bingdadaGPT-6.1 Sol 是 OpenAI 推出的高性价比升级版，在智能体编程、专业文档、计算机操作与科研任务上接近 GPT-6 Astra，但标准输入输出价格仅为其约五分之一，缓存输入低至每百万 token 0.10 美元。最困难的科研任务仍建议使用 Astra。
在最新一轮 OpenAI News 中，最值得关注的并非某个单一性能数字，而是 GPT-6.1 Sol 所传递出的产品定位信号：它以 GPT-6 Astra 标准输入输出价格的约五分之一，提供了在智能体编程、计算机操作与专业工作任务上「接近 Astra」的能力。缓存输入更是降至每百万 token 仅 0.10 美元，比标准输入便宜约 95%，也比 GPT-6 Sol 的缓存价格低一半。
这组定价背后，是 OpenAI 对开发者「复用上下文」需求的直接回应。当智能体需要在多轮请求中反复携带同一段背景信息时，缓存成本往往决定了 agent 能否长期运行。GPT-6.1 Sol 把这一门槛压到极低，等于为可规模化部署的 agent 打开了空间。
需要说明的是，以下数据均来自 OpenAI 公布的评测口径，本文侧重从成本与能力平衡的角度重新梳理，而非复述官方发布节奏。
在 DeepSWE v1.1 这一针对真实代码库复杂工程任务的评测中，GPT-6.1 Sol 在约五分之一成本下追平 GPT-6 Astra，同时以更低的推理强度与成本，把 GPT-6 Sol 的最佳成绩提高了 6.4 个百分点。这意味着对于大多数日常编码、调试与文档理解任务，开发者不必再为顶级模型支付溢价。
GDP.pdf 评测考察模型对包含表格、图表、示意图与细字条款的复杂 PDF 的专业问答能力。GPT-6.1 Sol 在测试的推理档位下，得分高于带 fallback 的 Opus 5.5，而单任务成本不到后者一半；同时它以约五分之一的任务成本接近 GPT-6 Astra 的领先水平。对金融、医疗、法律等十个专业领域的实际工作流而言，这种「接近顶级、成本可控」的组合更具落地价值。
AutomationBench 1.0.6 用 47 种工具测试销售、市场、运营、客服、财务与人力资源的端到端流程。GPT-6.1 Sol 在中等推理强度下比 Opus 5.5 高 2.2 个百分点，成本约为其三分之一；同一档位下也比 GPT-6 Sol 提升 4.8 个百分点。值得留意的是，官方特别指出 Claude Fable 5.1 的数据低估了其真实成本，因为约 40% 的任务出现了 fallback 却未计入费用——这提醒我们，跨模型比较时必须看清成本口径是否一致。
在 OSWorld 2.0 离线集上，GPT-6.1 Sol 于最高推理强度下比 GPT-6 Sol 高出 7 个百分点，成本不到一半；与 Astra 的差距仅 2.1 个百分点，而单任务成本约为其七分之一。在 Terminal-Bench Science 0.1 上，它于最高强度下把 GPT-6 Sol 的得分翻倍以上，单任务平均成本 5.47 美元，而 Opus 5.5 为 23.21 美元、Astra 为 23.80 美元——科研能力成本降低超过 75%。不过官方也明确，Astra 仍以 68.1% 保持最高分，最困难的科研任务仍应交给 Astra。
在用户曾标记过错误的去标识化对话中，GPT-6.1 Sol 于低推理强度下把含事实错误的回答比例从 11.4% 降至 7.7%，降幅约 32%；各档位错误率与 Astra 相差不超过 1.9 个百分点，而单任务成本不到其五分之一。需要强调的是，这类刻意挑选的困难提示并不代表日常使用中的典型错误率。
GPT-6.1 Sol 在对齐评测中相比 GPT-6 Sol 有明显改善，更接近 Astra。它在说明自身局限、遵守用户意图与安全约束方面更可靠；在搜索工具失效的透明度、遵守明确限制、避免智能体任务中的未授权结果等挑战性评测里，失败率低于 GPT-6 Sol。官方称未观察到绕过自动安全审查的尝试，与 Astra 和 Sol 表现一致。这些评测刻意制造困难场景，并不衡量典型使用中的失败率。
GPT-6.1 Sol 即日起面向 ChatGPT Work 与 Codex 中的 Plus、Pro、Business、Enterprise 与 Edu 用户开放，但暂未进入 Chat。开发者可通过 OpenAI API 以 gpt-6.1-sol 调用，标准价格为每百万输入 token 2 美元、每百万缓存输入 token 0.10 美元、每百万输出 token 10 美元。官方还表示将在未来数日推出 GPT-6.1 Sol Ultrafast，token 生成速度最高可提升 8 倍。
OpenAI 这轮「以五分之一价格逼近旗舰」的策略，与国内大模型近一年的路线高度呼应。DeepSeek 持续以极低 API 定价推动推理成本下探，通义千问与豆包在多模态和长上下文场景中强调性价比，Kimi 与智谱 GLM 则在长文档理解与 agent 工具调用上发力。差异在于，OpenAI 通过 Astra / Sol / Sol 1.1 这样的分层命名，把「顶级能力」与「可负担能力」拆成两条产品线；国内厂商更多以同一系列的不同尺寸或不同版本覆盖价格带。对开发者而言，无论选择哪家，评估时都应对齐成本口径——是否计入 fallback、是否包含缓存折扣，否则很容易得出失真结论。
Astra 仍是能力上限最高的型号，在最困难的科研等任务上保持最高分；Sol 1.1 则以约五分之一的价格提供接近 Astra 的智能体编程、专业文档与计算机操作能力，适合大多数日常与商业工作流。
标准输入为每百万 token 2 美元，缓存输入为每百万 token 0.10 美元，输出为每百万 token 10 美元。缓存输入比标准输入便宜约 95%。
可以，但仅限 ChatGPT Work 与 Codex 中的 Plus、Pro、Business、Enterprise 与 Edu 用户，暂未进入 Chat。开发者也可通过 API 调用。
智能体常需在多轮请求中复用同一段上下文，缓存价格越低，长期运行与规模化部署的成本就越可控。0.10 美元/百万 token 的缓存价显著降低了这一门槛。
要确认是否计入 fallback 成本。官方指出 Claude Fable 5.1 的数据因约 40% 任务出现 fallback 却未计费而低估了真实成本，口径不一致会导致结论失真。
Bingdada 是一个专注 SEO、GEO（生成式引擎优化）与 AEO（答案引擎优化）的内容平台，由资深内容编辑、SEO 技术工程师与 AI 研究专家组成的团队持续运营。我们追踪搜索引擎与生成式 AI 的最新动态，为读者提供准确、实用、可落地的方法论与行业洞察。
编辑团队：内容策划 · 技术编辑 · AI 研究组
网站：bingdada.com
© 2026 Bingdada. 保留所有权利。
SEO & GEO 技术探索者，专注于搜索引擎优化和生成式引擎优化。
AT&T 与 OpenAI 的合作揭示企业法务 AI 的新思路：不是替代律师，而是构建贯穿组织的知识层，用自然语言受理系统提升需求处理效率，让专业判断规模化。
一位经营三家联合品牌快餐店的加盟商，用ChatGPT Work把菜单重定价从5天压到2小时、月度现金对账从3小时缩到10分钟，并探索排班优化释放现金流的路径。
AI编程能力正从主流语言向COBOL、Fortran等低资源语言延伸。最新评估显示模型在跨语言构建与行为保真迁移上大幅进步，成本同步下降，为关键基础设施的现代化改造提供了新选项。
获取最新的 SEO 与 GEO 技术资讯。
我们尊重您的隐私，随时可以取消订阅。
