GPT-6.1 Sol vs Fugu Max: Samma indatapris, och en modell som inte existerar i vanlig bemärkelse

Sakana AI:s Fugu Max och OpenAI:s GPT-6.1 Sol tar båda 2,00 USD per miljon indatatokens. Det är där likheten i prislistorna börjar och slutar – Fugu Max kostar 6,00 USD per miljon utdatatokens mot GPT-6.1 Sols 10,00 USD, och Fugu Max är 40 procent billigare på utdata medan den inte publicerar något benchmarkresultat som en tredje part har reproducerat. Anledningen till att dessa två fakta hör hemma i samma mening är att Fugu Max, som släpptes 2026-09-11, inte är en modell i den mening som GPT-6.1 Sol är. Den är en orkestrerare: en slutpunkt som väljer en modell från en pool, anropar den och returnerar svaret. Att jämföra dess tokenpris med en enskild checkpoints tokenpris är att jämföra två olika saker som råkar vara denominerade på samma sätt.

Det som följer är hämtat från Sakanas eget lanseringsmaterial för Fugu Max och från OpenAI:s modelldokumentation för GPT-6.1 Sol. Om en siffra är leverantörens egen och ingen utanför har reproducerat den, säger meningen som innehåller den det. Om det inte finns någon siffra alls, sägs det också.

En arkitektur, inte en kontrollpunkt

Sakanas egen formulering är tillräckligt ovanlig för att citeras snarare än att omskrivas: Fugu Max är en arkitektur, inte en enskild modell. Systemet har en pool av modeller, dirigerar en inkommande begäran till vad det bedömer vara det billigaste kapabla alternativet och returnerar ett enda svar. Det finns ingen Fugu Max-checkpoint att ladda ner, inget fast antal parametrar och inget sätt att utifrån veta vilken modell som svarade på ett givet anrop — Sakana publicerar inget routing-spår.

Den designen har en egenskap som är värd att nämna före allt annat i den här jämförelsen: slutpunktens förmåga är inte fast. Den förändras när poolen förändras, när routerns policy förändras och när modellerna under den uppgraderas eller dras tillbaka. Ett benchmarkresultat för en checkpoint beskriver den checkpointen. Ett benchmarkresultat för en router beskriver routern så som den var konfigurerad den dag den mättes, vilket är ett snävare påstående.

GPT-6.1 Sol är den motsatta konstruktionen. Det är en enda snapshot-identifierare, gpt-6.1-sol, utan daterad variant, ett kontextfönster på 1 050 000 token, maximalt 128 000 i utdata, text-, bild- och filinmatning samt fem nivåer för resonemangsansträngning med medium som standard. Det du mäter på måndagen är det du får på fredagen.

De två priskorten, sida vid sida, med de rader som skiljer sig:

• Indata — $2,00 per miljon för båda. Identiska.

• Utdata — $6.00 för Fugu Max jämfört med $10.00 för GPT-6.1 Sol. Fugu Max är 40 procent billigare.

• Cachad indata — Sakanas lanseringssida anger inget cachat indatapris för Fugu; en siffra på 0,25 USD cirkulerar men finns inte på sidan, så vi behandlar den inte som bekräftad. GPT-6.1 Sols är 0,10 USD per miljon, hälften av de 0,20 USD som GPT-6 Sol tog ut.

• Omprissättning för långa prompter — GPT-6.1 Sol prissätter om hela begäran till $4.00/$15.00 över 272 000 prompttokens. Fugu Max publicerar ingen längdnivå alls.

• Nivån ovan — Sakana säljer också Fugu Ultra v2 för $5.00/$30.00 med $0.50 för cachad input, för anropare som vill att routern ska lägga mer per anrop.

Påståendet som inte överlever sin egen aritmetik

Sakanas huvudpåstående för Fugu Max är att det ligger 40 till 60 procent under Claude Sonnet 5, GPT-5.6 Terra och Kimi K3. Kontrollerat mot listpriserna för de tre stämmer matematiken — den saken är okej.

Det andra påståendet är det som bör läsas noggrant. Sakana beskriver Fugu Max som att det ligger "inom räckhåll för elitmodeller till två till sex gånger lägre kostnad." Med de listpriser som gäller är den råa skillnaden mellan Fugu Max och de tre modeller som nämns mellan 1,7 och 2,5 gånger, inte två till sex. Ett så brett intervall, som anges tillsammans med en uppsättning modeller som bara täcker den nedre änden av det, är ett marknadsföringsintervall snarare än ett uppmätt sådant. Det kan mycket väl stämma för någon annan jämförelse som Sakana har i åtanke; det stämmer inte för jämförelsen i samma mening.

Det stämmer inte att Sakana har dolt sitt resonemang. De publicerade tio spridningsdiagram i lanseringsmaterialet. Transparensproblemet är ett annat: det finns inga publicerade benchmarkpoäng kopplade till dem, så en läsare kan inte kontrollera positionen för någon punkt.

Sex vinster och ett nummer du kan kontrollera

Sakanas lanseringssida lyfter fram sex benchmarks. Fem av dem presenteras som segrar utan publicerade siffror. Den sjätte, SWEFish, är Sakanas egen benchmark – företaget definierade uppgiften, och företaget rapporterar resultatet. En intern benchmark är inte värdelös; det är ett legitimt sätt att publicera en riktningssignal. Den är helt enkelt inte oberoende bevisning, och den är den enda siffran i uppsättningen som alls kan citeras.

Mot det står GPT-6.1 Sols oberoende resultat som tunt men verkligt. Artificial Analysis poängsätter den till 51,8 på sitt Intelligence Index – plats 10 av 147 modeller, 93,2:a percentilen – med 52,9 % på Humanity's Last Exam, 83 % på Long-Context Recall, 54,2 % på SciCode och 56,06 % på Terminal-Bench 4.0. Alla fem är tredjepartsmätningar på en modell vars vikter aldrig rör sig.

En nyare utveckling förtjänar att nämnas, eftersom det är den första oberoende poängsättningen av modellen och den kom efter den tidigare rapporteringen på den här bloggen: när GPT-6.1 Sol lanserades hade ingen oberoende utvärderare publicerat något. Artificial Analysis har sedan dess publicerat uppsättningen ovan. Riktningen är inte anmärkningsvärd – modellen landar där Open​AI placerade den, i mitten av frontlinjen, snarare än över sin egen flaggskeppsmodell – men den är nu mätt i stället för bara påstådd, och det är en annan sak än Fugu Max position i dag.

Vad en orkestrators tokenpris inte inkluderar

Det här är den del av jämförelsen som ett priskort inte kan uttrycka, och det är anledningen till att en 40 procent billigare utdatatoken inte automatiskt innebär ett 40 procent billigare jobb.

En router som fattar beslut per begäran kommer ibland att besluta fel, och standardåtgärden för ett felaktigt beslut är ett nytt försök eller en eskalering. Båda kostar tokens. En enda checkpoint som svarar i ett svep faktureras en gång. Sakana publicerar inte antalet underliggande anrop per besvarad begäran, andelen begäranden som eskalerar, eller token-overheaden för själva routingbeslutet — så för varje arbetsbelastning där Fugu Maxs router först väljer en svagare modell och klättrar, är den effektiva kostnaden per slutförd uppgift inte $2.00/$6.00 gånger de tokens du ser. Det är $2.00/$6.00 gånger tokens du inte kan se.

Detsamma gäller kvaliteten, i den riktning som spelar större roll. GPT-6.1 Sols misslyckanden är en känd modells misslyckanden på dina prompter, reproducerbara och mätbara i förväg. Fugu Maxs misslyckanden är delvis dess routers misslyckanden, och routern är en komponent som du inte kan inspektera, versionshantera eller låsa. För en arbetsbelastning där ett felaktigt svar kostar mer än tokensen som krävs för att producera det – vilket gäller det mesta professionella arbetet – är det en verklig exponering, inte en teoretisk.

Det finns också anledning att nämna var detta slår åt andra hållet. Om Sakanas router är bra köper den kapacitet som annars skulle kosta listpris från en frontier-modell, och betalar en blandad taxa för den. Det är en genuint användbar produkt. Problemet är att "om routern är bra" är hela påståendet, och det finns ingen publicerad utvärdering av routern att kontrollera det mot. En pool som inkluderar NVIDIA Nemotron – ett partnerskap som Sakana meddelade i augusti 2026 – där resten av poolen inte namnges och ingen spårning per anrop finns, är ett system vars kvalitet man bara kan upptäcka genom att köra sin egen trafik genom det.

Där GPT-6.1 Sol är genuint blottad

Två rader, och ingendera är till GPT-6.1 Sols fördel.

Det första är priset i den övre delen av utdataintervallet. 10,00 dollar per miljon utdata är det Sonnet-nivåpris som Open​AI valde, och det är inte billigt. I en arbetsbelastning som producerar långa svar – långformulering, kodgenerering i volym, dokumentsammanställning – är de 6,00 dollar per miljon som Fugu Max tar 4,00 dollar per miljon som du väljer att spendera. Vid en miljard utdatatokens per kvartal är det 4 000 dollar, och det är en verklig utgiftspost.

Det andra är steget för långa prompter. Över 272 000 tokens omprissätts hela GPT-6.1 Sol-begäran till $4,00/$15,00, vilket är dubbelt för indata och 50 procent för utdata. Fugu Max publicerar ingen motsvarande nivå, så vid en genuint lång prompt är Fugu Max prislista den enklare — med det stående förbehållet att ”ingen publicerad nivå” och ”ingen nivå” inte är samma påstående.

Det finns en tredje exponering som varken gäller pris eller prestanda: tillgänglighet. Fugu Max rapporterades vara otillgänglig i EU och EES i väntan på GDPR-arbete, vilket tar bort den som ett alternativ för en europeisk driftsättning, oavsett vad den får för poäng. GPT-6.1 Sol erbjuder datalagring i USA och EU, med förbehållet att OpenAI:s snabbläge inte är tillgängligt vid EU-datalagring – en snäv men verklig begränsning, och en påminnelse om att ingen av modellernas tillgänglighet kan sammanfattas i en enda rad.

Anropar en, piloterar den andra

GPT-6.1 Sol finns på OrcaRouter som openai/gpt-6.1-sol, till Open​AI:s listpris utan påslag — 2,00 och 10,00 dollar per miljon, cachad indata till 0,10 dollar, och nivån över 272K tillämpas exakt så som Open​AI fastställer den. Eftersom routinglagret för vidare leverantörens pris i stället för att lägga på marginal, slår en ändring av Open​AI:s priser igenom här samma dag som den träder i kraft i stället för vid nästa faktureringscykel. Automatisk failover ligger under, vilket är det billiga sättet att ta reda på hur en indataavgift på 2,00 dollar beter sig med din trafik utan att göra den till din enda väg.

Fugu Max finns inte på OrcaRouter och vi hostar det inte. Det nås via Sakanas eget API, och att uppgradera en befintlig Fugu-integration till Fugu Max är en parameterändring på en rad enligt Sakana själva. Om du redan är Fugu-kund är kostnaden för att prova det nästan noll, vilket gör det till det uppenbara första steget för den målgruppen.

Det beslut som detta par förtjänar: Fugu Max är värt en pilot och ännu inte värt ett produktionsåtagande, eftersom det enda prestandabeviset för det är leverantörens, och leverantörens egen benchmark är en av sex höjdpunkter. GPT-6.1 Sol är den säkrare standarden, eftersom dess oberoende poäng finns, dess misslyckanden kan tillskrivas en modell, och dess tak är ett publicerat nummer snarare än en pool. Att betala $4.00 mer per miljon uttoken för ett system vars beteende du kan förutsäga är inte uppenbart den sämre affären — och om Sakana publicerar en routing-spårning och en tredjepartsutvärdering, bör denna dom omprövas omedelbart.