GPT-6.1 Sol против Laguna S 2.1: в пятьдесят раз выше цена вывода за работу, которую никто не измерял в прямом сравнении

В пятьдесят раз. Таково соотношение между тем, сколько GPT-6.1 Sol берёт за миллион выходных токенов, и тем, сколько Laguna S 2.1 берёт — 10,00 доллара против 0,20 доллара — и это самый большой разрыв в цене во всей этой серии сравнений. GPT-6.1 Sol — выпуск Open​AI от 29 сентября 2026 года, универсальная модель на 1 050 000 токенов с опубликованной независимой оценкой. Laguna S 2.1 — выпуск Poolside от 21 июля 2026 года, агентный кодер на основе смеси экспертов с открытыми весами, насчитывающий 118 миллиардов параметров, из которых примерно 8 миллиардов активны на токен, с весами под лицензией, близкой к Apache, на Hugging Face и набором бенчмарков, который Poolside создала самостоятельно. Разрыв в цене реален и огромен. Стоит ли пересекать этот разрыв, зависит от вопроса, на который ни один из вендоров не ответил: измерял ли кто-нибудь эти две модели на одной и той же задаче?

Показатели, заявленные вендорами, по всему тексту помечены как таковые. Данные Artificial Analysis — это независимые измерения, приведённые в наших записях о моделях. Наши собственные показатели работы сервиса обозначены как наши. Если ячейка пуста, она остаётся пустой.

Что представляет собой каждая сторона

Laguna S 2.1 от Poolside — это специализированная модель, и её дизайн это подтверждает. Это модель смеси экспертов (MoE) на 118 миллиардов параметров, из которых около 8 миллиардов активны на каждом отдельном токене, с переключателем «размышление / без размышления» и контекстным окном, достигающим 1 000 000 токенов. Младшая модель, Laguna XS 2.1, имеет 33 миллиарда параметров, из которых примерно 3 миллиарда активны, и стоит $0,06 за миллион входных токенов и $0,12 за миллион выходных токенов. Веса варианта S опубликованы на Hugging Face по адресу poolside/Laguna-S-2.1.

Показатель в 8 миллиардов активных параметров — это число, которое одновременно объясняет цену и ограничивает продукт. Стоимость инференса зависит от активных параметров, а не от общего числа; MoE на 118 млрд, расходующий 8 млрд на токен, дёшев в обслуживании так, как не была бы плотная модель с тем же общим числом параметров. Но бюджет в 8 млрд активных параметров — это ещё и жёсткий потолок для того, что может сделать один прямой проход, и именно из-за этого потолка универсальный индекс от независимого оценщика является для него более полезным мерилом, чем оценка, специфичная для программирования.

GPT-6.1 Sol — это объект противоположного типа. Один идентификатор снимка, gpt-6.1-sol, без датированного варианта, контекстное окно на 1 050 000 токенов, максимальный вывод 128 000, ввод текста, изображений и файлов, режим рассуждений всегда включён, доступно пять уровней усилий, по умолчанию — средний, и дата отсечки знаний — 30 апреля 2026 года. Он не принимает temperature или top_p; их заменяет регулятор усилий. Он закрытый, с оплатой за токены, и не поддаётся тонкой настройке.

Аспекты, в которых они действительно различаются:

• Цена ввода — 0,10 $ за миллион для Laguna S 2.1 против 2,00 $ за GPT-6.1 Sol. В двадцать раз.

• Цена вывода — $0.20 против $10.00. В пятьдесят раз.

• Контроль рассуждений — бинарный переключатель «мышление / без мышления» в S 2.1 против пяти градуированных уровней усилий в GPT-6.1 Sol.

• Веса — доступны для скачивания и самостоятельного развёртывания для Laguna S 2.1; закрыты для GPT-6.1 Sol.

• Контекстное окно — до 1 000 000 токенов у Laguna S 2.1 против 1 050 000 у GPT-6.1 Sol. Практически на одном уровне.

Строки бенчмарка, к которым прикреплены оба набора меток

Опубликованные Poolside показатели для Laguna S 2.1 — все предоставлены производителем, и, насколько нам удалось выяснить, ни одна из них не была воспроизведена третьей стороной:

• SWE-Bench Multilingual — 78,5 %.

• Terminal-Bench 2.1 — 70.2%.

• DeepSWE v1.1 — 40,4% против 9,0% у DeepSeek-V4-Pro-Max: Poolside представляет это как примерно шестую часть активных параметров, дающую более чем вчетверо больший результат.

Независимый рекорд GPT-6.1 Sol, все данные Artificial Analysis:

• AA Intelligence Index — 51,8, 10-е место из 147, 93,2-й процентиль.

• Humanity's Last Exam — 52,9%.

• Воспроизведение в длинном контексте — 83%.

• SciCode — 54,2 %.

• Terminal-Bench 4.0 — 56,06%.

Есть одно место, где эти два списка, как кажется, пересекаются, и это ловушка. Laguna S 2.1 сообщает о 70,2% на Terminal-Bench 2.1. GPT-6.1 Sol вообще не имеет оценки на Terminal-Bench 2.1 в наших записях — его показатель для терминала относится к версии 4.0, более поздней и более сложной ревизии этого стенда. Поставить 70,2% рядом с 56,06% и назвать это победой Laguna на двенадцать пунктов означало бы сравнивать два разных теста, и именно этой ошибки этот блог и призван избегать. У этих двух моделей нет общей строки в бенчмарке, а значит, половина этого сравнения, касающаяся производительности, на данный момент не измерена.

Стоит отметить ещё два пробела: у Laguna S 2 нет оценки в Artificial Analysis Intelligence Index и независимого результата SWE-bench. Для модели, выпущенной в июле, это очень долгий срок без внешних измерений, и это самое крупное упущение во всём, что выпустила Poolside.

Что на самом деле даёт переключатель мышления

Собственные цифры Poolside дают количественную оценку этому переключателю, и это самое интересное в релизе. Включение режима размышления поднимает DeepSWE v1.1 с 16,5% до 40,4% — примерно в 2,4 раза — и Terminal-Bench 2.1 с 60,4% до 70,2%. Обе цифры принадлежат вендору и не воспроизведены.

Если сопоставить с ценой, это имеет значение, которое заявленная тарифная карта не отражает. Режим размышления потребляет выходные токены, а выходные токены — это то, за что вы платите. Рабочая нагрузка, выполняющая Laguna S 2.1 с включённым режимом размышления, израсходует существенно больше выходных токенов, чем та же нагрузка с выключенным, — именно этого и следует ожидать от прироста в 2,4× на сложном агентном бенчмарке. Так что честное сравнение с GPT-6.1 Sol — это не $0,20 против $10,00 по объёму выходных токенов как таковому. Это стоимость с включённым режимом размышления на выполненную задачу против стоимости по цене, привязанной к усилиям, на выполненную задачу.

Это сравнение по-прежнему с огромным перевесом в пользу Laguna S 2.1, и стоит заняться арифметикой, а не просто утверждать это. Возьмём нагрузку, при которой за месяц создаётся миллиард выходных токенов при трёх миллиардах входных:

• GPT-6.1 Sol — 3 миллиарда входных данных по $2,00 за миллион — это $6 000; 1 миллиард выходных данных по $10,00 за миллион — это $10 000. Шестнадцать тысяч долларов в месяц.

• Laguna S 2.1, размышление выключено — $300 за ввод и $200 за вывод. Пятьсот долларов в месяц.

• Laguna S 2.1, режим размышления включён, объём вывода примерно в 2,4 раза — $300 за ввод и около $480 за вывод. Меньше восьмисот долларов в месяц.

Даже с учётом штрафа за размышления при таком объёме это разница примерно в 15 000 долларов в месяц. Если ваша рабочая нагрузка такова, что с ней действительно справляется одна Laguna S 2.1, вопрос цены даже не близок, и никакой разумный объём накладных расходов на повторные попытки его не закрывает. Это переводит всё решение в плоскость возможностей — а возможности — это та половина сравнения, для которой не существует общей метрики.

Где пятидесятикратный разрыв перестаёт быть главным

Три вещи возвращают это соотношение к реальности, и о каждой стоит сказать прямо, потому что приведённое выше число соблазнительно настолько, что это уже стоило командам реальных денег.

Первое: кодер с 8 миллиардами активных параметров и фронтирный универсалист — не взаимозаменяемы. Laguna S 2.1 создана для агентной разработки ПО — правок в репозиториях, задач в терминале, многоязычного кода — и Poolside продвигает её именно в этом качестве. Она не позиционируется для профессиональной работы с большим объёмом документов, использования компьютера или задач на долговременное вспоминание в длинном контексте, где GPT-6.1 Sol показывает независимую оценку Long-Context Recall в 83% и окно в 1 050 000 токенов. В таких задачах честное сравнение не «дешёвая модель побеждает», а «дешёвая модель для этого не создавалась». $15 000 в месяц из примера — это экономия только если результат более дешёвой модели пригоден к использованию, а для целого класса рабочих нагрузок никто не продемонстрировал, что это так.

Второй — пропускная способность и операционная поверхность. GPT-6.1 Sol сообщает p50-задержку 2 442 миллисекунды и 95,57 выходных токенов в секунду за семь дней нашего собственного трафика playground, при уровне ошибок 6,36%. У нас нет сопоставимой панели обслуживания для Laguna S 2.1 — она не маршрутизируется через OrcaRouter — поэтому нет числа, которое можно поставить рядом, а задержка самостоятельно размещённого пути зависит от того, какое оборудование вы купите. На восьми H100 вы не достигнете пропускной способности хостинговой передовой конечной точки при той же конкурентности; вы обменяете задержку на удельную стоимость, и то, как это отразится, зависит от того, чувствительна ли ваша рабочая нагрузка к задержке.

Третье заключается в том, что путь с самостоятельным хостингом дёшев только при больших объёмах. Те же ставки в $0,10 и $0,20, из-за которых приведённые выше расчёты выглядят как разгром, — это ещё и то, что назвал бы провайдер инференса, взимающий почти по себестоимости, а значит, это аргумент в пользу аренды открытой модели, а не покупки оборудования для неё, при любом объёме, не достигающем того, при котором оправданы затраты на GPU.

Как действительно совершить звонок

Это редкая пара, в которой правильным следующим шагом будет не изменение маршрутизации, потому что к двум моделям приходят совершенно разными путями.

GPT-6.1 Sol доступен на OrcaRouter как openai/gpt-6.1-sol по каталожной цене OpenAI с наценкой 0% — $2.00 за вход, $10.00 за выход, кэшированный вход за $0.10, а тариф для запросов свыше 272 000 токенов применяется в точности так, как его устанавливает OpenAI. Поскольку слой маршрутизации пропускает цену провайдера без наценки, изменение цен на стороне OpenAI вступает в силу здесь в тот же день, когда оно вступает в силу. Там, где маршрут активен, под ним работает автоматическое переключение при сбое — это дешёвый способ выяснить, выдержит ли более дешёвая модель продакшн-нагрузку, ведь дорогая модель остаётся на расстоянии одного правила маршрутизации

Laguna S 2.1 отсутствует в OrcaRouter, и мы её не размещаем. Доступ к ней можно получить через собственный API Poolside, а поскольку веса опубликованы, — и путём самостоятельного развёртывания, что для данной модели является более интересным вариантом, так как 118B MoE с 8B активных параметров действительно достаточно мала, чтобы работать на оборудовании, которое может позволить себе команда среднего размера. Поэтому правильным первым шагом для этой пары будет вовсе не сравнение цен: возьмите двадцать своих реальных задач по программированию, прогоните их через ваш существующий путь GPT-6.1 Sol, а затем прогоните те же двадцать через Laguna S 2.1 с включённым и выключенным режимом размышления. Теперь у вас есть общая строка бенчмарка, которую не опубликовал ни один из вендоров, на единственном наборе задач, который имеет значение, и пятидесятикратная разница в цене становится числом, которое вы либо принимаете, либо отклоняете с доказательствами.

Вердикт, который заслуживает эта пара на основании имеющихся сейчас данных: Laguna S 2.1 — самое интересное предложение по соотношению цены и возможностей в агентном программировании прямо сейчас, с вендорскими цифрами, которые сделали бы её выбором по умолчанию, если бы были независимо подтверждены, и без какого-либо независимого подтверждения хотя бы одной из них. GPT-6.1 Sol обходится в пятьдесят раз дороже на выходе и является единственной из двух, чьи возможности кто-либо за пределами компании измерил на общем инструменте. Купите веса дешёвой модели и протестируйте их, потому что, в отличие от большинства открытых релизов, эта модель достаточно мала, чтобы её можно было как следует протестировать, — а показатель «в пятьдесят раз» воспринимайте как причину провести этот тест, а не как готовый ответ.