GPT-6.1 Sol登场：接近Astra的能力卖五分之一价格，省钱仍要看整条任务链

OpenAI在9月29日推出GPT-6.1 Sol，距离GPT-6 Sol与Luna发布只有一周。新版本最醒目的卖点是：官方称它在代理式编程、电脑操作和专业工作中接近更高档的GPT-6 Astra，标准输入和输出Token单价则约为Astra的五分之一。对开发者而言，这并不是简单地把模型名单再添一行。真正的问题是，同一项任务换成6.1 Sol后，成功率、运行时间和工具调用次数能不能一起改善。

这次的新型号已经可通过API以`gpt-6.1-sol`调用，标准价格为每百万输入Token 2美元、每百万输出Token 10美元；缓存输入为每百万0.10美元。OpenAI称后者比普通输入低95%，比前代Sol的缓存输入再低一半。模型也开始进入ChatGPT Work和Codex的Plus、Pro、Business、Enterprise及Edu相关用户范围，但官方同时指出它尚未进入普通Chat聊天界面。把“已经发布”写成“所有ChatGPT聊天用户都能选”，会高估当前可用范围。

便宜的是单价，代理任务还有运行成本

看模型价格不能只看输入Token。一个工作流可能反复搜索、打开网页、执行代码、等待工具返回，再把中间结果送回模型。即使每次调用便宜，若它需要更多轮尝试、错误重跑或人工复核，最终账单仍可能上升。因此，OpenAI在发布材料里把“每项任务成本”与得分并列展示，比只公布Token价格更有参考价值。团队选型时应先固定同一组任务、同一套工具和验收标准，再比较完成率、延迟和总消耗。

官方给出的DeepSWE 1.1测试涉及真实代码库中的长程软件工程任务。OpenAI称6.1 Sol在该测试上可达到Astra的成绩，而成本约为五分之一；与6 Sol相比，其最好成绩高出6.4个百分点。这个数字说明该评测里的进步，但不保证每一个仓库都能复制。真实工程还包含测试环境稳定性、依赖版本、权限设计与代码审查，基准测试不会自动替团队解决这些组织问题。

专业文档评测GDP.pdf则考查模型能否读懂表格、图示与细小注释。OpenAI称新模型在若干设定下，以不到Opus 5.5一半的任务成本取得更高得分。AutomationBench检验销售、营销、运营、财务等多步骤业务流程，6.1 Sol在中等推理力度下比Opus 5.5高2.2个百分点，比前代Sol高4.8个百分点。这些跨模型对比受评测版本、工具环境与成本计法影响，能作为试用线索，不能直接当成所有企业流程的采购结论。

电脑操作的进展更值得单独看。官方称在OSWorld 2.0离线任务、最高推理力度下，6.1 Sol比6 Sol高7个百分点，距Astra仅差2.1个百分点，每项任务成本约为Astra的七分之一。这里的“离线任务”与真实系统有距离：生产环境里的登录、弹窗、网络中断和权限确认，都会让代理面临评测没有覆盖的麻烦。模型能点对按钮，不等于可以跳过用户审批，尤其是在付款、删除资料、发布内容等有后果的操作上。

强基准不是万能通行证，得看它在哪些题上仍会失手

OpenAI还公布了科学流程测试。Terminal-Bench Science 0.1覆盖数据分析、模拟及定理证明等工作，新模型在最高推理力度下的分数超过前代两倍，平均每题成本约5.47美元；Astra仍以68.1%的成绩位居官方所列模型之首。对科研团队来说，这意味着较低成本模型可以承接更多探索，但难题需要升级模型与专家核验。科研答案不是“跑通脚本”就算完成，数据来源、方法和复现仍然不可省。

事实性测试也有边界。OpenAI称，在一组用户曾指出旧模型错误的高难度对话上，低推理力度的6.1 Sol含事实错误回答占比从前代的11.4%降到7.7%。这是特意挑选的易出错样本，并非普通使用中的总体错误率。把“约降三成”写成“错误率只剩7.7%”会误导读者。与此同时，系统卡把6.1 Sol按网络安全“Critical”、生物与化学能力“High”管理，沿用Astra级别的防护配置。能力接近前沿型号时，风险控制不会因为价格下降而自动变轻。

接下来还有一个容易混淆的时间点：OpenAI说6.1 Sol的Ultrafast速度档将在未来几天提供，不能把它与当天已经开放的标准API调用合并成“全部上线”。官方称该速度档在Codex中可比标准速度提高最多八倍，但价格和适用场景需要按推出时的条件核对。技术团队现在最稳妥的做法，是用本单位的代表性任务建立小规模A/B测试，记录每次任务的输入、工具费、重试、完成质量和人工复核时间。新模型值得试，但“便宜五倍”只是起点，用户真正支付的是把事情做对的总成本。