GPT-6.1 Sol 對上 Intern S2：一個有價格，另一個有權重

比較GPT-6.1 Sol與Intern S2時，最奇怪的一點是，這組對照的其中一方根本沒有可查詢的價格。上海人工智慧實驗室的 Intern-S2-397B 於 2026-09-13 發布，在 Hugging Face 上以 Apache 2.0 授權釋出權重，附有技術報告，也有供應商代管的 API 端點——卻在任何地方都沒有公布每詞元的費率。OpenAI 的 GPT-6.1 Sol 於 2026-09-29 推出，每百萬輸入詞元收費 2.00 美元、每百萬輸出詞元收費 10.00 美元，並有明文記載超過 272,000 提示詞元的高階級距，而這些數字每一個都刊載於公開的定價頁面上。因此，要誠實地為這組配對定調，問題不是「哪一個更好」，而是「這兩者之中，哪一個的帳單是你真的能預測的」——而答案之所以不同，原因與能力毫無關係。

以下所有內容都可以明確劃分為兩組證據基礎，而將它們區分開來正是大部分的工作。GPT-6.1 Sol 的數據是獨立的，來自 Artificial Analysis，除非某句話另有說明。Intern-S2 的數據是 InternLM 自己的，未經任何第三方重現，而承載這些數據的句子也表明了這一點。

同一個名稱下的兩個系統

Intern S2 並不是單一模型，而這份混淆值得先釐清。該系列至少包含兩項已發布的成品：

• Intern-S2-Mobius — 一個 350 億參數的開放權重模型，採用 Apache 2.0 授權，以 Qwen3.5-35B 持續預訓練而成，使用 Mobius-v0 架構，具備由 2,560 個專家組成的共享 Memory、四個 Reasoner 區塊與 40 層。部署指引說明每個 token 約有 30 億個活躍參數，採用 3:1 混合注意力模式、256,000 個 token 的上下文，以及一個視覺塔。權重於 2026-07-29 發布；GitHub 儲存庫與技術報告於 2026-08-05 接續發布；vLLM 支援於 2026-08-06 合併。

• Intern-S2-397B——旗艦版本，於 2026-09-13 發布。採用 Qwen3.5-MoE 架構，總參數量約 3,970 億，共 512 個專家、其中 10 個為啟用狀態；Apache 2.0 授權的權重在 Hugging Face 上發布，並隨附模型卡、官方 Intern API 項目，隔日更宣布支援 vLLM Day-0，同時發布了在八張 H100 或八張 H200 上進行 FP8 推論的配方。其公布的限制為 256,000 個 token 的文字上下文，以及 64,000 個 token 的多模態上下文。

GPT-6.1 Sol 是較單純的物件：一個快照識別碼，gpt-6.1-sol，沒有帶日期的變體，1,050,000 個詞元的上下文，128,000 的最大輸出，文字、圖像與檔案輸入，五個推理投入等級，預設為中等，並標示知識截止日為 2026 年 4 月 30 日。

每一方的數字所依據的是什麼

這是兩者差距最大的軸線，而且差距絕非些微。

GPT-6.1 Sol 的獨立紀錄，全部來自 Artificial Analysis：

• AA Intelligence Index — 51.8，在 147 個模型中排名第 10，位於第 93.2 百分位。

• Humanity's Last Exam — 52.9%.

• 長上下文召回 — 83%。

• SciCode — 54.2%。

• Terminal-Bench 4.0 — 56.06%。

Intern-S2 的紀錄，全屬 InternLM 自身所有，無一由第三方複製：

• MMLU Pro — 397B 旗艦達到 89.77%。

• HMMT-2026 — 93.56%。

• MMMU Pro — 81.68%。

• SWE-bench-Pro — 68.54%。

• TerminalBench 2.1 — 64.04%。

• 科學領域列項 — Biology-Instructions 55.71%、SciReasoner 1.5 63.28%、Mol-Instructions 53.95%、MolecularIQ 62.35%。

那兩份清單無法互相比較，而箇中原因值得明確說清楚。第一組是與結果沒有利害關係的一方，在同一套協議下對許多模型提出相同要求。第二組則是訓練該模型的實驗室，回報自家模型的表現。這並不表示第二組是假的——擁有已發表技術報告與可下載權重的實驗室，會因其聲譽而與這些數字有利害關係——但這確實意味著這些數字是一項宣稱，而非一次測量；而且目前沒有任何獨立評估者，也沒有任何獨立推論服務供應商，在任何地方公布 Intern-S2 的分數。

承載真正資訊的列

InternLM 自家資料中有兩件事，比那些頭條分數更能說明問題，正因為它們並不討喜。

第一個是 35B 模型的 Mobius 基準測試表，將它與持續預訓練所依據的 Qwen3.5-35B 基礎模型進行比較。那確實是個很有用的比較——相同血統、相同規模，因此差異值能隔離出架構變更所換得的效益。Mobius 在九項通用基準中贏了七項，卻在 Humanity's Last Exam 與 UGD 上大幅落敗。誠實解讀，Mobius 架構換來中等的通用能力提升，但在最難的推理測驗集上有所犧牲。同一張表中的科學領域資料列數值較大，但那些是領域持續預訓練的標誌，而非架構的標誌——生物學與化學的數字來自訓練資料，而不是專家佈局。

第二點是效率方面的說法，這是此次發布中最具體的宣稱：在批次大小 16 時，吞吐量是基準的 2.9 倍，到了批次大小 256 時則升至 4.6 倍。這些是相對於內部基準的倍率，由實驗室在其選擇的硬體上測得——而且這類宣稱一旦你擁有權重就很容易驗證，而你確實擁有這些權重，且是在 Apache 2.0 授權下。

這種可驗證性才是開放發佈的真正價值，而且它指向了頭條分數所無法觸及之處：你不必信任那個吞吐量比率，因為如今在你與親自驗證之間，只剩下八張 H100 和一份 vLLM 配方。

開放權重對比付費端點

這就是兩個模型不再是可以互相替代的選項，而開始成為截然不同決策的地方。

GPT-6.1 Sol 是一項服務。你按權杖付費，獲得 1,050,000 個權杖的視窗、128,000 個輸出權杖、五種努力等級，而且完全沒有需要維運的層面。帳單會隨使用量呈線性成長，使用量暴增的邊際成本只是一筆帳單項目，而不是容量問題。交換條件是：你無法對它進行微調——Open​AI 並未為此模型發布微調途徑——你無法在自己的硬體上執行它，而且你的單位經濟效益是由他人的定價頁面所決定。

Intern-S2-397B 是一個可下載的模型。Apache 2.0 授權意味著你可以執行它、修改它、微調它，並在自己的網路內部提供服務，而不會讓任何資料離開這個網路。八張 H100 是實實在在的資本支出，也是實實在在的營運負擔，但一旦持續的處理量超過某個門檻，這筆資本支出就會比按 token 計費的費率更便宜；而如果資料完全不能離開你的防禦邊界，這更是唯一的選項。另一面的代價是，所有與品質有關的事都成了你自己的問題：沒有獨立的基準測試可供規劃參考，沒有外部供應商可以容錯切換，也沒有廠商可以讓你把效能退化的問題往上呈報。

在這兩種立場之間，決定性的變數幾乎總是使用率。每月爆發數億個 token，無法攤銷八張 GPU 的成本。在受監管的範圍內，每月穩定流入數十億個 token，則往往可以。

某一欄中缺少的數字

Intern-S2-397B 並未公布每 token 的費率。這不是能用估算來設法繞過的疏漏；這意味著本部落格通常進行的標準比較——每百萬 token 的成本對上每百萬 token 的成本——根本無法套用到自架路徑上。

可以進行的比較，是針對廠商託管的端點。InternLM 在 chat.intern-ai.org.cn/api/v1 營運官方 Intern API，並提供模型識別碼 intern-s2-397b，而該端點的費率正是你需要與 GPT-6.1 Sol 的 $2.00 和 $10.00 逐項報價比較的對象。在該費率公布之前，唯一誠實的說法是：API 路徑的價格未知，而自架路徑的價格取決於你的 GPU 合約與使用率，而非費率表。

這意味著這篇文章能做的算術很有限，但無論如何仍值得一做：問問在你自己的使用率下，每百萬個詞元的成本會是多少，並把它與套用超過 272K 級距後的 $2.00/$10.00 相比。對大多數團隊來說，這道算術的答案是：每月低於數十億個詞元時，封閉端點勝出；高於此數時，開放權重勝出——而整個問題就在於工作負載落在這條線的哪一側。

以不同方式運行它們兩個

這裡沒有單一答案，因為這兩個模型並不是以相同方式得出的，而假裝它們是，就會和把索引列並排引用一樣，犯下同樣的錯誤。

GPT-6.1 Sol 已在 OrcaRouter 上推出，型號為 openai/gpt-6.1-sol，以 OpenAI 的定價提供，0% 加價——輸入 $2.00、輸出 $10.00，快取輸入 $0.10，超過 272K 的級距完全依照 OpenAI 的設定套用。由於我們是將供應商價格直接轉嫁，而非加價，因此 OpenAI 的價格變動會當天在此生效，而不是等到下一個帳單週期，而且自動容錯移轉就位於該路由底層。最後這一點對未經實證的模型而言，比對已獲實證的模型更為重要——這正是同樣適用於 Intern-S2 這邊的論點，只不過 Intern-S2 這邊無法使用它。

Intern S2 不在 OrcaRouter 上，我們也沒有託管它。它可透過 InternLM 自家的 API 存取，並以 Apache 2.0 授權在 Hugging 上供任何擁有硬體的人下載。如果你想試用它，權重是低負擔的途徑——你可以在決定是否為它購買 GPU 之前，用自己的提示詞評估 397B 旗艦模型，而 Mobius 35B 小到足以在單一節點上測試該系列的行為。

這組配對所得到的結論並不是排名，因為兩者買的不是同一種東西。如果你需要的是一個能力水準經獨立測量、輸出上限已公布、每 token 價格已知，而且沒有需要你維運的層面的模型，那麼 GPT-6.1 Sol 就是答案，而且這不是相差無幾的選擇——它是這兩者之中唯一提供這四件事的選項。如果你的限制是資料不能離開你的網路，或者你的用量大到 GPU 勝過 token，那麼 Intern-S2-397B 是更好的答案，而缺少的基準測試是你選擇背負的風險，不是讓你掉頭離開的理由。你不該做的是拿兩者已公布的數字來互相比較。InternLM 自家的評估和 Artificial Analysis 的排行榜不是同一種量測工具，把它們當成同一張表來讀，只會對一個沒有人問的問題給出信心十足的答案。