GPT-6 Sol mot Tencent HY4 Preview: Den billigare modellen hanterar sexhundra gånger så mycket trafik

Jämförelser mellan en frontiermodell och en billig modell slutar vanligtvis vid pristabellen, och den här har ett bättre slut att erbjuda. Tencent HY4 Preview och GPT-6 Sol dirigeras båda av OrcaRouter, vilket innebär att samma telemetri omfattar båda, och under samma rullande fönster på sju dagar hanterade modellen HY4 Preview ungefär 2,4 miljarder tokens mot GPT-6 Sols ungefär 3,9 miljoner. Det är varken ett benchmark eller en dom; det är ett rullande fönster över en plattforms trafik och det kommer att se annorlunda ut nästa vecka. Men det är en verklig signal om vad människor som bygger saker faktiskt tar till när en stark öppenviktsmodell kostar en fjärdedel av den slutna modellen, och det är den typ av siffra som ett specifikationsblad inte kan producera.

De två modellerna är också en studie i vad ett benchmark kan och inte kan säga dig. GPT-6 Sol, som släpptes den 22 september 2026 som mellannivån i OpenAIs GPT-6-generation, har en oberoende Intelligence Index-poäng. HY4 Preview, som släpptes och gjordes tillgänglig med öppen källkod av Tencent den 28 augusti 2026, har ingen modellsida hos Artificial Analysis, inget tredjepartsindex och ingen oberoende kostnadssiffra per uppgift över huvud taget. Allt som publicerats om hur väl den fungerar är Tencents egen mätning. Den asymmetrin gör inte HY4 Preview till den svagare modellen. Den gör den till den mindre granskade, och det är olika påståenden.

Specifikationerna, inklusive de två som avgör de flesta driftsättningar

• Pris för utdata — GPT-6 Sol $10,00 per miljon vs Tencent HY4 Preview $2,50 per miljon
• Pris för indata — GPT-6 Sol $2,00 per miljon vs Tencent HY4 Preview $0,83 per miljon
• Cachad indata — GPT-6 Sol $0,20 per miljon vs Tencent HY4 Preview $0,04 per miljon
• Vikter — GPT-6 Sol stängd, endast API vs HY4 Preview öppen källkod under Apache 2.0
• Indatamodaliteter — GPT-6 Sol text, bild och fil vs HY4 Preview endast text
• Kontextfönster — GPT-6 Sol 1 050 000 tokens vs HY4 Preview 1 048 576 tokens
• Max utdata — GPT-6 Sol 128 000 tokens vs HY4 Preview 64 000 tokens
• Steg för långa förfrågningar — GPT-6 Sol prissätter om hela förfrågan över 272 000 indatatokens till $4,00 / $15,00 vs HY4 Preview inget sådant steg på dess priskort
• Arkitektur — GPT-6 Sol ej offentliggjord vs HY4 Preview 770B parametrar totalt, 49B aktiva, 78 lager, 256 routade experter plus en delad, inbyggt lager för förutsägelse av flera tokens
• Oberoende poäng — GPT-6 Sol 47,6 Intelligence Index vs HY4 Preview ingen publicerad
• Uppmätt utdatahastighet — GPT-6 Sol cirka 244 tokens per sekund vs HY4 Preview cirka 54, båda rullande sjudagarsvärden

De två raderna som avgör de flesta verkliga driftsättningar är de som ligger längst ner. Den första är att HY4 Preview inte tar någon bild- eller filinmatning, vilket utesluter den från varje pipeline som måste titta på något. Den andra är utdatataket: 64 000 tokens är hälften av GPT-6 Sols 128 000, och på en modell vars angivna syfte är kodning och verktygsanvändning är det den begränsning man först stöter på.

Mot dessa köper en fjärdedel av priset för utdata och en femtedel av priset för cachad indata en hel del återförsök. Och HY4 Previews arkitektur är dokumenterad på ett sätt som GPT-6 Sols inte är: Tencent publicerade antalet parametrar, antalet lager, expertlayouten och det spekulativa avkodningslagret, vilket innebär att betjäningsegenskaperna åtminstone delvis är förutsägbara utifrån artikeln snarare än enbart observerbara genom artikeln.

Vad HY4:s benchmarktabell egentligen är

Tencents publicerade siffror är starka och de är alla leverantörsdrivna. På Terminal-Bench 2.1 noterar modellen 85,4; på DeepSWE, 64,3; och i en intern blindutvärdering över 203 ingenjörsuppgifter hade den i genomsnitt 2,99 mot GLM-5.3 på 2,92 och Kimi K3 på 2,94 — en ledning på sju hundradelar av en poäng på en tiopoängsskala i en studie som Tencent har designat. Den debuterade också på WebDev Arena-tavlan, där Tencent rapporterar att den hamnar runt femte plats totalt och tredje bland modeller med öppna vikter. Arenaresultatet är folkröstat snarare än leverantörsbedömt och är det mest oberoende beviset i uppsättningen; resten är ett påstående, och ett påstående är fortfarande värt att läsa så länge det är märkt som ett sådant.

Det avgörande gapet är inte att dessa siffror kan vara snedvridna – leverantörers testramverk brukar vara det, åt båda hållen. Det är att det inte finns någon annan mätning att jämföra dem med. En modell med en Artificial Analysis-sida kan kontrolleras; en modell utan en sådan kan inte det, och skillnaden visar sig månader senare när någon upptäcker att en rubriksiffra mättes i ett testramverk som ingen annan kan reproducera. Inget här tyder på att det har hänt HY4 Preview. Det betyder bara att ett införandebeslut som vilar på 85,4 vilar på en enda källa.

I praktiken innebär det att HY4 Preview bör utvärderas på din egen trafik snarare än på tabellen, och kostnadsstrukturen gör det billigt att göra — till en fjärdedel av GPT-6 Sols outputpris kostar en vecka av skuggtrafik mot dina riktiga promptar mindre än en enda granskning på API-nivå. Det är rätt form av due diligence för en undermätt modell, och det är den form som nästan ingen faktiskt genomför.

Frågan om öppna vikter, som är den verkliga skiljelinjen

HY4 Preview är öppen källkod under Apache 2.0 med ett FP8-bygge under tillåtande licens vid sidan av bascheckpointen. GPT-6 Sol är stängd och har ingen licensfil eftersom det inte finns något att licensiera. Allt annat i den här jämförelsen är en avvägning; den här är en skillnad i kategori.

Det du får för det är inte i första hand en billigare räkning – vid $2,50 per miljon utdata ligger det hostade API:et redan under de flesta teams kostnad för att köra en modell med 770 miljarder parametrar, och om kostnaden vore hela argumentet skulle den tillåtande licensen vara ovidkommande. Det du får är en driftsättning som inte är beroende av någons endpoint: vikter som inte kan hastighetsbegränsas, en checkpoint som kan kvantiseras för att passa hårdvaran du har, en modell som kan finjusteras, och trafik som kan stanna inom en nätverksgräns. GPT-6 Sols svar på alla fyra är att du inte borde behöva någon av dem, vilket är ett verkligt argument för en verklig uppsättning team och ett irrelevant sådant för de team som faktiskt behöver dem.

Modalitetsuppdelningen och licensraden pekar i samma riktning, vilket är värt att notera. En modell som bara läser text och släpps under Apache 2.0 är byggd för att vara en komponent – något du sätter in i en pipeline som du kontrollerar och matar med text som du redan har stämt av. En modell som läser text, bilder och filer och endast är åtkomlig via ett API är byggd för att vara ingångspunkten, som tar emot den stökiga indatan direkt. Det är olika uppgifter, och en jämförelse som rangordnar dem på ett och samma index besvarar en fråga som ingen av leverantörerna har ställt.

Att servera dem tillsammans, och vad trafiksiffran antyder

Båda modellerna ligger bakom en och samma OrcaRouter-nyckel tillsammans med 200+ andra, och den routningsform som den här kombinationen antyder är inversen av den självklara. Placera HY4 Preview först — det är den billigare modellen med en faktor fyra på utdata, det är den med den dokumenterade arkitekturen, och på våra rutter är det den som bär lasten — och håll GPT-6 Sol bakom den för förfrågningar som behöver läsa en bild, eller som behöver skicka ut fler än 64 000 tokens, eller som misslyckas med en kvalitetskontroll. Sammansättningen uttrycks i routing-DSL snarare än i applikationskod, så gränsen mellan de två är en regel du kan redigera utan en driftsättning.

Hastighetssiffrorna förtjänar en brasklapp och sedan en slutsats. HY4 Preview uppmäts till ungefär 54 utdatatoken per sekund i vårt rullande fönster mot GPT-6 Sols ungefär 244, och båda är observationer från delad infrastruktur snarare än en kontrollerad benchmark – särskilt Tencent-siffran speglar en modell med ett mycket stort antal aktiva parametrar, och 49 miljarder aktiva per token är en hel del aritmetik per utdatatoken. Så den billigare modellen är den långsammare med bred marginal, vilket är precis den avvägning en batchpipeline gärna gör men en interaktiv pipeline inte. Tencents hostade bygge fick också en prestandaoptimering den 7 september 2026 som leverantören säger minskar antalet resonemangsvarv och tokenförbrukningen per uppgift vid samma uppgiftskvalitet – ännu en siffra angiven av leverantören, men en som förutspår en lägre räkning snarare än en snabbare ström.

Failover är det som gör parkopplingen säker i vilken ordning som helst. En öppen viktmodell med 770 miljarder parametrar betjänas av fler än en infrastrukturleverantör, och en rutt som kan falla tillbaka innebär att en försämrad värd blir ett nytt försök i stället för ett avbrott. Vår katalog för vidare leverantörernas listpriser utan påslag, vilket också innebär att den valutaprisangivna leverantörskursen inte är något du behöver vänta på: Tencent listar HY4 Preview till 6 yuan för indata och 18 yuan för utdata per miljon, och dollarbeloppet som visas på vår sida är den kursen omvandlad, inte en återförsäljares marginal.

Vad det här paret egentligen är till för

Välj Tencent HY4 Preview för volym, för textbaserade pipelines som du själv kontrollerar, för allt som behöver köras på din egen hårdvara, och för alla arbetsbelastningar där ett felaktigt svar kan fångas upp och göras om – priset gör att göra om till den billigaste kvalitetshävstången du har. Välj GPT-6 Sol när indata är en bild eller en fil, när ett svar måste rymma mer än 64 000 tokens, eller när svaret ska gå till en person som kommer att agera på det utan att kontrollera. Välj båda om din trafik innehåller lite av varje, vilket den nästan säkert gör.

Två avslutande kontroller. HY4 Preview är fortfarande märkt som en förhandsversion och förblir den nyaste Tencent-modellen i vår katalog, så namnet är korrekt snarare än inaktuellt – men en förhandsversion kan förändras under fötterna på dig, och en permissivt licensierad checkpoint kan ersättas av sin egen slutliga version utan varning. Och GPT-6 Sol har redan ersatts av GPT-6.1 Sol till identiska priser för kort kontext, med cachad indata halverad från $0.20 till $0.10, och OpenAIs egen modellsida hänvisar nu läsare dit. Om anledningen till att du överväger Sol i stället för Tencent-modellen är den åtta dagar gamla integrationen, så håller det. Om det är kapacitet är efterträdaren den du vill prissätta.