GPT-6.1 Sol vs Intern S2: Um Tem Preço, o Outro Tem Pesos

A coisa mais estranha em comparar GPT-6.1 Sol com Intern S2 é que um dos lados da comparação não tem preço que se possa consultar. O Intern-S2-397B do Shanghai AI Laboratory, publicado em 2026-09-13, distribui pesos Apache 2.0 no Hugging Face, um relatório técnico e um endpoint de API hospedado pelo fornecedor — e nenhuma tarifa por token publicada em lugar algum. O GPT-6.1 Sol da OpenAI, lançado em 2026-09-29, custa US$ 2,00 por milhão de tokens de entrada e US$ 10,00 por milhão de saída, com um nível documentado acima de 272.000 tokens de prompt, e cada um desses números aparece em uma página pública de preços. Então, a maneira honesta de enquadrar esse par não é "qual é melhor", mas "para qual dos dois você consegue realmente prever uma fatura" — e a resposta difere por razões que não têm nada a ver com capacidade.

Tudo abaixo se divide claramente em duas bases de evidências, e mantê-las separadas é a maior parte do trabalho. Os números do GPT-6.1 Sol são independentes, da Artificial Analysis, exceto quando uma frase disser o contrário. Os números do Intern-S2 são do próprio InternLM, não reproduzidos por nenhum terceiro, e as frases que os trazem dizem isso.

Dois sistemas sob um único nome

O Intern S2 não é um único modelo, e vale a pena esclarecer a confusão antes de qualquer outra coisa. A família contém pelo menos dois artefatos publicados:

• Intern-S2-Mobius — um modelo de pesos abertos de 35 bilhões de parâmetros sob a licença Apache 2.0, pré-treinado de forma contínua a partir do Qwen3.5-35B, usando uma arquitetura Mobius-v0 com uma Memória compartilhada de 2.560 especialistas, quatro blocos Reasoner e 40 camadas. As orientações de implantação descrevem aproximadamente 3 bilhões de parâmetros ativos por token, com um padrão de atenção híbrida de 3:1, um contexto de 256.000 tokens e uma torre de visão. Os pesos foram lançados em 2026-07-29; o repositório do GitHub e o relatório técnico vieram em 2026-08-05; o suporte ao vLLM foi integrado em 2026-08-06.

• Intern-S2-397B — o carro-chefe, publicado em 2026-09-13. Cerca de 397 bilhões de parâmetros totais em uma arquitetura Qwen3.5-MoE, 512 especialistas com 10 ativos, pesos Apache 2.0 no Hugging Face junto com um cartão de modelo, uma entrada oficial da API Intern e suporte vLLM Day-0 anunciado no dia seguinte, com uma receita publicada para inferência FP8 em oito H100s ou oito H200s. Seus limites publicados são 256.000 tokens de contexto de texto e 64.000 de contexto multimodal.

O GPT-6.1 Sol é o objeto mais simples: um identificador de snapshot, gpt-6.1-sol, sem variante com data, 1.050.000 tokens de contexto, 128.000 de saída máxima, entrada de texto, imagem e arquivo, cinco níveis de esforço de raciocínio, com médio como padrão, e uma data de corte de conhecimento declarada de 30 de abril de 2026.

Em que se baseiam os números de cada lado

Este é o eixo no qual os dois estão mais distantes, e não é por pouco.

Registro independente do GPT-6.1 Sol, tudo da Artificial Analysis:

• AA Intelligence Index — 51,8, classificação 10 de 147 modelos, percentil 93,2.

• Humanity's Last Exam — 52,9%.

• Recall de Contexto Longo — 83%.

• SciCode — 54,2%.

• Terminal-Bench 4.0 — 56,06%.

O recorde do Intern-S2, tudo da própria InternLM, nada reproduzido por terceiros:

• MMLU Pro — 89,77% para o modelo principal de 397B.

• HMMT-2026 — 93,56%.

• MMMU Pro — 81,68%.

• SWE-bench-Pro — 68,54%.

• TerminalBench 2.1 — 64,04%.

• Linhas do domínio científico — Biology-Instructions 55,71%, SciReasoner 1.5 63,28%, Mol-Instructions 53,95%, MolecularIQ 62,35%.

Essas duas listas não são comparáveis, e vale a pena deixar explícito o porquê. O primeiro conjunto é uma parte sem interesse no resultado fazendo as mesmas perguntas a muitos modelos sob um único protocolo. O segundo conjunto é o laboratório que treinou o modelo relatando como seu próprio modelo se saiu. Isso não torna o segundo conjunto falso — laboratórios com um relatório técnico publicado e pesos disponíveis para download têm sua reputação em jogo nesses números — mas significa que os números são uma alegação, e não uma medição, e atualmente não há nenhum avaliador independente, nem nenhum provedor de inferência independente, publicando pontuações do Intern-S2 em lugar algum.

As linhas que contêm informações reais

Duas coisas nos próprios materiais da InternLM são mais informativas do que as pontuações de manchete, precisamente porque não são lisonjeiras.

O primeiro é a tabela de referência Mobius para o modelo de 35B, que o compara com a base Qwen3.5-35B a partir da qual ele foi continuamente pré-treinado. Essa é uma comparação genuinamente útil — mesma linhagem, mesma escala, portanto o delta isola o que a mudança de arquitetura trouxe. Mobius vence em sete de nove benchmarks gerais e perde feio no Humanity's Last Exam e no UGD. Lendo isso com honestidade, a arquitetura Mobius traz ganhos gerais moderados e abre mão de algo no conjunto de raciocínio mais difícil. As linhas do domínio científico na mesma tabela são maiores, mas são a marca do pré-treinamento contínuo de domínio, e não da arquitetura — é dos dados de treinamento que vêm os números de biologia e química, não do layout de especialistas.

A segunda é a história da eficiência, que é a afirmação mais concreta no lançamento: 2,9 vezes o throughput da linha de base no batch 16, subindo para 4,6 vezes no batch 256. Essas são proporções em relação a uma linha de base interna, medidas pelo laboratório, em hardware escolhido pelo laboratório — e também são o tipo de afirmação fácil de verificar depois que você tem os pesos, o que você tem, sob Apache 2.0.

Essa verificabilidade é o valor real de um release aberto, e aponta para algo que as pontuações de manchete não conseguem alcançar: você não precisa confiar na proporção de throughput, porque oito H100s e uma receita vLLM são agora as únicas coisas que separam você de verificar isso.

Pesos abertos contra um endpoint pago

É aqui que os dois modelos deixam de ser alternativas e passam a ser decisões diferentes.

GPT-6.1 Sol é um serviço. Você paga por token, obtém uma janela de 1.050.000 tokens, 128.000 tokens de saída, cinco níveis de esforço e nenhuma superfície operacional. A fatura escala linearmente com o uso e o custo marginal de um pico é um item de linha, não um problema de capacidade. O trade-off é que você não pode fazer ajuste fino nele — a OpenAI não publica nenhum caminho de ajuste fino para este modelo — você não pode executá-lo em seu próprio hardware, e sua economia unitária é definida pela página de preços de outra pessoa.

Intern-S2-397B é um download. A licença Apache 2.0 significa que você pode executá-lo, modificá-lo, fazer ajuste fino nele e servi-lo dentro da sua própria rede, sem que nenhum dado saia dela. Oito H100s representam um custo de capital real e um ônus operacional real, mas acima de um certo volume sustentado esse custo de capital é mais barato do que uma tarifa por token, e é a única opção se os dados não puderem sair do seu perímetro de forma alguma. A contrapartida é que tudo relacionado à qualidade agora é problema seu: não há nenhum benchmark independente para usar como referência de planejamento, nenhum provedor externo para o qual fazer failover, e nenhum fornecedor para quem escalar uma regressão.

Entre essas duas posições, a variável decisiva é quase sempre a utilização. Uma rajada mensal de algumas centenas de milhões de tokens não amortiza oito GPUs. Um fluxo mensal constante de vários bilhões de tokens dentro de um perímetro regulado frequentemente amortiza.

O número que está faltando em uma coluna

Intern-S2-397B não tem uma taxa publicada por token. Isso não é um descuido a ser contornado com uma estimativa; significa que a comparação padrão que este blog costuma fazer — custo por milhão de tokens contra custo por milhão de tokens — não pode ser realizada de forma alguma em relação ao caminho auto-hospedado.

A comparação que pode ser feita é com o endpoint hospedado pelo fornecedor. A InternLM opera uma API Intern oficial em chat.intern-ai.org.cn/api/v1 com o identificador de modelo intern-s2-397b, e a tarifa desse endpoint é o que você precisaria comparar, orçamento a orçamento, com os US$ 2,00 e US$ 10,00 do GPT-6.1 Sol. Até que essa tarifa seja publicada, a única afirmação honesta é que o preço da via de API é desconhecido, e o preço da via auto-hospedada é uma função do seu contrato de GPU e da sua utilização, e não de uma tabela de preços.

O que significa que a aritmética que este artigo consegue fazer é limitada, e ainda assim vale a pena fazê-la: pergunte qual seria o seu próprio custo por milhão de tokens na sua utilização e compare-o com $2,00/$10,00 com o escalão acima de 272K aplicado. Para a maioria das equipas, a resposta a essa aritmética é que o endpoint fechado vence abaixo de alguns milhares de milhões de tokens por mês e os pesos abertos vencem acima disso — e toda a questão é de que lado dessa linha está a carga de trabalho.

Executando os dois de forma diferente

Não há uma única resposta aqui, porque não se chega aos dois modelos da mesma forma, e fingir o contrário seria o mesmo erro que citar as linhas do índice lado a lado.

O GPT-6.1 Sol está no OrcaRouter como openai/gpt-6.1-sol, pelo preço de tabela da OpenAI com 0% de markup — US$ 2,00 de entrada, US$ 10,00 de saída, entrada em cache a US$ 0,10, com o nível acima de 272K aplicado exatamente como a OpenAI o define. Como repassamos o preço do provedor em vez de aplicar markup, uma alteração de tarifa da OpenAI entra em vigor aqui no mesmo dia, e não no próximo ciclo de cobrança, e o failover automático fica por baixo da rota. Essa última parte importa mais para um modelo não comprovado do que para um comprovado — que é o mesmo argumento que se aplica ao lado do Intern-S2, exceto que o lado do Intern-S2 não pode usá-lo.

O Intern S2 não está no OrcaRouter e não o alojamos. Está acessível através da própria API da InternLM e pode ser descarregado do Hugging Face sob Apache 2.0 por qualquer pessoa que tenha o hardware. Se quiser experimentá-lo, os pesos são o caminho de baixo compromisso — pode avaliar o modelo principal de 397B com os seus próprios prompts antes de decidir se compra GPUs para ele, e o Mobius 35B é suficientemente pequeno para testar o comportamento da família num único nó.

O veredito que este pareamento merece não é um ranking, porque os dois não estão comprando a mesma coisa. Se você precisa de um modelo com um nível de capacidade medido de forma independente, um teto de saída publicado, um preço por token conhecido e nenhuma superfície operacional, o GPT-6.1 Sol é a resposta, e não é uma escolha apertada — é simplesmente o único dos dois que oferece essas quatro coisas. Se a sua restrição é que os dados não podem sair da sua rede, ou o seu volume é alto o suficiente para que GPUs superem tokens, o Intern-S2-397B é a melhor resposta, e o benchmark ausente é um risco que você está escolhendo carregar, e não um motivo para desistir. O que você não deve fazer é comparar os dois com base nos números publicados. A avaliação da própria InternLM e a classificação da Artificial Analysis não são o mesmo instrumento, e lê-las como uma única tabela produziria uma resposta confiante para uma pergunta que ninguém fez.