GPT-6.1 Sol vs Intern S2: ตัวหนึ่งมีราคา อีกตัวหนึ่งมีน้ำหนัก

สิ่งแปลกที่สุดในการเปรียบเทียบ GPT-6.1 Sol กับ Intern S2 คือฝั่งหนึ่งของการเปรียบเทียบไม่มีราคาที่คุณสามารถตรวจสอบได้ Shanghai AI Laboratory เปิดตัว Intern-S2-397B เมื่อวันที่ 2026-09-13 พร้อมน้ำหนัก Apache 2.0 บน Hugging Face รายงานทางเทคนิค และเอนด์พอยต์ API ที่โฮสต์โดยผู้ให้บริการ — และไม่มีอัตราต่อโทเคนที่เผยแพร่ที่ไหนเลย GPT-6.1 Sol ของ Open​AI ซึ่งเปิดตัวเมื่อวันที่ 2026-09-29 มีค่าใช้จ่าย $2.00 ต่อล้านโทเคนอินพุต และ $10.00 ต่อล้านโทเคนเอาต์พุต โดยมีระดับราคาที่ระบุไว้สำหรับพรอมป์ต์เกิน 272,000 โทเคน และตัวเลขทุกตัวเหล่านั้นปรากฏอยู่บนหน้าสาธารณะที่แสดงราคา ดังนั้นวิธีที่ซื่อตรงในการวางกรอบการจับคู่นี้จึงไม่ใช่ "อันไหนดีกว่า" แต่เป็น "จากสองตัวนี้ คุณสามารถคาดการณ์บิลได้จริงหรือไม่" — และคำตอบก็แตกต่างกันด้วยเหตุผลที่ไม่เกี่ยวข้องกับขีดความสามารถเลย

ทุกอย่างด้านล่างนี้แบ่งออกเป็นฐานหลักฐานสองฐานได้อย่างชัดเจน และการแยกทั้งสองออกจากกันเป็นงานส่วนใหญ่ ตัวเลขของ GPT-6.1 Sol นั้นเป็นอิสระ โดยมาจาก Artificial Analysis ยกเว้นในกรณีที่ประโยคระบุไว้เป็นอย่างอื่น ตัวเลขของ Intern-S2 เป็นของ InternLM เอง ไม่ได้ถูกทำซ้ำโดยบุคคลที่สามใด ๆ และประโยคที่นำตัวเลขเหล่านั้นมากล่าวก็ระบุไว้เช่นนั้น

สองระบบภายใต้ชื่อเดียว

Intern S2 ไม่ใช่โมเดลเดียว และความสับสนนี้ควรค่าแก่การคลี่คลายก่อนสิ่งอื่นใด ตระกูลนี้มีอาร์ติแฟกต์ที่เผยแพร่แล้วอย่างน้อยสองรายการ:

• Intern-S2-Mobius — โมเดล open-weight ขนาด 35 พันล้านพารามิเตอร์ภายใต้ Apache 2.0 ผ่านการ pre-train ต่อเนื่องมาจาก Qwen3.5-35B โดยใช้สถาปัตยกรรม Mobius-v0 ที่มี Memory แบบใช้ร่วมกันจำนวน 2,560 experts, บล็อก Reasoner สี่บล็อก และ 40 เลเยอร์ คำแนะนำการนำไปใช้งานระบุว่ามีพารามิเตอร์ที่ทำงานจริงประมาณ 3 พันล้านตัวต่อโทเคน ด้วยรูปแบบ attention แบบไฮบริด 3:1, คอนเท็กซ์ 256,000 โทเคน และ vision tower น้ำหนักโมเดลเผยแพร่เมื่อ 2026-07-29; ที่เก็บ GitHub และรายงานทางเทคนิคตามมาเมื่อ 2026-08-05; การรองรับ vLLM ถูก merge เมื่อ 2026-08-06

• Intern-S2-397B — รุ่นเรือธง เผยแพร่เมื่อ 2026-09-13 มีพารามิเตอร์รวมประมาณ 397 พันล้านตัวใน Qwen3.5-MoE ผู้เชี่ยวชาญ 512 ราย เปิดใช้งาน 10 ราย น้ำหนักแบบ Apache 2.0 บน Hugging Face พร้อมการ์ดโมเดล รายการ API ภายใน และการรองรับ vLLM Day-0 ที่ประกาศในวันถัดมา โดยมีสูตรที่เผยแพร่สำหรับการอนุมาน FP บน H100 หรือ H200 จำนวนแปดตัว ขีดจำกัดของมันคือบริบทข้อความ 256,000 และบริบท 64,000

GPT-6.1 Sol เป็นออบเจ็กต์ที่เรียบง่ายกว่า: ตัวระบุสแนปช็อตหนึ่งตัว, gpt-6.1-sol ไม่มีเวอร์ชันที่ระบุวันที่, บริบท 1,050,000 โทเคน, เอาต์พุตสูงสุด 128,000, อินพุตข้อความ รูปภาพ และไฟล์, ระดับความพยายามในการให้เหตุผลห้าระดับ โดยค่าเริ่มต้นคือระดับปานกลาง, และจุดตัดความรู้ที่ระบุไว้คือวันที่ 30 เมษายน 2026

สิ่งที่ตัวเลขของแต่ละฝ่ายตั้งอยู่บน

นี่คือจุดที่ทั้งสองห่างกันมากที่สุด และไม่ใช่แค่ห่างกันนิดเดียว

สถิติอิสระของ GPT-6.1 Sol ทั้งหมดมาจาก Artificial Analysis:

• AA Intelligence Index — 51.8, อันดับที่ 10 จาก 147 โมเดล, เปอร์เซ็นไทล์ที่ 93.2

• Humanity's Last Exam — 52.9%.

• การเรียกคืนบริบทแบบยาว — 83%

• SciCode — 54%.

• Terminal-Bench 4.0 — 56.06%.

สถิติของ Intern-S2 ทั้งหมดเป็นของ InternLM เอง ไม่มีส่วนใดถูกทำซ้ำโดยบุคคลที่สาม:

• MMLU Pro — 89.77% สำหรับรุ่นท็อป 397B

• HMMT-2026 — 93.56%.

• MMMU Pro — 81.68%

• SWE-bench-Pro — 68.54%

• TerminalBench 2.1 — 64.04%

• แถวโดเมนทางวิทยาศาสตร์ — Biology-Instructions 55.71%, SciReasoner 1.5 63.28%, Mol-Instructions 53.95%, MolecularIQ 62.35%

สองรายการนั้นไม่สามารถนำมาเปรียบเทียบกันได้ และก็คุ้มค่าที่จะพูดให้ชัดเจนว่าเพราะเหตุใด ชุดแรกคือฝ่ายที่ไม่มีส่วนได้ส่วนเสียในผลลัพธ์ กำลังถามคำถามเดียวกันกับโมเดลหลายตัวภายใต้โปรโตคอลเดียวกัน ชุดที่สองคือห้องแล็บที่ฝึกโมเดลเป็นผู้รายงานว่าโมเดลของตัวเองทำได้อย่างไร นั่นไม่ได้ทำให้ชุดที่สองเป็นเท็จ — ห้องแล็บที่มีรายงานทางเทคนิคที่ตีพิมพ์และมีเวตให้ดาวน์โหลดได้ ย่อมมีชื่อเสียงเป็นเดิมพันกับตัวเลขเหล่านั้น — แต่มันหมายความว่าตัวเลขเหล่านั้นเป็นคำกล่าวอ้างมากกว่าจะเป็นการวัด และในปัจจุบันไม่มีผู้ประเมินอิสระ และไม่มีผู้ให้บริการอินเฟอเรนซ์อิสระรายใดเผยแพร่คะแนนของ Intern-S2 ที่ไหนเลย

แถวที่บรรจุข้อมูลจริง

สองสิ่งในเอกสารของ InternLM เองให้ข้อมูลมากกว่าคะแนนพาดหัวข่าว และที่เป็นเช่นนั้นก็เพราะสิ่งเหล่านั้นไม่ได้ยกยอให้ดูดี

แรกคือตาราง benchmark ของ Mobius สำหรับโมเดล 35B ซึ่งเปรียบเทียบกับ Qwen3.5-35B base ที่มันถูก continually pre-trained ต่อมา นั่นเป็นการเปรียบเทียบที่มีประโยชน์จริง ๆ — สายเลือดเดียวกัน สเกลเดียวกัน ดังนั้น delta จึงแยกออกมาได้ว่าการเปลี่ยนแปลงสถาปัตยกรรมให้อะไรมาบ้าง Mobius ชนะเจ็ดในเก้า benchmark ทั่วไป และแพ้ Humanity's Last Exam กับ UGD อย่างหนัก เมื่ออ่านตามตรง สถาปัตยกรรม Mobius ให้กำไรทั่วไประดับปานกลาง และยอมสละบางอย่างในชุดการให้เหตุผลที่ยากที่สุด แถวหมวดวิทยาศาสตร์ในตารางเดียวกันมีขนาดใหญ่กว่า แต่สิ่งเหล่านั้นเป็นลายเซ็นของ domain continued pre-training มากกว่าของสถาปัตยกรรม — ข้อมูลฝึกคือที่มาของตัวเลขชีววิทยาและเคมี ไม่ใช่การจัดวางแบบ expert

อย่างที่สองคือเรื่องประสิทธิภาพ ซึ่งเป็นข้อกล่าวอ้างที่เป็นรูปธรรมที่สุดในประกาศเปิดตัว: ปริมาณงาน 2.9 เท่าของค่าพื้นฐานที่ขนาดแบตช์ 16 และเพิ่มขึ้นเป็น 4.6 เท่าที่ขนาดแบตช์ 256 ค่าเหล่านี้เป็นอัตราส่วนเทียบกับค่าพื้นฐานภายใน ซึ่งวัดโดยห้องแล็บบนฮาร์ดแวร์ที่ห้องแล็บเลือกเอง — และยังเป็นข้อกล่าวอ้างประเภทที่ตรวจสอบได้ง่ายเมื่อคุณมีน้ำหนักโมเดล ซึ่งคุณก็มี ภายใต้ Apache 2.0

ความสามารถในการตรวจสอบได้นั่นแหละคือคุณค่าที่แท้จริงของการเผยแพร่แบบเปิด และมันชี้ไปยังจุดที่คะแนนบนพาดหัวข่าวชี้ไปไม่ถึง: คุณไม่จำเป็นต้องเชื่ออัตราส่วนทรูพุตนั้น เพราะตอนนี้มีเพียง H100 แปดตัวกับสูตรการใช้งาน vLLM เท่านั้นที่คั่นอยู่ระหว่างคุณกับการได้ตรวจสอบมันด้วยตัวเอง

น้ำหนักแบบเปิดเทียบกับเอนด์พอยต์แบบมีค่าใช้จ่าย

นี่คือจุดที่โมเดลทั้งสองหยุดเป็นเพียงทางเลือกแทนกัน และเริ่มกลายเป็นการตัดสินใจที่แตกต่างกัน

GPT-6.1 Sol เป็นบริการ คุณจ่ายต่อโทเค็น คุณได้หน้าต่าง 1,050,000 โทเค็น 128,000 โทเค็นเอาต์พุต ห้าระดับความพยายาม และไม่มีพื้นผิวการดำเนินงานเลย ค่าใช้จ่ายจะเพิ่มขึ้นเป็นเส้นตรงตามการใช้งาน และต้นทุนส่วนเพิ่มของการพุ่งขึ้นเป็นรายการในบิล ไม่ใช่ปัญหาความจุ ข้อแลกเปลี่ยนคือคุณไม่สามารถปรับแต่งละเอียดได้ — Open​AI ไม่เผยแพร่เส้นทางการปรับแต่งละเอียดสำหรับโมเดลนี้ — คุณไม่สามารถรันมันบนฮาร์ดแวร์ของคุณเองได้ และเศรษฐศาสตร์ต่อหน่วยของคุณถูกกำหนดโดยหน้าตาราคาของคนอื่น

Intern-S2-397B เป็นสิ่งที่ดาวน์โหลดได้ Apache 2.0 หมายความว่าคุณสามารถรัน แก้ไข ไฟน์จูน และให้บริการมันภายในเครือข่ายของคุณเองได้ โดยไม่มีข้อมูลใดออกไปจากเครือข่ายเลย H100 จำนวนแปดตัวเป็นต้นทุนเงินลงทุนจริงและภาระด้านปฏิบัติการจริง แต่เมื่อปริมาณการใช้งานต่อเนื่องสูงถึงระดับหนึ่ง ต้นทุนเงินลงทุนนั้นจะถูกกว่าอัตราคิดค่าบริการต่อโทเคน และเป็นทางเลือกเดียวหากข้อมูลไม่สามารถออกนอกขอบเขตของคุณได้เลย ข้อแลกเปลี่ยนอีกด้านหนึ่งคือทุกอย่างเกี่ยวกับคุณภาพกลายเป็นปัญหาของคุณเอง ไม่มีเบนช์มาร์กอิสระให้ใช้วางแผนอ้างอิง ไม่มีผู้ให้บริการภายนอกให้สลับไปเมื่อระบบล่ม และไม่มีผู้ขายให้ส่งต่อปัญหารีเกรสชันให้

ระหว่างสองตำแหน่งนั้น ตัวแปรชี้ขาดมักเป็นอัตราการใช้งานเกือบทุกครั้ง ปริมาณที่พุ่งขึ้นชั่วคราวเดือนละไม่กี่ร้อยล้านโทเคนไม่สามารถเฉลี่ยต้นทุน GPU แปดตัวได้ แต่กระแสปริมาณหลายพันล้านโทเคนต่อเดือนอย่างสม่ำเสมอภายในขอบเขตที่มีการกำกับดูแลมักจะทำได้

ตัวเลขที่หายไปจากคอลัมน์หนึ่ง

Intern-S2-397B ไม่มีอัตราต่อโทเคนที่เผยแพร่ต่อสาธารณะ นั่นไม่ใช่ความผิดพลาดที่ควรหลบเลี่ยงด้วยการประมาณการ แต่มันหมายความว่าการเปรียบเทียบมาตรฐานที่บล็อกนี้มักทำเป็นประจำ — ต้นทุนต่อล้านโทเคนเทียบกับต้นทุนต่อล้านโทเคน — ไม่สามารถทำกับเส้นทางที่โฮสต์เองได้เลย

การเปรียบเทียบที่สามารถทำได้คือการเทียบกับ endpoint ที่ผู้จำหน่ายโฮสต์ไว้ InternLM ให้บริการ Intern API อย่างเป็นทางการที่ chat.intern-ai.org.cn/v1 โดยมีตัวระบุโมเดลคือ intern-s2-397b และอัตราค่าบริการของ endpoint นั้นคือสิ่งที่คุณจะต้องนำมาเทียบแบบ报价ต่อ报价 กับราคา $2.00 และ $10.00 ของ GPT-6.1 Sol จนกว่าอัตราดังกล่าวจะได้รับการเผยแพร่ ข้อความที่ซื่อตรงที่สุดที่กล่าวได้ก็คือ ราคาของเส้นทาง API นั้นยังไม่เป็นที่ทราบ และราคาของเส้นทางที่โฮสต์เองนั้นเป็นฟังก์ชันของสัญญา GPU ของคุณและอัตราการใช้งานของคุณ มากกว่าที่จะเป็นไปตามตารางราคา

ซึ่งหมายความว่าการคำนวณที่บทความนี้ทำได้นั้นมีขอบเขตแคบ และก็ยังคุ้มค่าที่จะทำอยู่ดี: ถามว่าต้นทุนต่อล้านโทเคนของคุณเองจะอยู่ที่เท่าไร ณ อัตราการใช้งานของคุณ แล้วเปรียบเทียบกับ $2.00/$10.00 โดยใช้ระดับที่สูงกว่า 272K ตามที่กล่าวมา สำหรับทีมส่วนใหญ่ คำตอบของการคำนวณนั้นคือ เอนด์พอยต์แบบปิดจะเป็นฝ่ายชนะเมื่อใช้งานต่ำกว่าไม่กี่พันล้านโทเคนต่อเดือน และน้ำหนักแบบเปิดจะเป็นฝ่ายชนะเมื่อสูงกว่านั้น — และคำถามทั้งหมดคือภาระงานอยู่ฝั่งไหนของเส้นแบ่งนั้น

การรันทั้งสองตัวให้แตกต่างกัน

ที่นี่ไม่มีคำตอบเดียว เพราะโมเดลทั้งสองไม่ได้ไปถึงด้วยวิธีเดียวกัน และการแสร้งว่าเป็นอย่างอื่นก็จะผิดพลาดแบบเดียวกับการยกแถวดัชนีมาเรียงเคียงกัน

GPT-6.1 Sol พร้อมให้บริการบน OrcaRouter ในชื่อ openai/gpt-6.1-sol, ในราคาตามที่ Open​AI ประกาศไว้ โดยบวกเพิ่ม 0% — อินพุต $2.00 เอาต์พุต $10.00 อินพุตแบบแคช $0.10 และใช้ Tier ที่เกิน 272K ตามที่ Open​AI กำหนดไว้พอดี เนื่องจากเราส่งผ่านราคาของผู้ให้บริการโดยไม่บวกเพิ่ม การเปลี่ยนแปลงอัตราค่าบริการของ Open​AI จึงมีผลที่นี่ภายในวันเดียวกัน แทนที่จะรอถึงรอบบิลถัดไป และระบบสลับสำรองอัตโนมัติรองรับอยู่ภายใต้เส้นทางนี้ส่วนหลังนี้สำคัญกับโมเดลที่ยังไม่ผ่านการพิสูจน์มากกว่ากับโมเดลที่พิสูจน์แล้ว — ซึ่งเป็นข้อโต้แย้งเดียวกันกับที่ใช้กับฝั่ง Intern-S2 เพียงแต่ฝั่ง Intern-S2 ใช้มันไม่ได้

Intern S2 ไม่ได้อยู่บน OrcaRouter และเราไม่ได้โฮสต์มัน สามารถเข้าถึงได้ผ่าน API ของ InternLM เอง และสามารถดาวน์โหลดได้จาก Hugging Face ภายใต้ Apache 2.0 สำหรับใครก็ตามที่มีฮาร์ดแวร์ หากคุณต้องการลองใช้งาน เวทคือเส้นทางที่มีความผูกมัดต่ำ — คุณสามารถประเมิน 397B รุ่นเรือธงบนพรอมต์ของคุณเองได้ ก่อนตัดสินใจว่าจะซื้อ GPU สำหรับมันหรือไม่ และ Mobius 35B มีขนาดเล็กพอที่จะทดสอบพฤติกรรมของตระกูลนี้บนโหนดเดียว

คำตัดสินที่การจับคู่นี้ได้รับไม่ใช่การจัดอันดับ เพราะทั้งสองไม่ได้กำลังซื้อสิ่งเดียวกัน หากคุณต้องการโมเดลที่มีระดับความสามารถซึ่งวัดอย่างเป็นอิสระ มีเพดานเอาต์พุตที่เผยแพร่ มีราคาต่อโทเคนที่รู้แน่ชัด และไม่มีภาระด้านการปฏิบัติการ GPT-6.1 Sol คือคำตอบ และนี่ไม่ใช่เรื่องที่ต้องลังเล — มันเป็นเพียงตัวเดียวในสองตัวที่มอบสี่สิ่งนั้น หากข้อจำกัดของคุณคือข้อมูลออกจากเครือข่ายของคุณไม่ได้ หรือปริมาณการใช้งานของคุณสูงพอที่ GPU จะคุ้มกว่าโทเคน Intern-S2-397B คือคำตอบที่ดีกว่า และการขาดหายไปของเกณฑ์มาตรฐานเป็นความเสี่ยงที่คุณเลือกจะแบกไว้ มากกว่าเป็นเหตุผลที่ควรถอยหนี สิ่งที่คุณไม่ควรทำคือเปรียบเทียบทั้งสองจากตัวเลขที่เผยแพร่ของพวกมัน การประเมินของ InternLM เองและลีดเดอร์บอร์ดของ Artificial Analysis ไม่ใช่เครื่องมือเดียวกัน และการอ่านพวกมันเป็นตารางเดียวกันจะให้คำตอบที่มั่นใจเกินไปสำหรับคำถามที่ไม่มีใครถาม