Intern-S2 vs GPT-5.6 Sol: Den gratis checkpointen och $30-flaggskeppet

Prisuppgiften i den här jämförelsen ser absurd ut vid första anblicken. Intern-S2, en multimodal modell med 397 miljarder parametrar som InternLM släppte under Apache-2.0 idag, kostar inget att ladda ner och inget per fråga när du väl äger hårdvaran som krävs för att köra den. GPT-5.6 Sol, Open​AI:s flaggskeppsnivå för resonemang, listas till $5.00 per miljon indata-tokens och $30.00 per miljon utdata-tokens på Open​AI:s basnivå – även om det kampanjpris Open​AI har kört sedan slutet av juli, och som vår egen modellsida för närvarande visar, är $4.00 in och $20.00 ut. Det är en verklig klyfta och det är det första alla lägger märke till – och det är också det minst användbara faktumet i jämförelsen, eftersom $30-modellen och den gratis inte konkurrerar om samma arbete. GPT-5.6 Sol är den nivå som Open​AI pekar på när det svåraste resonemang som din applikation någonsin kommer att försöka måste komma tillbaka korrekt. Intern-S2 är ett vetenskapligt instrument med en synväg tränad på råa litteratursidor och ett prognoshuvud för tidsseriesignaler. Frågan är inte vilken som är billigare. Det är vilken din arbetsbelastning faktiskt behöver, och huruvida den "gratis" modellen är gratis.

Vad leverantörstabellen säger och inte säger dig

InternLM benchmarkade Intern-S2 mot GPT-5.5, inte GPT-5.6 Sol. Det är värt att säga först av allt, för varje påstående om att "Intern-S2 slår GPT" som cirkulerar är en jämförelse mot den föregående OpenAI-generationen, och varje sida som framställer det som ett Sol-resultat extrapolerar. GPT-5.6-familjen omfattar dessutom tre nivåer – Sol för det svåraste arbetet, Terra för balanserad produktion, Luna för hög volym – och OpenAI har aktivt ändrat prissättningen för dem, så en Sol-siffra som citeras från en septemberartikel kan redan vara inaktuell.

Vad leverantörens jämförelse faktiskt fastställer, med det stående förbehållet att varje Intern-S2-siffra är InternLMs egen och inte reproducerad:

• Molekylstrukturresonemang — Intern-S2 62,35 på MolecularIQ mot GPT-5.5:s 76,41. Intern-S2 förlorar.

• Vetenskaplig verktygsanvändning — Intern-S2 66,76 på TOMG-Bench mot GPT-5.5:s 69,89. En knapp förlust.

• Bio-molekylär instruktion — Intern-S2 53,95 vs 40,49. En tydlig seger för Intern-S2.

• Matematik på gymnasienivå — Intern-S2 93,56 på HMMT-2026 mot GPT-5.5:s 97,06. Intern-S2 förlorar.

• Allmän kunskap — Intern-S2 89,77 på MMLU Pro mot 88,20. En knapp seger för Intern-S2.

• Multimodal kunskap — nivå 81,68 på MMMU Pro.

• Terminalbehärskning — GPT-5.5 79,40 på TerminalBench 2.1 mot Intern-S2 64,04. Ett underskott på femton poäng.

Till och med mot en OpenAI-modell som är en generation äldre förlorar Intern-S2 fler generella rader än den vinner och vinner på de vetenskapliga. Mot Sol – en nivå som uttryckligen positioneras ovanför GPT-5.5 för de svåraste resonemangen – blir den generella klyftan nästan säkert större. Inget i underlaget stöder idén att den kostnadsfria checkpointen är konkurrenskraftig mot det betalda flaggskeppet vad gäller generell förmåga, och den ärliga beskrivningen är att Intern-S2 är en specialist som är respektabel generellt och utmärkt inom sitt område.

"Gratis" är en kapitalutgift, inte en rabatt

Intern-S2:s nollkostnad för licens är verklig, men den är inte samma sak som kostnadsfri inferens, och det är här jämförelsen blir praktisk. En checkpoint med 403 miljarder parametrar kräver en rejäl multi-GPU-nod för att kunna servas. Om du redan äger den kapaciteten och den inte utnyttjas fullt ut, ligger marginalkostnaden för nästa vetenskapliga fråga nära elkostnaden – vilket är en genuint stark ekonomisk position, och anledningen till att öppna vikter finns. Om du inte äger den kapaciteten innebär "gratis" att köpa eller hyra hårdvara, och kalkylen förändras helt.

GPT-5.6 Sols ekonomi är den omvända. Det finns ingen hårdvara att köpa och ingen modell att driva. Du betalar den mätarbaserade taxan — 5,00 USD per miljon indata och 30,00 USD per miljon utdata på basnivån, eller kampanjtaxan på 4,00/20,00 USD som för närvarande är aktiv på vår modellsida — och modellen levereras med ett kontextfönster på 1,05M tokens, ett tak på 128K utdata, vision, verktyg och den samlade tillförlitligheten hos en flaggskeppsmodell som har varit i produktion sedan dess API lanserades den 9 juli 2026. Ultrafast-förhandsvisningen, som kör Sol på waferskala-hårdvara med upp till 750 utdatatokens per sekund, driver samma modell mot latenskritiskt arbete, även om den är begränsad till en liten grupp kunder och inte har något offentliggjort pris. Vad du köper med de 30 dollarna är inte bara kapacitet — det är avsaknaden av ett driftsteam.

• Vikter — Intern-S2 Apache-2.0, nedladdningsbar jämfört med GPT-5.6 Sol som är stängd och endast tillgänglig via API.

• Kostnadsbild — Intern-S2:s kapitalutgift för en 403B-checkpoint, eller mätarstyrd officiell Intern-API mot GPT-5.6 Sol 5,00 / 30,00 USD per miljon i listpris, 4,00 / 20,00 i kampanjpris.

• Kontext / utdata — Intern-S2 upp till 256K text, 64K multimodal utvärderad; utdata opublicerad jämfört med GPT-5.6 Sol ~1,05M kontext, 128K utdata.

• Indata — Intern-S2 text, bild, tidsserier vs GPT-5.6 Sol text och bild.

• Oberoende poäng — Intern-S2: ännu ingen, mot GPT-5.6 Sol, en toppklassig flaggskeppsmodell med en lång offentlig utvärderingshistorik.

• Hastighetsnivå — Intern-S2 hårdvarubunden vs GPT-5.6 Sol Ultrafast preview vid upp till 750 utdatatokens per sekund, enligt leverantören.

Där den kostnadsfria kontrollpunkten verkligen vinner

Det finns tre situationer där Intern-S2 slår Sol utan att ett benchmark är inblandat.

Det första är datahemvist. GPT-5.6 Sol är ett slutet API – varje begäran lämnar din infrastruktur och färdas genom Open​AI:s system under Open​AI:s innehållspolicy. Intern-S2 under Apache-2.0 kan köras luftgapad i en reglerad miljö, på data som juridiskt inte får skickas till en tredjeparts slutpunkt. För ett läkemedelslaboratorium, ett sjukvårdssystem eller en försvarsleverantör är den egenskapen inte en funktion; det är hela upphandlingsbeslutet, och ingen mängd Sol-kapacitet kan ersätta det.

Den andra är modalitet. Intern-S2 tar emot tidsserieindata och producerar prognoser; den läser också råa sidor ur vetenskaplig litteratur som en nativ visuell representation i stället för som extraherad text. Sol tar emot text och bilder. Om dina data är ett seismogram, en lastkurva eller en skannad artikel med många figurer har Intern-S2 en väg som Sol inte har, och leverantörens rad för Biology-Instructions (55,71 mot GPT-5.5:s 10,52) är siffran som återspeglar det.

Den tredje är finjustering. Du kan ta Intern-S2:s vikter och träna på dina egna proprietära experimentdata och sedan behålla den modellen för alltid. Det kan du inte göra med Sol, oavsett pris. För ett team vars konkurrensfördel är en specialiserad datauppsättning kan en anpassningsbar öppen checkpoint vara värd mer än en starkare fryst modell.

Att köra båda utan att välja

De team som får ut mest av den här kombinationen behandlar den inte som en fork. De dirigerar det allmänna, latenskänsliga, högriskbetonade resonemanget till GPT-5.6 Sol – som finns på OrcaRouter till Open​AI:s listpris med 0 % påslag, på samma nyckel som 200+ andra modeller, så en prisändring för Sol slår igenom samma dag och en dålig timme hos leverantören täcks av automatisk failover – och de behåller det vetenskapliga batcharbetet på Intern-S2 var de än kör det. Routnings-DSL:en gör den gränsen explicit: svårt allmänt resonemang går åt ena hållet, dokument- och signalanalys går åt det andra, och uppdelningen är en konfiguration snarare än en andra integration.

Intern-S2 finns inte på OrcaRouter; det är en Apache-2.0-checkpoint som släpps samma dag, och din väg dit är leverantörens eget API eller en egenhostad driftsättning. Sol finns på nyckeln. Mellan de två är den praktiska arkitekturen för en vetenskapstung applikation en endpoint för frontend-anropen och en driftsättning för specialisten — med möjligheten att flytta endera sidan senare.

Domen

Om du behöver den svåraste typen av resonemang som din applikation kommer att försöka sig på, vill ha det i ett enda API-anrop och är beredd att betala den förbrukningsbaserade flaggskeppstaxan för det, är GPT-5.6 Sol svaret – och en öppen checkpoint samma dag förändrar inte det. Inget i InternLM:s egen tabell visar att Intern-S2 matchar ett nuvarande Open​AI-flaggskepp i allmän förmåga; jämförelsen kördes mot föregående generation och den öppna modellen förlorade fortfarande de flesta av de allmänna raderna.

Om din arbetsbelastning är vetenskaplig, om dina data inte kan lämna din infrastruktur, eller om du behöver finjustera på proprietära experimentresultat, är Intern-S2 modellen som över huvud taget kan göra dessa saker – och dess Apache-2.0-licens innebär att den version du validerar är den version du behåller. Budgetera för hårdvaran, räkna med att köra din egen utvärdering, och behandla varje publicerad siffra om den som ett påstående tills någon utanför InternLM reproducerar en.

För frontlinjeanropen vid sidan av det du själv hostar: 200+ andra modeller håller det slutna flaggskeppet på en enda nyckel till leverantörens listpris, så att den specialiserade driftsättningen och den avgiftsmätta modellen kan bytas ut via en routningsregel.