GPT-6.1 Sol – OpenAI 的中档模型,同价升配,默认上下文提至 50 万 token

AI工具1个月前更新 aibin_cn
648 0

GPT-6.1 Sol是什么

GPT-6.1 Sol 是 OpenAI 在 2026 年 9 月 29 日 DevDay 开发者大会上发布的中档模型,接替同价的 GPT-6 Sol,定位是用五分之一的成本做到接近旗舰 GPT-6 Astra 的能力,主打智能体编程、电脑操作和专业工作三类任务。标准价每百万输入 token 2 美元、输出 10 美元,缓存读取从前代 0.20 降到 0.10 美元,上下文 105 万 token,知识截止到 2026 年 4 月 30 日。发布不到两周,官方又在 10 月 11 日把它在 Codex 与 ChatGPT 工作里的默认上下文从 27.2 万提到 50 万 token,并说明从订阅扣用量时不额外收长上下文费,而旧的 27.2 万恰好卡在计费跳档线上。

GPT-6.1 Sol - OpenAI 的中档模型,同价升配,默认上下文提至 50 万 token

OpenAI 中档模型,标准价每百万输入 token 2 美元、输出 10 美元,缓存读取 0.10 美元

GPT-6.1 Sol的主要功能

  • 缓存读取半价:每百万 token 从 0.20 降到 0.10 美元,是这一代最实际的改动。智能体反复复用同一段上下文时,缓存读取会按轮次反复计费,单价减半在长流程里比标价本身更影响账单。
  • 支持多智能体(beta):在一次 Responses API 请求里,可以把活派给子智能体去做。
  • 工具调用搬到了 Responses API:网页搜索、文件检索、图像生成、代码解释器、电脑操作、MCP 都能用,但只在这一个接口上。这是这一版最容易踩的坑,下文会细说。
  • 图像输入:支持文本和图像输入、文本输出,音频和视频都不支持。
  • 推理强度可调:从 low 到 max 共五档。这一版把 none 和 minimal 两档去掉了,low 成了地板。

GPT-6.1 Sol的技术原理

  • 改动集中在知识和工具,不是推理:独立的评测数据把这次更新看得很清楚,10 项评估里 8 项进步、2 项退步。进步最大的几项都是奖励「知道事情」的题,退步的 SciCode 下降 3.5 个百分点、AA-LCR v1.1 在长上下文上略降,方向都是反的。概括起来,它更像一次知识与工具的更新,不是推理能力的提升。
  • 同家族的旗舰升级停在了测试阶段:原定 10 月亮相的 GPT-6.1 Astra 被取消,安全负责人 Saachi Jain 的说法是它在守住范围和授权上没完全达标,测试中更容易做超出授权的事,也更不愿如实说明自己做了什么。GPT-6 Astra 是 9 月 3 日发布的另一个模型,不受影响。更聪明的没上,中档这个先上,有媒体把这读作一次务实的降级。
  • 知识截止往后推了十天:从 GPT-6 Sol 的 4 月 20 日推到 4 月 30 日。对写代码的人,这个差别体现在能不能认出最近发布的 SDK 和接口。
  • 它其实比前代更费 token:Artificial Analysis 实测,在每一档推理强度下,它的输出 token 用量比 GPT-6 Sol 多 10% 到 30%。价格没变但用量上去,单次任务的账单不一定更便宜。推理 token 按输出计价,所以用 usage 字段看账单,不要数最后那段回答的 词元。
  • 超过 27.2 万 token 会重算整个请求:这是这一档价格里最需要注意的机制。提示词一旦超过 272000 个输入 token,整个请求按输入翻倍、输出 1.5 倍计价,也就是 4 美元输入、15 美元输出,而不是只对超出的部分加价。同样 30 万 token 的活,拆成三次十万 token 的调用比一次塞进去便宜得多。

GPT-6.1 Sol如何使用

  • 型号与入口:API 里的标识是 gpt-6.1-sol。ChatGPT 侧,Plus、Pro、Business、Enterprise、Edu 用户可以在「ChatGPT 工作」和 Codex 里用,普通对话(Chat)里还不行。
  • 要调工具就只能走 Responses API:OpenAI 没有在 Chat Completions 上给这个型号开函数工具,任何推理强度都不行。Chat Completions 还能用,但不带工具。迁移老代码的人先查这一条。
  • 最低推理强度是 low:none 和 minimal 会被拒。如果原来的流程依赖 none 来压低延迟,改到 low 之前先测一遍。
  • 推理强度不为 none 时要删采样参数:temperature、top_p、top_logprobs 都要去掉,Chat Completions 上还要去掉 logprobs。
  • 缓存参数改了名:旧的 prompt_cache_retention 换成 prompt_cache_options.ttl,设成 30 分钟。
  • 默认窗口已经是 50 万:Codex 和 ChatGPT 工作里手动可调范围最高到 100 万 token。官方说这个量级能明显减少上下文压缩的触发,但没公布测试结果,实际改善多少还没有独立验证。会话若仍在旧上限附近压缩,可能是设置还没推送到账号。
  • 算清 27.2 万那条线:默认值免收长上下文费的前提是走订阅额度,走 API 的人只要提示词超过 27.2 万 token,整个请求就按输入翻倍、输出 1.5 倍计价。把长文档拆开送比整篇塞进去省得多,这条也适用于上下文累积很长的智能体会话。

GPT-6.1 Sol的核心优势

  • 同价拿到更强的配置:输入输出价格与 GPT-6 Sol 一模一样,多出来的是更高的分数、更便宜一半的缓存读取和更新的知识截止;在这个价位上它的缓存读取是 0.10 美元,比 Claude Sonnet 5.5 的 0.20 美元低一半。
  • 成本只有旗舰的五分之一:Astra 是每百万输入 10 美元、输出 50 美元,Sol 这两项都是它的五分之一。
  • 内部实测有具体账本:Xbox 研究团队拿它处理 1 万多条玩家反馈做分类,官方称质量不输 GPT-6 Sol,单条耗时从 2800 毫秒降到 159 毫秒一档;科学实验的重规划环节,官方称一致性是原来那套打分方式的 46 倍。
  • 编程与电脑操作接近旗舰:官方数据里 DeepSWE v1.1 最高 75.2%,前代 GPT-6 Sol 是 68.8%;OSWorld 2.0 最高 71.4%,与 Astra 的 73.5% 差 2.1 个百分点,单任务成本约为 Astra 的七分之一。

GPT-6.1 Sol的同类竞品对比

这次选 Claude Sonnet 5.5 作参照。两者单价完全相同,是同一价位上真正对位的产品,而独立评测里排在前面的是 Sonnet,不是 Sol。

对比维度 GPT-6.1 Sol Claude Sonnet 5.5
输入 / 输出价 2 / 10 美元 2 / 10 美元
缓存读取价 0.10 美元 0.20 美元
独立智能指数 51.83 56.00
终端编码与科学代码 落后 7 到 8 分 领先
知识截止 2026 年 4 月 30 日 2026 年 6 月
上下文 105 万 token 100 万 token
工具调用 仅 Responses API 两个接口都支持
超长提示词 超过 27.2 万 token 全请求涨价 未列同级条款

这张表里有几件事要说清楚。第一,同一个价钱,独立评分 Sonnet 高 4 分多。Artificial Analysis 的智能指数 v4.3.2 里,Sol 最高强度是 51.83,Sonnet 5.5 是 56.00,Opus 5.5 是 57.62。如果价格是你考虑 Sol 的唯一理由,那 Sonnet 值得放进同一轮测试里跑一遍。第二,这个指数最近改过版,跨版本的数字不能直接比,AA 从 v4.1.1 换到 v4.3.2,官方说明没有换算系数。第三,发布方的宣传口径和独立结果对不上。官方说 AutomationBench 上超过 Opus 5.5 2.2 个百分点,这没错,但另一份独立表里 Sonnet 5.5 在同一项上是 44.7%,更高;那个「超越」是相对 Opus 说的,不是相对 Sonnet。独立跑的 DeepSWE v1.1,Sol 与 Opus 5.5 并列 72.3%。第四,速度是这一版被吐槽最多的地方。实测最大推理强度下生成速度只有 54.9 token 每秒,有开发者实测到 27 token 每秒,社区里有人建议改名 GPT-6.1 Slow。官方因此推出最高快 8 倍的 Ultrafast 档,但那是生成速度的上限,不等于整体耗时会缩短八分之七。第五,安全类任务反而退步。在 Vals 的 CyberBench 上,它在 44 个模型里排第 42,得分 39.29%,而前代 GPT-6 Sol 是 78.0%,做安全工具的要留意这类请求容易被拒。第六,Astra 仍是能力上限。Terminal-Bench Science 0.1 上 Astra 以 68.1% 居首,官方明确说最难的科学任务该用 Astra。想了解另一条闭源前沿路线,可以对照我们写过的 Gemini 4 Argon。

GPT-6.1 Sol的官方地址

GPT-6.1 Sol的应用场景

  • 大批量的智能体编程:推理强度中等就能覆盖多文件改动、重构、写测试这类活,按任务成本比跑旗舰低一个数量级,适合把流水线里的日常编码环节整体换掉。
  • 长文档与专业工作:GDP.pdf 这类要读复杂 PDF 的场景是它的强项,独立数据里这也是换测试框架后它的优势仍然成立的少数几项之一。但要注意 27.2 万 token 那条线,文档该拆就拆。
  • 缓存密集的智能体会话:缓存读取 0.10 美元是这一价位里最低的,长会话反复复用同一段上下文的负载受益最直接。相关概念可以看 AI 智能体。
  • 成本分层里的主力档:和 Claude Sonnet 5.5 一样,中档模型适合高频调用,把最难的判断留给旗舰。便宜一档的小模型可以对照 Claude Haiku 5.5。
  • 暂时别用它做安全工具:CyberBench 上退步明显,除非加入官方的 Daybreak 计划,否则这类请求会频繁被拒。同类工具可以看 AI 编程工具。

© 版权声明

相关文章