GPT-6.1 Sol vs Intern S2：一个有价格，一个有权重

最奇怪的事情是，比较 GPT-6.1 Sol与Intern S2时，比较的其中一方没有可供查询的价格。上海人工智能实验室的 Intern-S2-397B 于 2026-09-13 发布，在 Hugging Face 上提供 Apache 2.0 权重、一份技术报告，以及一个由供应商托管的 API 端点——但任何地方都没有公布每 token 费率。OpenAI 的 GPT-6.1 Sol 于 2026-09-29 发布，输入 token 每百万收费 2.00 美元，输出 token 每百万收费 10.00 美元，并设有一个超过 272,000 个提示 token 的已记录档位，而这些数字中的每一个都出现在公开的定价页面上。所以，诚实地表述这组对比的方式不是“哪个更好”，而是“两者之中，你实际上能为哪一个预测账单”——而答案之所以不同，原因与能力毫无关系。

下文的所有内容可以清晰地分为两类证据基础，而把它们区分开来正是大部分工作所在。除个别句子另有说明外，GPT-6.1 Sol 的数据均为独立来源，出自 Artificial Analysis。Intern-S2 的数据则来自 InternLM 自身，未经任何第三方复现，而给出这些数据的句子也已注明这一点。

同一名称下的两个系统

Intern S2 不是单一模型，先澄清这一混淆很有必要。该系列至少包含两个已发布的产物：

• Intern-S2-Mobius —— 一个采用 Apache 2.0 许可的 350 亿参数开放权重模型，由 Qwen3.5-35B 持续预训练而来，采用 Mobius-v0 架构，具备容纳 2,560 个专家的共享 Memory、四个 Reasoner 模块和 40 层。部署指南称，每个 token 约有 30 亿激活参数，采用 3:1 混合注意力模式，上下文长度为 256,000 个 token，并配备一个视觉塔。权重于 2026-07-29 发布；GitHub 仓库和技术报告随后于 2026-08-05 发布；vLLM 支持于 2026-08-06 合并。

• Intern-S2-397B——旗舰模型，发布于 2026-09-13。采用 Qwen3.5-MoE 架构，总参数量约为 3970 亿，包含 512 个专家，其中 10 个处于激活状态；Apache 2.0 许可的权重已登陆 Hugging Face，并附带模型卡、官方 Intern API 入口，次日还宣布了 vLLM Day-0 支持，同时发布了在八张 H100 或八张 H200 上进行 FP8 推理的方案。其公布的限额为 256,000 个 token 的文本上下文和 64,000 个 token 的多模态上下文。

GPT-6.1 Sol 是更简单的对象：一个快照标识符 gpt-6.1-sol，没有带日期的变体，1,050,000 个 token 的上下文，最大输出 128,000 个 token，支持文本、图像和文件输入，五档推理强度级别（默认为 medium），以及所声明的知识截止日期为 2026 年 4 月 30 日。

各方的数字依据是什么

这是二者差距最大的一个维度，而且绝非毫厘之差。

GPT-6.1 Sol 的独立记录，全部来自 Artificial Analysis：

• AA Intelligence Index — 51.8，在 147 个模型中排名第 10，处于第 93.2 百分位。

• Humanity's Last Exam — 52.9%。

• 长上下文召回率 — 83%。

• SciCode — 54.2%。

• Terminal-Bench 4.0 — 56.06%。

Intern-S2 的记录，全部为 InternLM 自有，无第三方复现：

• MMLU Pro — 397B 旗舰模型达 89.77%。

• HMMT-2026 — 93.56%。

• MMMU Pro — 81.68%。

• SWE-bench-Pro — 68.54%。

• TerminalBench 2.1 — 64.04%。

• 科学领域行 — Biology-Instructions 55.71%、SciReasoner 1.5 63.28%、Mol-Instructions 53.95%、MolecularIQ 62.35%。

那两份列表不可比较，值得明确说明原因。第一组是一个与结果没有利害关系的当事方，在同一套协议下向许多模型提出相同的问题。第二组是训练该模型的实验室在报告自己模型的表现。这并不意味着第二组就是假的——拥有已发布技术报告和可下载权重的实验室，其声誉与这些数字利害相关——但这确实意味着这些数字是一种主张，而不是一次测量，并且目前没有任何独立评估方，也没有任何独立推理提供商，在任何地方发布 Intern-S2 的分数。

承载真正信息的行

InternLM 自家材料中的两点比那些头条分数更具信息量，恰恰因为它们并不讨喜。

第一张是 35B 模型的 Mobius 基准测试表，将其与持续预训练所基于的 Qwen3.5-35B 基座进行对比。这是一组确实有用的对比——同一血脉、同一规模，因此差值可以单独归因于架构变更带来了什么。Mobius 在九项通用基准中赢了七项，却在 Humanity's Last Exam 和 UGD 上大幅落败。诚实地解读，Mobius 架构换来的是中等的通用能力提升，而在最难的推理集上有所退让。同一张表中的科学领域行数值更大，但它们是领域持续预训练的印记，而非架构本身的——生物学和化学的数字来自训练数据，而不是专家布局。

第二点是效率方面的表现，这是发布说明中最具体的说法：在 batch 16 时，吞吐量是基线的 2.9 倍，到 batch 256 时升至 4.6 倍。这些是相对于内部基线的比率，由该实验室测量，用的是该实验室选择的硬件——而且这类说法一旦你拿到权重就很容易验证，而你已经拿到了，就在 Apache 2.0 之下。

这种可验证性才是开放发布的真正价值，而且它指向的是那些头条分数无法触及的地方：你不必去相信那个吞吐量比值，因为如今挡在你和验证它之间的，只有八块 H100 和一份 vLLM 配方。

开放权重对比付费端点

这正是两个模型不再是可以互换的替代方案，而开始成为不同决策的转折点。

GPT-6.1 Sol 是一项服务。你按 token 付费，可获得 1,050,000 token 的窗口、128,000 个输出 token、五档努力级别，而且完全没有需要你运维的部分。账单随使用量线性增长，用量激增带来的边际成本只是一个账单条目，而非容量问题。代价是：你无法对它进行微调——OpenAI 并未为这个模型提供任何微调途径——你无法在自己的硬件上运行它，而且你的单位经济性由别人的定价页面决定。

Intern-S2-397B 是一个可下载的模型。Apache 2.0 意味着你可以在自己的网络内运行、修改、微调并部署它，而不会有任何数据离开该网络。八张 H100 是实打实的资本投入和运营负担，但超过某个持续用量后，这笔资本成本会比按 token 计费更便宜，而且如果数据完全不能离开你的边界，它就是唯一的选择。另一面的代价是，质量相关的一切现在都成了你的问题：没有可供规划参照的独立基准，没有可故障切换的外部提供商，也没有供应商可供你将回归问题升级上报。

在这两种立场之间，起决定作用的变量几乎总是利用率。每月几亿 token 的突发流量，摊不平八块 GPU 的成本。而在受监管边界内，每月数十亿 token 的稳定流量，往往就能做到。

某一列中缺失的数字

Intern-S2-397B 没有公布按 token 计费的价格。这不是一个可以用估算来绕过的疏漏；它意味着本博客通常进行的那种标准对比——每百万 token 的成本对每百万 token 的成本——根本无法针对自托管路径进行。

可以进行的对比，是针对厂商托管的端点。InternLM 在chat.intern-ai.org.cn/api/v1运营着一个官方 Intern API，其模型标识符为intern-s2-397b，而该端点的费率，正是你需要拿来与 GPT-6.1 Sol 的 2.00 美元和 10.00 美元逐项对标的那一项。在该费率公布之前，唯一诚实的说法是：API 路径的价格未知，而自托管路径的价格取决于你的 GPU 合同与利用率，而非价目表。

这意味着本文能做的算术很有限，但无论如何都值得一做：算一算在自己的利用率下，你每百万 token 的成本会是多少，再把它与 2.00 美元／10.00 美元并用上述 272K 以上档位的情形做比较。对大多数团队来说，这道算术题的答案是：每月低于几十亿 token 时，闭源端点胜出；高于这条线时，开放权重胜出——而整道问题的关键就在于，这个工作负载究竟落在线的哪一侧。

以不同方式运行这两者

这里没有单一的答案，因为这两个模型并非以相同的方式得出，而假装它们一样，就会犯下与把索引行并排引用相同的错误。

GPT-6.1 Sol 已上线 OrcaRouter，路径为 openai/gpt-6.1-sol，按 OpenAI 官方标价、0% 加价 —— 输入 $2.00，输出 $10.00，缓存输入 $0.10，超过 272K 的档位完全按 OpenAI 的设定执行。由于我们原样透传提供商价格、不做加价，OpenAI 一旦调价，这里当天就会生效，而不用等到下一个计费周期；此外该路由底层还配有自动故障转移。最后这一点，对尚未经过验证的模型比对已验证的模型更重要 —— 同样的道理也适用于 Intern-S2 一侧，只不过 Intern-S2 一侧用不上它。

Intern S2 不在 OrcaRouter 上，也不由我们托管。它可以通过 InternLM 自己的 API 访问，并且以 Apache 2.0 许可在 Hugging Face 上提供下载，只要你有相应的硬件即可。如果你想试一试，下载权重是门槛最低的方式——你可以先用自己的提示词评估 397B 旗舰模型，再决定是否要为它购买 GPU；而 Mobius 35B 足够小，可以在单节点上测试该系列模型的表现。

这组对比所得的结论并非高下之分，因为两者买的不是同一样东西。如果你需要的是一个具备独立实测能力水平、已公布的输出上限、已知的每token价格且没有运维负担的模型，GPT-6.1 Sol就是答案，而且这并非艰难抉择——它只是两者中唯一提供这四项的。如果你的限制是数据不能离开你的网络，或者你的用量高到用GPU比按token计费更划算，Intern-S2-397B则是更好的答案，而缺失的基准测试是你选择承担的风险，而不是放弃的理由。你不该做的是拿两者已公布的数字来比较。InternLM自家的评测和Artificial Analysis的排行榜不是同一把尺子，把它们当作一张表来读，只会对一个没人提出的问题给出一个自信的答案。