opisują okno kontekstowe przekraczające 1 mln tokenów, z maksymalnym wejściem 960 000 tokenów. GPT-6.1 Sol dokumentuje 1 050 000 tokenów kontekstu z maksymalnym wyjściem 128 000 tokenów — dwukrotnie więcej niż pułap uzupełnienia Hy4, a to właśnie ten parametr daje się we znaki, gdy chcesz uzyskać długi, ustrukturyzowany artefakt z jednego wywołania.

• Modalność — oba po stronie wejścia obsługują wyłącznie tekst, oferując użycie narzędzi i ustrukturyzowane dane wyjściowe, jakich można oczekiwać od współczesnego modelu agentowego. Żaden z nich nie jest modelem wizyjnym.

• Sterowanie rozumowaniem — Hy4 Preview udostępnia opcje high, low i none, przy czym high jest ustawieniem domyślnym; temperatura 0.9 i top_p 1.0 to zalecane ustawienia próbkowania. GPT-6.1 Sol udostępnia opcje low, medium (domyślnie), high, xhigh i max, bez żadnej pozycji wyłączonej — rozumowanie jest zawsze włączone, a parametry próbkowania, takie jak temperatura i top_p, są całkowicie odrzucane.

• Wagi — Hy4 Preview ma otwarte źródła na licencji Apache 2.0 i jest dostępny do pobrania już dziś. GPT-6.1 Sol jest zamknięty, dostępny wyłącznie przez API i nigdy nie będzie hostowany samodzielnie.

To właśnie ta ostatnia linia odróżnia te dwa modele bardziej niż jakikolwiek benchmark. Model 770B/49B na licencji Apache 2.0 to własność; zastrzeżony model API to subskrypcja. Wszystko inne na tej stronie dotyczy tego, której z tych dwóch rzeczy potrzebuje Twoje obciążenie.

Pozycje cenowe z wykonanymi obliczeniami

Oba cenniki są publikowane i oba przekazujemy bez marży, więc ta sekcja jest weryfikowalna, a nie tylko deklarowana.

• Wyjście — GPT-6.1 Sol 10,00 USD za milion w porównaniu z Hy4 Preview 2,501 USD za milion. Na każdy milion tokenów wyjściowych emitowanych przez obciążenie różnica wynosi 7,50 USD, a wyjście to licznik, na który model rozumujący wydaje najwięcej.

• Dane wejściowe — 2,00 USD za milion wobec 0,834 USD. Różnica 2,4× w pozycji, która dominuje w każdym potoku długiego kontekstu, ponieważ prompt w skali repozytorium lub zestawu dokumentów ponownie wysyła duży prefiks przy każdej turze.

• Wejście z pamięci podręcznej — 0,10 USD za milion w porównaniu z 0,042 USD. Obaj dostawcy mocno obniżają ceny za ponownie odczytywane prefiksy, a stawka pamięci podręcznej Hy4 to mniej niż połowa stawki GPT-6.1 Sol.

• Zapisy do pamięci podręcznej — GPT-6.1 Sol pobiera 2,50 USD za milion za zapis buforowanego prefiksu. Opublikowane międzynarodowe stawki Hy4 Preview nie zawierają osobnej pozycji dotyczącej zapisu do pamięci podręcznej, co oznacza, że pierwszy zapis jest wyceniany jak zwykłe dane wejściowe, a nie jak opcja premium.

Uruchom kształt, który jest typowy dla obu modeli: 500 000 tokenów wejściowych, z których 460 000 to prefiks w pamięci podręcznej, i 20 000 tokenów wyjściowych, w pojedynczym wywołaniu.

• W przypadku GPT-6.1 Sol — 460 000 tokenów z pamięci podręcznej po $0.10/M to $0.046, 40 000 nowych tokenów wejściowych po $2.00/M to $0.080, a 20 000 tokenów wyjściowych po $10.00/M to $0.200. Razem $0.326.

• W Hy4 Preview — 460 000 tokenów z pamięci podręcznej po $0,042/M to $0,019, 40 000 nowych tokenów wejściowych po $0,834/M to $0,033, a 20 000 tokenów wyjściowych po $2,501/M to $0,050. Razem $0,102.

Wywołanie Hy4 to nieco mniej niż jedna trzecia wywołania GPT-6.1 Sol przy tym kształcie. A teraz zastrzeżenie, które czyni to porównanie uczciwym: to porównanie dwóch cenników zastosowanych do identycznej liczby tokenów, a liczby tokenów nie są identyczne między modelami. Model, który rozumuje dłużej przed udzieleniem odpowiedzi, wygeneruje więcej tokenów wyjściowych dla tego samego zadania, a w dokumentacji GPT-6.1 Sol podano, że produkuje on 10–30% więcej tokenów wyjściowych niż jego poprzednik GPT-6 Sol w porównywalnej pracy. Jeśli domyślne ustawienie rozumowania „high” w Hy4 Preview czyni go równie rozwlekłym, rzeczywista różnica się zmniejsza; jeśli to model OpenAI jest bardziej rozwlekły z tych dwóch, różnica rośnie powyżej 3,2× wskazywanych przez arytmetykę. Cenniki mówią, ile kosztuje token. Nie mówią, ile tokenów kosztuje zadanie, i tylko uruchomienie własnego obciążenia to rozstrzyga.

Gdzie benchmarki pomagają, a gdzie nie

To jest sekcja, w której jakość dowodów obu modeli się rozchodzi, i właśnie ta rozbieżność jest kluczowa.

Główna ewaluacja Tencent dla Hy4 Preview to zaślepiony test preferencji w porównaniu bezpośrednim, a wynik to 2,99 dla Hy4 Preview wobec 2,92 dla GLM 5.3 i 2,94 dla Kimi K3. Przeczytaj to uważnie: to ewaluacja samego Tencent, to wynik preferencji, a nie wynik dokładności, przewaga zwycięstwa wynosi siedem setnych punktu w skali mniej więcej trzyipunktowej, a zestaw porównawczy to dwa inne otwarte modele. To dowód, że Hy4 Preview jest konkurencyjny wobec obecnego poziomu modeli o otwartych wagach. To nie jest dowód, że jest konkurencyjny wobec zastrzeżonego modelu z czołówki, i żaden zestaw w materiałach wydania nie wysuwa takiego twierdzenia.

Tencent informuje również o 31,8% poprawie przepustowości dzięki pracom nad samooptymalizacją samego modelu, a architektura zawiera natywną warstwę wielotokenowej predykcji do dekodowania spekulatywnego. Oba te twierdzenia dotyczą wydajności obsługi i pochodzą od dostawcy; nikt inny ich nie odtworzył, a oba są wiarygodne w przypadku modelu MoE 770B/49B zbudowanego z tą warstwą — opisują jednak, jak szybko model odpowiada, a nie jak dobrze.

GPT-6.1 Sol ma silniejszą pozycję dowodową i warto być precyzyjnym co do tego, dlaczego. Jego niezależny wiersz w Intelligence Index przy maksymalnym wysiłku rozumowania wynosi 52, przy zmierzonym koszcie uruchomienia 0,72 USD na zadanie i szybkości generowania wyniku około 65 do 67 tokenów na sekundę — strona trzecia uruchomiła go, oceniła i podała, ile kosztowało to uruchomienie. Jego wynik w Artificial Analysis Terminal-Bench 4.0 to 56,06 wobec 43,94 dla poprzednika GPT-6 Sol, co plasuje międzypokoleniowy skok w zadaniach agentowych opartych na powłoce na poziomie około dwunastu punktów. Na tym tle własne sztandarowe ewaluacje modelu firmy Open​AI — w tym wynik Terminal-Bench Science podający 5,47 USD na zadanie przy maksymalnym wysiłku wobec 23,21 USD dla Claude Opus 5.5 — to uruchomienia dostawcy z jego własnymi wartościami odniesienia i nikt ich nie odtworzył.

Uczciwe podsumowanie dowodów jest więc jednostronne i przechyla się w jedną stronę: GPT-6.1 Sol ma pomiar jakości i kosztu na zadanie od strony trzeciej, a Hy4 Preview ma wynik preferencji dostawcy względem innych otwartych modeli. To nie oznacza, że Hy4 Preview jest gorszy, niż sugeruje ten wynik preferencji. Oznacza to, że nikt poza Tencentem go nie zmierzył, co jest osobnym stwierdzeniem — i powodem, by przetestować go na własnych zadaniach, zamiast ufać liczbom którejkolwiek ze stron.

Kwestia self-hostingu na konkretnych liczbach

Otwarte wagi Hy4 Preview to powód, by traktować go poważnie poza ceną API, a jednocześnie powód, dla którego nie jest to też jednoznaczne zwycięstwo.

Praktyczne liczby, zgodnie z publikacją: kwantyzacja Q4_K_M modelu zajmuje około 435 GiB, kwantyzacja 1-bitowa około 213 GiB, a pełny, niekwantyzowany model wymaga rzędu 1,5 TB VRAM. Wartość 213 GiB dla kwantyzacji 1-bitowej jest jedyną z tych trzech, którą może pomieścić pojedynczy węzeł o dużej pamięci, a jednocześnie najbardziej odbije się na jakości. Wartość 435 GiB dla Q4_K_M wymaga infrastruktury multi-GPU, której większość zespołów nie ma bezczynnie do dyspozycji.

Co to oznacza w praktyce: samodzielne hostowanie Hy4 Preview jest realną opcją dla organizacji, które już dysponują sprzętem tej klasy, a dla wszystkich pozostałych — projektem inwestycyjnym. Jeśli należysz do pierwszej grupy, podana powyżej cena API jest dla ciebie nieistotna — wymieniasz rozliczany według zużycia rachunek na stały, a Apache 2.0 nie nakłada na to żadnych kosztów licencji. Jeśli należysz do drugiej grupy, stawka API jest jedyną liczbą, która się liczy, a stawki $0.834 / $2.501 / $0.042 są powodem, dla którego w ogóle warto przyjrzeć się temu modelowi.

Jedno zastrzeżenie ze strony użytkowników — i dotyczy ono kosztów, a nie możliwości: udokumentowane niedociągnięcia Hy4 Preview to nadmierne rozumowanie i nadmierne weryfikowanie — zużywanie większej liczby tokenów, niż wymaga zadanie, oraz sprawdzanie pracy, która już jest poprawna. W przypadku API rozliczanego za użycie takie zachowanie widać w cenie tokenów wyjściowych: 2,501 USD za milion; na sprzęcie hostowanym samodzielnie objawia się jako opóźnienie. Tak czy inaczej, zalecana temperatura 0.9 i domyślne ustawienie rozumowania „high” to wybory konfiguracyjne, które warto dostroić, zanim ocenisz model pod kątem kosztów.

Którą kartę powinieneś trzymać

Te dwa modele nie są substytutami dla tego samego nabywcy, a podział jest klarowny.

Wybierz GPT-6.1 Sol, jeśli w przypadku danego obciążenia błąd jest drogi, a samo obciążenie tanie w stosunku do kosztu porażki — długie agentowe pętle kodowania, korzystanie z komputera, praca zawodowa oparta na dokumentach, gdzie nieudane zadanie kosztuje więcej niż tokeny, które je wytworzyły. Ma niezależne pomiary, szerszy kontekst, dwukrotnie wyższy limit wyjścia i datę odcięcia wiedzy 2026-04-30. Uwzględnij w budżecie fakt, że to licznik wyjścia pochłania pieniądze, i zaprojektuj rozwiązanie wokół progu 272 000 tokenów wejściowych, powyżej którego Open​AI zmienia cenę całego żądania. Jest w naszym katalogu według cen katalogowych Open​AI z marżą 0%: https://www.orcarouter.ai/models/openai/gpt-6.1-sol.

Wybierz Hy4 Preview, jeśli obciążenie jest masowe, wrażliwe na koszty i toleruje model, którego nikt poza jego twórcą nie testował — masowa ekstrakcja, klasyfikacja, podsumowywanie, agenci wywołujący narzędzia, gdy zadanie jest dobrze określone, a niepowodzenie tanie do ponowienia. Przy $0.834 / $2.501 / $0.042 to jedna trzecia kosztu przy tej samej liczbie tokenów, jest udostępniony jako open source na licencji Apache 2.0, jeśli kiedykolwiek zechcesz przestać go wynajmować, i znajduje się w naszym katalogu w cenach listowych Tencent bez doliczonej marży: https://www.orcarouter.ai/models/tencent/hy4-preview. Ta sama zasada 0% marży dotyczy obu wierszy, co oznacza, że obniżka ceny przez dostawcę trafia do katalogu tego samego dnia, w którym pojawia się na stronie dostawcy, a nie dopiero wtedy, gdy zauważy ją reseller.

Konfiguracja, której większość zespołów faktycznie będzie chcieć, to jedno i drugie — tani model obsługuje wolumen, a drogi trudny ogon — a dokładnie po to istnieje jeden endpoint z automatycznym przełączaniem awaryjnym między ponad 200 modelami, by uczynić to tanim, ponieważ nieprzetestowany model, taki jak Hy4 Preview, jest znacznie łatwiejszy do wypróbowania, gdy stoi za tym samym kluczem co model, któremu już ufasz, z trasą, która automatycznie przełącza się awaryjnie, zamiast drugiej integracji do utrzymywania.