GPT-6.1 Sol vs Laguna S 2.1: ราคาเอาต์พุตแพงกว่าถึงห้าสิบเท่า สำหรับงานที่ยังไม่มีใครวัดเทียบกันแบบเคียงข้าง

ห้าสิบเท่า นั่นคืออัตราส่วนระหว่างสิ่งที่ GPT-6.1 Solเรียกเก็บต่อโทเคนเอาต์พุตหนึ่งล้านโทเคน กับสิ่งที่ Laguna S 2.1เรียกเก็บ — 10.00 ดอลลาร์ เทียบกับ 0.20 ดอลลาร์ — และเป็นช่องว่างราคาที่ใหญ่ที่สุดในชุดการเปรียบเทียบทั้งหมดนี้ GPT-6.1 Sol คือการเปิดตัวของ OpenAI เมื่อวันที่ 2026-09-29 เป็นโมเดลอเนกประสงค์ขนาด 1,050,000 โทเคน พร้อมคะแนนอิสระที่เผยแพร่แล้ว ส่วน Laguna S 2.1 คือการเปิดตัวของ Poolside เมื่อวันที่ 2026-07-21 เป็นเอเจนต์ติกโคเดอร์แบบ mixture-of-experts น้ำหนักเปิด ขนาด 1.18 แสนล้านพารามิเตอร์ โดยมีพารามิเตอร์ที่ทำงานจริงราว 8 พันล้านตัวต่อโทเคน น้ำหนักแบบ Apache-adjacent บน Hugging Face และชุดเบนช์มาร์กที่ Poolside สร้างขึ้นเอง ช่องว่างราคานี้เป็นของจริงและมหาศาล จะเป็นช่องว่างที่คุ้มค่าพอจะข้ามไปหรือไม่นั้น ขึ้นอยู่กับคำถามที่ทั้งสองผู้พัฒนายังไม่ได้ตอบ นั่นคือ มีใครสักคนวัดทั้งสองโมเดลบนงานเดียวกันแล้วหรือยัง

ตัวเลขที่ผู้ขายรายงานจะถูกติดป้ายกำกับไว้เช่นนั้นตลอดทั้งเอกสาร ตัวเลขจาก Artificial Analysis เป็นการวัดอิสระที่บันทึกไว้ในบันทึกโมเดลของเรา ตัวเลขการให้บริการของเราเองจะถูกระบุว่าเป็นของเรา ในกรณีที่เซลล์ใดว่างเปล่า เซลล์นั้นก็จะคงว่างเปล่าไว้

แต่ละฝ่ายคืออะไร

Laguna S 2.1 ของ Poolside เป็นโมเดลเฉพาะทาง และการออกแบบของมันก็สื่อเช่นนั้น มันเป็นโมเดล mixture-of-experts ขนาด 118 พันล้านพารามิเตอร์ โดยมีพารามิเตอร์ประมาณ 8 พันล้านตัวที่แอ็กทีฟในแต่ละโทเคน มีปุ่มสลับ thinking / no-thinking และหน้าต่างบริบทที่ยาวถึง 1,000,000 โทเคน รุ่นน้องที่เล็กกว่าอย่าง Laguna XS 2.1 มีพารามิเตอร์ 33 พันล้านตัว โดยแอ็กทีฟอยู่ที่ประมาณ 3 พันล้านตัว และมีราคาที่ $0.06 สำหรับอินพุต และ $0.12 สำหรับเอาต์พุตต่อล้านโทเคน น้ำหนักของรุ่น S ถูกเผยแพร่บน Hugging Face ที่ poolside/Laguna-S-2.1.

ตัวเลข 8 พันล้านที่ใช้งานอยู่คือตัวเลขที่อธิบายราคาและกำหนดข้อจำกัดของผลิตภัณฑ์ในเวลาเดียวกัน ต้นทุนการอนุมานผันตามพารามิเตอร์ที่ใช้งาน ไม่ใช่จำนวนรวมทั้งหมด MoE ขนาด 118B ที่ใช้ 8B ต่อโทเคนนั้นให้บริการได้ในต้นทุนที่ต่ำ ในแบบที่โมเดลแบบ dense ที่มีขนาดรวมเท่ากันจะทำไม่ได้ แต่งบประมาณ 8B ที่ใช้งานอยู่ก็เป็นเพดานแข็งสำหรับสิ่งที่การ forward pass เพียงครั้งเดียวทำได้ และเพดานนั้นคือเหตุผลที่ดัชนีเอนกประสงค์ของผู้ประเมินอิสระเป็นมาตรวัดที่มีประโยชน์กับมันมากกว่าคะแนนเฉพาะด้านการเขียนโค้ด

GPT-6.1 Sol เป็นวัตถุอีกประเภทหนึ่งที่ตรงกันข้าม ตัวระบุสแนปช็อตเพียงหนึ่งเดียว gpt-6.1-sol ไม่มีตัวแปรแบบระบุวันที่ หน้าต่างบริบทขนาด 1,050,000 โทเคน เอาต์พุตสูงสุด 128,000 รับอินพุตเป็นข้อความ รูปภาพ และไฟล์ การให้เหตุผลเปิดอยู่เสมอตลอดห้าระดับความพยายาม โดยค่าเริ่มต้นอยู่ที่ระดับกลาง และจุดตัดองค์ความรู้คือวันที่ 30 เมษายน 2026 โดยไม่รองรับ temperature หรือ top_p ปุ่มปรับระดับความพยายามทำหน้าที่แทน สิ่งนี้เป็นแบบปิด คิดราคาต่อโทเคน และไม่สามารถปรับแต่งละเอียดได้

มิติต่างๆ ที่พวกเขาแตกต่างกันจริงๆ:

• ราคาอินพุต — 0.10 ดอลลาร์ต่อล้านสำหรับ Laguna S 2.1 เทียบกับ 2.00 ดอลลาร์สำหรับ GPT-6.1 Sol ถูกกว่า 20 เท่า

• ราคาผลลัพธ์ — $0.20 เทียบกับ $10.00 ห้าสิบเท่า

• การควบคุมการให้เหตุผล — สวิตช์เปิด/ปิดแบบทวิภาคระหว่างโหมดคิดและไม่คิดบน Laguna S 2.1 เทียบกับระดับความพยายามที่ไล่ระดับห้าระดับบน GPT-6.1 Sol

• น้ำหนักโมเดล — ดาวน์โหลดได้และโฮสต์เองได้สำหรับ Laguna S 2.1; ปิดสำหรับ GPT-6.1 Sol.

• หน้าต่างบริบท — สูงสุดถึง 1,000,000 โทเค็นสำหรับ Laguna S 2.1 เทียบกับ 1,050,000 สำหรับ GPT-6.1 Sol ถือว่าเท่ากันในทางปฏิบัติ

แถวของเบนช์มาร์ก โดยมีป้ายกำกับทั้งสองชุดแนบมาด้วย

ตัวเลขที่ Poolside เผยแพร่สำหรับ Laguna S 2.1 ทั้งหมดเป็นข้อมูลที่ผู้ขายรายงานเอง และเท่าที่เราหาได้ ไม่มีรายใดที่บุคคลที่สามนำมาทดสอบซ้ำ:

• SWE-Bench Multilingual — 78.5%

• Terminal-Bench 2.1 — 70.2%

• DeepSWE v1.1 — 40.4% เมื่อเทียบกับ 9.0% ของ DeepSeek-V4-Pro-Max ซึ่ง Poolside มองว่าเป็นพารามิเตอร์ที่ทำงานอยู่ราวหนึ่งในหกที่ให้คะแนนสูงกว่าถึงสี่เท่า

บันทึกอิสระของ GPT-6.1 Sol ทั้งหมดจาก Artificial Analysis:

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

• Humanity's Last Exam — 52.9%.

• การเรียกคืนบริบทแบบยาว — 83%

• SciCode — 54%.

• Terminal-Bench 4.0 — 56.06%.

มีอยู่จุดหนึ่งที่รายการทั้งสองนี้ดูเหมือนจะมาบรรจบกัน และมันคือกับดัก Laguna S 2.1 รายงาน 70.2% บน Terminal-Bench 2.1 GPT-6.1 Sol ไม่มีคะแนนบน Terminal-Bench 2.1 ในบันทึกของเราเลย — ตัวเลขด้านเทอร์มินัลของมันอยู่บนเวอร์ชัน 4.0 ซึ่งเป็นรุ่นที่ใหม่กว่าและยากกว่าของฮาร์เนส การนำ 70.2% ไปวางข้าง 56.06% แล้วเรียกมันว่าชัยชนะของ Laguna สิบสองจุด จะเป็นการเปรียบเทียบแบบทดสอบสองชุดที่ต่างกัน และมันเป็นความผิดพลาดแบบเดียวกับที่บล็อกนี้ตั้งอยู่เพื่อหลีกเลี่ยง โมเดลทั้งสองไม่มีแถว benchmark ที่ใช้ร่วมกัน ซึ่งหมายความว่าครึ่งหนึ่งด้านประสิทธิภาพของการเปรียบเทียบนี้ ในปัจจุบัน ยังไม่ได้วัด

ยังมีช่องว่างอีกสองจุดที่ควรเอ่ยถึง Laguna S 2.1 ไม่มีคะแนน Artificial Analysis Intelligence Index และไม่มีผลลัพธ์ SWE-bench Verified ที่เป็นอิสระ สำหรับโมเดลที่เผยแพร่ในเดือนกรกฎาคม นับเป็นเวลานานทีเดียวที่ไม่มีผลการวัดจากภายนอก และนี่คือสิ่งที่ขาดหายไปที่ใหญ่ที่สุดเพียงอย่างเดียวในทุกสิ่งที่ Poolside เผยแพร่เกี่ยวกับโมเดลนี้

ปุ่มสลับโหมดคิดให้ประโยชน์อะไรจริง ๆ

ตัวเลขของ Poolside เองนั้นให้ค่าตัวเลขกับปุ่มสลับนี้ และมันเป็นสิ่งที่น่าสนใจที่สุดในการเปิดตัวครั้งนี้ การเปิดโหมดคิดช่วยยกระดับ DeepSWE v1.1 จาก 16.5% เป็น 40.4% — คิดเป็นราว 2.4 เท่า — และ Terminal-Bench 2.1 จาก 60.4% เป็น 70.2% ตัวเลขทั้งสองนี้เป็นของผู้ขาย ยังไม่มีการทำซ้ำ

เมื่ออ่านเทียบกับราคา เรื่องนี้สำคัญในแบบที่อัตราค่าบริการที่ประกาศไว้ไม่สามารถสะท้อนได้ โหมดคิดใช้โทเคนเอาต์พุต และโทเคนเอาต์พุตคือสิ่งที่คุณกำลังจ่ายเงินซื้อ เวิร์กโหลดที่รัน Laguna S 2.1 โดยเปิดโหมดคิดจะใช้เอาต์พุตมากขึ้นอย่างมีนัยสำคัญเมื่อเทียบกับเวิร์กโหลดเดียวกันที่ปิดโหมดไว้ ซึ่งเป็นสิ่งที่คุณคาดหมายได้พอดีจากการเพิ่มขึ้น 2.4 เท่าบนเบนช์มาร์กแบบ agentic ที่ยาก ดังนั้นการเปรียบเทียบอย่างซื่อสัตย์กับ GPT-6.1 Sol จึงไม่ใช่ $0.20 เทียบกับ $10.00 บนเอาต์พุตดิบ แต่เป็นการเปรียบเทียบต้นทุนต่อหนึ่งงานที่ทำเสร็จเมื่อเปิดโหมดคิด กับต้นทุนต่อหนึ่งงานที่ทำเสร็จซึ่งคิดตามความพยายาม

การเปรียบเทียบดังกล่าวยังคงทำให้ Laguna S 2.1 ได้เปรียบอย่างมหาศาล และคุ้มค่าที่จะคำนวณจริงแทนที่จะเพียงกล่าวอ้าง ลองดูภาระงานหนึ่งที่สร้างโทเคนเอาต์พุตหนึ่งพันล้านโทเคนต่อเดือน เทียบกับโทเคนอินพุตสามพันล้านโทเคน:

• GPT-6.1 Sol — อินพุต 3 พันล้านที่ราคา $2.00 ต่อล้าน เท่ากับ $6,000; เอาต์พุต 1 พันล้านที่ราคา $10.00 ต่อล้าน เท่ากับ $10,000 หนึ่งหมื่นหกพันดอลลาร์ต่อเดือน

• Laguna S 2.1, ปิดโหมดคิด — $300 สำหรับอินพุต และ $200 สำหรับเอาต์พุต ห้าร้อยดอลลาร์ต่อเดือน

• Laguna S 2.1 เมื่อเปิดโหมด thinking จะได้เอาต์พุตประมาณ 2.4 เท่า — อินพุต $300 และเอาต์พุตประมาณ $480 ต่ำกว่าแปดร้อยดอลลาร์ต่อเดือน

แม้จะรวมค่าปรับจากการคิดแล้ว นั่นก็ยังเป็นความต่างราว $15,000 ต่อเดือนที่ปริมาณงานระดับนี้ ถ้าปริมาณงานของคุณคือแบบที่ Laguna S 2.1 ตัวหนึ่งทำได้จริง ประเด็นเรื่องราคาก็ไม่ได้สูสีกันเลย และไม่มีค่าใช้จ่ายส่วนเกินจากการลองใหม่ในปริมาณที่สมเหตุสมผลใดที่จะปิดช่องว่างนั้นได้ ซึ่งผลักให้การตัดสินใจทั้งหมดไปอยู่ที่ความสามารถ — และความสามารถคือครึ่งหนึ่งของการเปรียบเทียบนี้ที่ไม่มีมาตรวัดร่วมกัน

ที่ซึ่งช่องว่างห้าสิบเท่าหมดความสำคัญ

มีสามสิ่งที่จะดึงอัตราส่วนนี้กลับเข้าหาความเป็นจริง และแต่ละข้อก็ควรค่าแก่การกล่าวอย่างตรงไปตรงมา เพราะตัวเลขข้างต้นนั้นมีเสน่ห์เย้ายวนในแบบที่ทำให้ทีมต่างๆ ต้องเสียเงินจริงมาแล้ว

ประการแรกคือ โคเดอร์ที่มีพารามิเตอร์ใช้งานจริง 8 พันล้าน และโมเดลเอนกประสงค์ระดับแนวหน้าไม่ใช่สิ่งทดแทนกัน Laguna S 2.1 ถูกสร้างขึ้นสำหรับวิศวกรรมซอฟต์แวร์แบบเอเจนติก — การแก้ไขรีโพซิทอรี งานเทอร์มินัล โค้ดหลายภาษา — และ Poolside ทำการตลาดเช่นนั้น มันไม่ได้ถูกวางตำแหน่งสำหรับงานวิชาชีพที่เน้นเอกสารเป็นหลัก การใช้งานคอมพิวเตอร์ หรืองานที่ต้องเรียกคืนบริบทแบบยาว ซึ่ง GPT-6.1 Sol มีคะแนน Long-Context Recall อิสระ 83% และหน้าต่าง 1,050,000 โทเค็น ในงานเหล่านั้น การเปรียบเทียบที่ซื่อสัตย์ไม่ใช่ "โมเดลราคาถูกชนะ" แต่เป็น "โมเดลราคาถูกไม่ได้ถูกสร้างมาสำหรับสิ่งนี้" เงิน $15,000 ต่อเดือนในตัวอย่างที่คำนวณไว้จะเป็นการประหยัดก็ต่อเมื่อผลลัพธ์ของโมเดลที่ถูกกว่าสามารถใช้งานได้ และสำหรับงานบางประเภท ยังไม่มีใครพิสูจน์ว่ามันเป็นเช่นนั้น

อย่างที่สองคือปริมาณงานและพื้นผิวการดำเนินงาน GPT-6.1 Sol รายงานความหน่วง p50 ที่ 2,442 มิลลิวินาที และ 95.57 โทเค็นเอาต์พุตต่อวินาที ตลอดเจ็ดวันของทราฟฟิก playground ของเราเอง โดยมีอัตราข้อผิดพลาด 6.36% เราไม่มีแผงการให้บริการที่เทียบเคียงได้สำหรับ Laguna S 2.1 — มันไม่ได้ถูกกำหนดเส้นทางบน OrcaRouter — จึงไม่มีตัวเลขให้วางเทียบข้าง ๆ และความหน่วงของเส้นทางโฮสต์เองเป็นฟังก์ชันของฮาร์ดแวร์อะไรก็ตามที่คุณซื้อ บน H100 แปดตัว คุณจะไม่สามารถเทียบปริมาณงานของเอนด์พอยต์ฟรอนเทียร์ที่โฮสต์ไว้ ณ ระดับการทำงานพร้อมกันเดียวกันได้ คุณจะแลกความหน่วงกับต้นทุนต่อหน่วย และการแลกเปลี่ยนนั้นจะออกมาอย่างไรก็ขึ้นอยู่กับว่างานของคุณไวต่อความหน่วงหรือไม่

ประการที่สามคือ เส้นทางแบบโฮสต์เองจะถูกก็เฉพาะเมื่อมีปริมาณมากเท่านั้น อัตรา $0.10 และ $0.20 เดียวกันที่ทำให้การคำนวณข้างต้นดูเหมือนเป็นชัยชนะขาดลอย ก็เป็นอัตราที่ผู้ให้บริการอินเฟอเรนซ์ที่คิดราคาใกล้ต้นทุนจะเสนอเช่นกัน ซึ่งเป็นข้อโต้แย้งให้เช่าโมเดลแบบเปิดแทนที่จะซื้อฮาร์ดแวร์สำหรับมัน ไม่ว่าจะในปริมาณใดก็ตามที่ยังน้อยกว่าระดับที่ทำให้การซื้อ GPU คุ้มค่า

วิธีโทรออกจริง ๆ

นี่คือการจับคู่ที่หาได้ยาก ซึ่งขั้นตอนถัดไปที่ถูกต้องไม่ใช่การเปลี่ยนเส้นทาง เพราะสองโมเดลนี้ถูกเข้าถึงด้วยวิธีที่แตกต่างกันโดยสิ้นเชิง

GPT-6.1 Sol อยู่บน OrcaRouter ในชื่อ openai/gpt-6.1-sol ในราคาตามรายการของ OpenAI โดยบวกเพิ่ม 0% — อินพุต $2.00 เอาต์พุต $10.00 อินพุตแบบแคช $0.10 และระดับที่เกิน 272,000 โทเคนถูกนำมาใช้ตรงตามที่ OpenAI กำหนดไว้ทุกประการ เนื่องจากเลเยอร์การจัดเส้นทางส่งผ่านราคาของผู้ให้บริการโดยไม่บวกเพิ่ม การเปลี่ยนแปลงราคาฝั่ง OpenAI จึงมีผลที่นี่ในวันเดียวกับที่เริ่มมีผลบังคับใช้ ในจุดที่มีเส้นทางใช้งานอยู่ ระบบ failover อัตโนมัติจะทำงานอยู่ข้างใต้ — ซึ่งเป็นวิธีที่ประหยัดในการหาว่าโมเดลที่ถูกกว่าสามารถรับงานในเส้นทางโปรดักชันได้หรือไม่ เพราะโมเดลที่แพงกว่ายังคงห่างเพียงกฎการจัดเส้นทางเดียว

Laguna S 2.1 ไม่มีอยู่บน OrcaRouter และเราไม่ได้เป็นผู้โฮสต์มัน คุณเข้าถึงได้ผ่าน API ของ Poolside เอง และเนื่องจากมีการเผยแพร่เวตแล้ว ก็ยังเข้าถึงได้ด้วยการเสิร์ฟโมเดลเอง ซึ่งสำหรับโมเดลนี้ถือเป็นตัวเลือกที่น่าสนใจกว่า เพราะ MoE ขนาด 118B ที่มีพารามิเตอร์ทำงานจริง 8B นั้นเล็กพอที่จะรันบนฮาร์ดแวร์ที่ทีมขนาดกลางเป็นเจ้าของได้จริง ๆ ดังนั้นก้าวแรกที่ถูกต้องสำหรับการจับคู่นี้จึงไม่ใช่การเปรียบเทียบราคาเลยด้วยซ้ำ: หยิบงานเขียนโค้ดจริงของคุณมายยี่สิบงาน รันผ่านเส้นทาง GPT-6.1 Sol ที่คุณใช้อยู่ จากนั้นรันงานยี่สิบงานเดียวกันผ่าน Laguna S 2.1 โดยเปิดและปิดโหมดคิด ตอนนี้คุณมีแถวเบนช์มาร์กที่ใช้ร่วมกันซึ่งไม่มีผู้ขายรายใดเผยแพร่ บนชุดงานเดียวที่สำคัญจริง และส่วนต่างราคาห้าสิบเท่าก็กลายเป็นตัวเลขที่คุณจะเก็บมา หรือปฏิเสธด้วยหลักฐาน

คำตัดสินที่คู่นี้ได้รับ จากหลักฐานที่มีอยู่ในปัจจุบันคือ: Laguna S 2.1 เป็นข้อเสนอด้านต้นทุนต่อความสามารถที่น่าสนใจที่สุดในสายการเขียนโค้ดแบบเอเจนติกตอนนี้ โดยมีตัวเลขจากผู้ขายที่จะทำให้มันเป็นตัวเลือกเริ่มต้นหากตัวเลขเหล่านั้นได้รับการยืนยันจากแหล่งอิสระ และยังไม่มีการยืนยันจากแหล่งอิสระสำหรับตัวเลขใด ๆ เลย GPT-6.1 Sol มีค่าใช้จ่ายด้านเอาต์พุตสูงกว่าห้าสิบเท่า และเป็นเพียงตัวเดียวในสองตัวนี้ที่ความสามารถของมันมีคนนอกบริษัทวัดบนเครื่องมือวัดที่ใช้ร่วมกัน ซื้อเวตของโมเดลราคาถูกและทดสอบมัน เพราะต่างจากการเปิดตัวแบบโอเพนซอร์สส่วนใหญ่ รุ่นนี้เล็กพอที่จะทดสอบได้อย่างเหมาะสม — และจงมองตัวเลขห้าสิบเท่าเป็นเหตุผลที่ต้องรันการทดสอบนั้น ไม่ใช่เป็นคำตอบของมัน