GPT-6.1 Sol 对比 Laguna S 2.1：为无人进行过并排测评的工作，付出五十倍的输出价格

五十倍。这就是GPT-6.1 Sol每百万输出 token 的收费与Laguna S 2.1收费之间的比率——10.00 美元对 0.20 美元——而这也是整个对比系列中价格差距最大的一次。GPT-6.1 Sol 是 OpenAI 于 2026-09-29 发布的模型，一个上下文长度达 1,050,000 token 的通用模型，并公布了独立的评分。Laguna S 2.1 是 Poolside 于 2026-07-21 发布的模型，一个 1180 亿参数、开放权重的专家混合（MoE）智能体编程模型，每个 token 约激活 80 亿参数，其权重以类 Apache 许可证发布在 Hugging Face 上，而基准测试集则是 Poolside 自己制作的。这一价格差距真实且巨大。但它是否是一个值得跨越的差距，取决于两个厂商都没有回答的一个问题：有没有人在同一任务上测过这两者？

供应商报告的数据在全文均如此标注。来自 Artificial Analysis 的数据是记录在我们模型档案中的独立测量结果。我们自己的服务数据会标明为我们所有。单元格为空的地方，就保持为空。

每一方是什么

Poolside 的 Laguna S 2.1 是一款专家型模型，其设计也印证了这一点。它是一个拥有 1180 亿参数的混合专家模型，对任意给定 token 约有 80 亿参数处于激活状态，配有思考／非思考切换开关，上下文窗口可达 1,000,000 个 token。体型更小的同系列型号 Laguna XS 2.1 为 330 亿参数，约 30 亿处于激活状态，定价为每百万 token 输入 $0.06、输出 $0.12。S 版本的权重已发布在 Hugging Face 上，地址为 poolside/Laguna-S-2.1。

80亿激活参数这个数字，既解释了价格，也同时约束了产品。推理成本取决于激活参数，而非总参数；一个每 token 消耗 8B 的 118B MoE，其服务成本之低，是同总参数量的稠密模型无法企及的。但 8B 的激活预算，也构成单次前向传播能力上限的硬顶，而这正是为何对独立评测机构的通用能力指数而言，它比编程专项分数更有衡量价值。

GPT-6.1 Sol 是相反类型的对象。一个快照标识符，gpt-6.1-sol，没有带日期的变体，上下文窗口为 1,050,000 个 token，最大输出 128,000，支持文本、图像和文件输入，推理始终开启，涵盖五个推理力度级别，默认中等，知识截止日期为 2026 年 4 月 30 日。它不接受 temperature 或 top_p；推理力度调节器取而代之。它是闭源的，按 token 计费，且不可微调。

它们实际存在差异的维度：

• 输入价格 — Laguna S 2.1 每百万 $0.10，而 GPT-6.1 Sol 为 $2.00。二十倍。

• 输出价格 — 0.20 美元对 10.00 美元。五十倍。

• 推理控制 — Laguna S 2.1 上的二元“思考/不思考”开关，对比 GPT-6.1 Sol 上的五档分级努力等级。

• 权重 —— 可下载并支持自托管（适用于 Laguna S 2.1）；GPT-6.1 Sol 则为闭源。

• 上下文窗口——Laguna S 2.1 最高可达 1,000,000 tokens，而 GPT-6.1 Sol 为 1,050,000。实际上两者持平。

附有两组标签的基准行

Poolside 公布的 Laguna S 2.1 数据，全都是厂商自行报告的，据我们所知，没有任何第三方复现：

• SWE-Bench Multilingual — 78.5%。

• Terminal-Bench 2.1 — 70.2%。

• DeepSWE v1.1 — 得分为 40.4%，而 DeepSeek-V4-Pro-Max 仅为 9.0%；Poolside 称，其活跃参数约为后者的六分之一，得分却超过后者的四倍。

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

• AA Intelligence Index — 51.8，147 个中排名第 10，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%。

这两个列表似乎有一个交汇之处，而这是一个陷阱。Laguna S 2.1 在 Terminal-Bench 2.1 上报告了 70.2%。在我们的记录中，GPT-6.1 Sol 根本没有在 Terminal-Bench 2.1 上获得评分——它的终端基准分数是基于 4.0 版本的，这是该测试框架更晚、更难的一次修订。把 70.2% 与 56.06% 并列，并称之为 Laguna 以十二个百分点胜出，就是在比较两种不同的测试，而这正是本博客旨在避免的错误。这两个模型没有共同的基准测试行，这意味着这一比较中的性能部分目前尚未被测量。

还有两个明显的缺口值得指出。Laguna S 2.1 既没有 Artificial Analysis 智能指数得分，也没有独立的 SWE-bench Verified 结果。对于一款 7 月发布的模型来说，迟迟没有第三方评测数据，这段时间实在不短，而这也是 Poolside 迄今发布的关于该模型的所有内容中最大的缺失。

思考开关究竟带来了什么

Poolside 自己给出的数字为这个切换开关提供了一个具体的量化结果，而这是本次发布中最有意思的一点。开启思考功能后，DeepSWE v1.1 从 16.5% 提升到 40.4%——约为 2.4 倍——Terminal-Bench 2.1 则从 60.4% 提升到 70.2%。这两个数字均来自厂商，尚未被复现。

结合价格来看，这一点的重要性是公开费率表没有体现出来的。思考模式会消耗输出 token，而输出 token 正是你付费购买的东西。开启思考模式运行 Laguna S 2.1 的工作负载，会比同一工作负载在关闭思考模式时消耗显著更多的输出。这恰恰是你在一个高难度智能体基准上看到 2.4× 提升时应该预期到的结果。因此，与 GPT-6.1 Sol 进行诚实的比较，并不是在原始输出上 $0.20 对 $10.00，而是启用思考模式后每个已完成任务的成本，与按投入定价的每个已完成任务的成本之间的比较。

那个比较仍然极大地偏向 Laguna S 2.1，而且值得实际算一算，而不是空口断言。以一个每月产生十亿输出 token、对应三十亿输入 token 的工作负载为例：

• GPT-6.1 Sol — 输入 30 亿，每百万 2.00 美元，即 6,000 美元；输出 10 亿，每百万 10.00 美元，即 10,000 美元。每月一万六千美元。

• Laguna S 2.1，思考关闭 —— 输入 300 美元，输出 200 美元。每月五百美元。

• Laguna S 2.1，开启思考时输出约为 2.4 倍 — 输入 300 美元，输出约 480 美元。每月不到八百美元。

即使算上思考惩罚，在这个用量下每月也相差约 $15,000。如果你的工作负载是一台 Laguna S 2.1 实际就能完成的，那么价格问题根本毫无悬念，再多合理的重试开销也弥合不了。这就把整个决策推到了能力上——而能力正是这项比较中无法用共同标准衡量的那一半。

当五十倍的差距不再是关键时

有三件事会把这一比率拉回现实，而每一件都值得直白地说清楚，因为上面这个数字具有一种诱惑力，这种诱惑力已经让团队付出了真金白银的代价。

首先，一个拥有80亿活跃参数的编码器与一个前沿通用模型并不能相互替代。Laguna S 2.1 是为智能体软件工程而构建的——包括代码仓库编辑、终端任务、多语言代码——而 Poolside 也正是以此进行市场定位。它并非面向文档密集型专业工作、计算机操作，或长上下文回忆任务，而在这些任务上，GPT-6.1 Sol 拥有83%的独立长上下文回忆得分和1,050,000个token的上下文窗口。在这些任务上，诚实的比较不是“便宜模型胜出”，而是“便宜模型并非为此而建”。在示例中每月节省的15,000美元，只有在更便宜模型的输出可用的前提下才算节省，而对于一类工作负载，尚无人证明其输出确实可用。

第二点是吞吐量和运维面。GPT-6.1 Sol 报告称，在我们自有 playground 流量为期七天的统计中，p50 延迟为 2,442 毫秒，输出速度为每秒 95.57 个 token，错误率为 6.36%。我们没有 Laguna S 2.1 可比的 serving 面板——它未在 OrcaRouter 上路由——因此没有数字可以并列放在它旁边，而自托管路径的延迟取决于你购买什么硬件。在八块 H100 上，你无法在相同并发下匹配托管前沿端点的吞吐量；你会以延迟换取单位成本，而这种取舍结果如何，取决于你的工作负载是否对延迟敏感。

第三点是，自托管路线只有在规模足够大时才便宜。让上面的算术看起来像一场碾压的同样0.10美元和0.20美元费率，也正是一家近乎按成本收费的推理提供商会给出的报价——而这正是主张租用开放模型、而非为其购置硬件的理由，只要规模尚未达到足以证明购置GPU合理性的那个量级。

如何真正地打电话

这是一种罕见的组合：正确的下一步并非路由变更，因为访问这两个模型的方式截然不同。

GPT-6.1 Sol 已在 OrcaRouter 上线，模型标识为 openai/gpt-6.1-sol 价格与 OpenAI 的标价一致，0% 加价——输入 $2.00，输出 $10.00，缓存输入 $0.10，超过 272,000 token 的档位完全按 OpenAI 的设定执行。由于路由层是直接透传提供商的价格，而不是加价转售，OpenAI 一侧的价格变动在生效当天就会同步到这里。在路由可用之处，其底层还配有自动故障转移——这是检验一个更便宜的模型能否撑起生产链路的最省钱方式，因为那个昂贵的模型始终只差一条路由规则就能切回来。

Laguna S 2.1 不在 OrcaRouter 上，我们也不托管它。它可以通过 Poolside 自己的 API 访问；而且由于权重已经公开，你也可以自行部署它——对这个模型来说，后者是更有意思的选择，因为一个 118B MoE、8B 激活参数的模型确实小到足以运行在中等规模团队也能拥有的硬件上。因此，面对这一组合，正确的第一步根本不是比价：拿出二十个你真实的编程任务，先让它们跑一遍你现有的 GPT-6.1 Sol 路径，再让同样这二十个任务分别以开启和关闭思考模式跑一遍 Laguna S 2.1。现在你就有了两家厂商都未曾发布的共享基准行，而且是基于唯一真正重要的任务集；而那五十倍的价格差，也就成了一个你要么用证据拿下、要么用证据放弃的数字。

这一组合依据目前已有证据所得的结论是：Laguna S 2.1 是当下智能体编程领域最具性价比的选项，若其厂商数据得到独立证实，它会成为默认之选，而这些数据目前均未获任何独立证实。GPT-6.1 Sol 的输出成本是前者的五十倍，并且是两者中唯一有公司外部人员用共享工具测量过其能力的模型。买下这款便宜模型的权重并加以测试吧，因为与大多数开源发布不同，它小到足以进行充分测试——而请把那个五十倍的数字当作进行这项测试的理由，而不是把它当作答案本身。