GPT-6.1 Sol 评测：价格、编程表现与 API 接入

如果你已经用 Sol 改代码，这次升级值得拿真实任务试一轮。普通输入和输出的单价没涨。更该关心的是：同一个问题，它能否少改几轮就通过验收；或者，原来必须开高推理才能完成的任务，现在中档就够了。

本文将 OpenAI 发布公告、API 文档与 Artificial Analysis 的独立测试放在一起看，资料核查日期为 2026 年 10 月 1 日。我们没有为本文另做受控的模型调用实验。下文会区分官方测试、独立实测和编辑判断，不把别人的成绩写成自己的亲测。

GPT-6.1 Sol 是什么，哪些地方能用？

GPT-6.1 Sol 于 2026 年 9 月 29 日发布，API 模型名为 gpt-6.1-sol。OpenAI 在 API 更新日志中将它定位为复杂编程和专业任务的较低成本选择。

发布时，Plus、Pro、Business、Enterprise 和 Edu 用户可在 ChatGPT Work 与 Codex 中使用。普通 Chat 对话是另一回事：发布公告明确写着，当时尚未在 Chat 中提供。具体能不能选到，还要看当前模型列表和工作区权限，不能把“ChatGPT 已接入”理解成所有聊天都已开放。

同一个模型，在不同产品里的表现也不能直接画等号。Codex 可以带着仓库上下文、命令行和审批机制做事；API 只会拿到你接入的工具。模型名相同，工作环境、提示词和权限却可能相差很大。

规格来自官方模型页。能看截图、图表，不等于基础模型能直接生成图片；生图需要另接工具。原生模态也没有列出音频和视频。

GPT-6.1 Sol API 价格：先把计费条件看全

下表单位均为美元 / 百万 tokens，采用 Standard 标准处理模式。短上下文价格适用于输入不超过 272K tokens 的请求，核查日期为 10 月 1 日。来源是 OpenAI 价格表。

OpenAI 发布配图，展示 Standard 短上下文价格；单位为美元 / 百万 tokens。来源：GPT-6.1 Sol 发布公告。

与旧版 GPT-6 Sol 相比，直接降价的是缓存读取，从 $0.20 降至 $0.10；普通输入和输出价格没有变化。与 Astra 相比，Sol 6.1 的普通输入、输出单价是其五分之一。这里说的是 token 单价，不能据此认定每项工作都能便宜五倍。

估算预算时，尤其要补上三件事：

• 长输入另有价格。 输入超过 272K tokens 后，整个请求采用每百万输入 $4、缓存读取 $0.20、缓存写入 $5、输出 $15 的费率。
• 处理模式会改价格。 Fast 为 Standard 的两倍；Batch 和 Flex 在支持的条件下比 Standard 低 50%。能否使用、能否接受等待，需要分别检查。
• 账单不只有可见回答。 区域处理在适用时加收 10%；工具调用、缓存写入和计费推理 tokens 也应单独核算。

一次请求究竟多少钱？

举个计算例子：短上下文请求计费 10 万普通输入 tokens、1 万输出 tokens，不使用工具，也没有其他费用。Sol 6.1 的费用是 $0.30，即输入 $0.20 加输出 $0.10；Astra 在相同 token 数量下是 $1.50。

如果这 10 万输入全部按缓存读取计费，Sol 6.1 这次请求为 $0.11，但没有包含此前可能产生的缓存写入费。它只是一个计算例子，不是实测账单。

还要注意，屏幕上只有两千 tokens 的回答，计费输出未必只有两千；推理也会消耗 tokens，具体见官方推理文档。做项目预算时，更有用的指标是“总花费 ÷ 验收通过的任务数”，失败重试也计入总花费，人工修改时间则另记一列。

编程表现：为什么不能一律开 max？

OpenAI 的 DeepSWE 官方图表中，Sol 6.1 在 high 档取得 75.2%，单任务成本 $0.65。旧版 Sol 的最高展示成绩为 max 档 68.8%，成本 $2.74；Astra 的最高展示成绩为 xhigh 档 74.1%，成本 $4.43。它们来自指定研究环境，不能理解成你仓库里的 bug 修复成功率。

更值得看的是 Sol 6.1 自己的曲线：升到 xhigh 或 max 后，成绩反而降为 71.9%。至少在这项测试里，多花推理预算没有换来更好的结果。先写清验收标准，再找够用的档位，比把所有请求拉满更合理。

独立数据也出现了类似现象。Artificial Analysis 的 9 月 29 日测试中，Codex 搭配 Sol 6.1 的 xhigh 档，在 Coding Agent Index v1.5 上得到 63 分，max 为 60 分，Codex 搭配 Astra max 为 62 分。这个指数包含 DeepSWE v1.1、Terminal-Bench 4.0 和 SWE-Atlas-QnA。

来源：Artificial Analysis 独立测试。图中比较的是包含工具环境的 Agent，不能当作完全剥离产品差异的纯模型测试。

拿它测试项目时，建议选一个已经确认的 bug：涉及多个文件，并且有检查能识别“不完整修复”。看它是否找到原因、只修改必要文件、运行检查，以及第一轮失败后能否继续修好。一个漂亮的新项目演示，不太能回答这些问题。

这张独立编码榜中，Claude Code 搭配 Sonnet 5.5、Opus 5.5 的展示成绩仍更高。Sol 6.1 值得比较的是效果和成本的组合，而不是“编程全面第一”。如果你重点关注代码审查，可以对照我们的 Sonnet 5.5 评测，把发现问题的能力和写出代码的能力分开验收。

文档、自动化和电脑操作，分别强在哪里？

下表整理 OpenAI 发布图中的结果。每格依次是分数 · 推理档位 · 单任务成本，选取该模型展示的最高分，因此不是固定相同档位的对比。

来源：OpenAI 官方任务与成本图表，10 月 1 日核查。OSWorld 使用 v2026.08.08 离线集的部分奖励分数，不能直接称为完整任务成功率。各测试评分方式不同，也不应把几个百分数求平均，当成综合能力。

读懂 PDF，不等于写出了能用的判断

GDP.pdf 测的是复杂专业 PDF 问答。展示成绩与 Astra 接近，足以支持把 Sol 6.1 放进文档任务的候选，但不能证明随手上传一份报告就会准确。

你可以给两个模型同一份 PDF，要求写一页判断，并注明页码。人工抽查一张图、一张表、一条脚注，再故意问一个资料里没有的事实。合格答案应说明缺少证据，而不是补一个看似合理的数字。若输出是中文，还要查翻译后是否保留单位、日期和限定条件。上面的榜单并没有直接测中文写作质量。

工作流看起来做完了，还要查最后一步

AutomationBench 和 OSWorld 更接近“执行”，而不是“回答”。但部分得分可能掩盖最后一步的失败：文稿写好了却没保存、字段改对了却改在错误记录上，或导出的日期范围不对。

因此，验收应落到可观察的结果。CRM 任务查具体记录和字段；表格任务打开导出文件，查公式与数据。对有后果的操作，审批边界仍应明确。模型更会操作电脑，并不能替代最终状态检查。

难科研任务，Astra 仍有明显优势

科研这一行的分数差距更大。如果是困难的模拟、数据分析或证明任务，且漏掉结果的代价高，Astra 仍值得保留。便宜地完成一项工作当然有价值；便宜地跑完一次请求却没解决研究问题，是另一回事。需要了解集成和费用限制，可以继续读 GPT-6 Astra API 指南。

独立测评：接近 Astra，但要看测试条件

Artificial Analysis 模型对比页提供了五个档位的结果。下表采用 Intelligence Index v4.3.2，它是十项测试的加权指数。费用是该机构的指数测试单任务成本，不是普通一条聊天的价格。

在 max 档，独立发布对比中 Sol 6.1 比 Astra 低一个指数点，成本分别是 $0.72 和 $3.26；按这组数据计算，Sol 6.1 约低 78%。这支持“较低成本下接近”的判断，但不等于所有任务都能得到相同质量。

来源：Artificial Analysis 发布测评。这里的分数是指数点，不是答题正确率；部分对照配置包含回退模型。

还有一条信息能避免误读：同一独立测试中，Sol 6.1 在各档位使用的输出 tokens，比旧版 Sol 多约 10%–30%。能力提升、费用下降与推理变长，可以同时发生，不能一概写成“新模型一定更省 tokens”。

来源：同一份 Artificial Analysis 独立测试。它的任务组合与 OpenAI 单项基准不同。

实际选档时，从 medium 到 max，这张表的指数从 48 到 52，单任务成本从 $0.21 到 $0.72。多出来的能力是否值得花钱，要回到具体任务：是要求识别一个遗漏的脚注，还是只把已有结论整理成段落？

事实准确性进步了，来源核查仍不能省

OpenAI 的事实性测试中，low 档 Sol 6.1 的“回答含至少一处事实错误”比例为 7.7%，旧版 Sol 为 11.4%。这是下降 3.7 个百分点，相对下降约 32%。题目来自用户曾指出旧模型出错的对话，不是日常使用的错误率。

写得流畅，不代表引对了资料。做研究时，应让重要结论逐条附证据，再打开来源核对数字与条件。需要最新事实时，知识截止日期也不能代替正常工作的搜索工具。

Sol 6.1 系统卡补充说明还检查透明度、用户限制和 Agent 的不安全行为。这些是压力测试，不能保证模型总能报告工具故障，或在每次任务中守住边界。应用应把工具错误明确显示出来，在工作流需要时保留确认，并检查最终操作记录。

API 接入与迁移：不只是改模型名

Sol 6.1 的工具调用应使用 Responses API。官方模型文档允许通过 Chat Completions 生成文本，但该端点不支持此模型的工具调用；推理档位也不支持 none 和 minimal。旧项目若靠关闭推理或 Chat Completions 的函数调用运行，直接改名可能会出问题。

下面是 Python 文本请求示例，本文没有用真实 API 执行这段代码。请使用当前版本的 OpenAI SDK，将 API Key 放在环境变量中。

from openai import OpenAI
client = OpenAI()
response = client.responses.create(    model="gpt-6.1-sol",    reasoning={"effort": "medium"},    input="审查这个数据库变更方案，列出仍需证据支持的假设。",)
print(response.output_text)print(response.usage)

完整请求格式可查 Responses API 参考与 GPT-6 使用指南。模型支持流式响应、结构化输出；Responses 工具包括搜索、电脑操作、shell、代码解释器和 MCP。9 月 29 日更新日志还宣布了多 Agent 的 beta 支持，但一次文本请求成功，不等于这些工具或测试功能已经启用。迁移前，建议逐项检查：

1. 端点和工具循环。 原来依赖 Chat Completions 函数调用的 Agent，需要检查如何迁到 Responses。
2. 推理档位。 第一轮比较显式指定支持的档位；旧模型的 high 与新模型的 high，不能默认视为相同用量。
3. 响应处理。 检查完成状态、usage 和工具结果。HTTP 请求成功，不等于业务任务已完成。
4. 长上下文。 加一个超过 272K 输入的测试用例，核对计费类别。百万上下文是容量，不是短上下文价格承诺。
5. 区域与账号条件。 模型支持美国和欧盟数据驻留，但欧盟驻留不能用 Fast；账号额度和驻留资格仍有限制。

若现有请求依赖 none，这个配置就不能原样迁移。保留回退方案，再逐步切换。对成本敏感、验收清楚的子任务，可以结合我们的 GPT-6 Sol 与 Luna 对比，看看是否有必要全部交给同一档模型。

与 Astra、Sonnet 5.5、Opus 5.5 怎么选？

编辑建议是：高频、可检查的工作，优先把 Sol 6.1 加入测试。 比如限定范围的代码修改、带出处的文档问答、能核对最终结果的日常操作。这个建议来自效果与成本证据的综合判断，不是我们自己生产流量上的实测结论。

最难的任务继续保留 Astra。 官方科研成绩显示仍有差距。综合指数接近，也无法替你判断一个模糊的研究问题、复杂架构决策或罕见故障。

如果团队已有顺手的 Sonnet 5.5 或 Opus 5.5，也别只因新模型发布就换。 独立编码图比较的是 Claude Code、Codex 等完整 Agent；工具策略、提示词与回退都会影响结果。官方 AutomationBench 图中，最高展示档位的 Opus 5.5（含回退）也高于 Sol 6.1，只是成本更高。把这些条件删掉，再宣布一个通用冠军，反而会误导选择。

做迁移决定前，拿自己做过的一小组工作回放：

起始文件、指令、工具和时间限制尽量一致，先比 medium、high，再对失败项提高档位。没完成就记失败，不因为回答流畅而算通过。把费用、耗时、人工审查时间和通过率放在一起，才看得出升级是否真的划算。

常见问题

GPT-6.1 Sol 可以免费用吗？

API 模型页标明 Free tier 不支持。付费 ChatGPT 订阅与 API 计费是两套机制，不能把订阅里的可用额度理解成公开 API 免费，具体见模型访问与速率限制。

普通 ChatGPT 聊天能选 GPT-6.1 Sol 吗？

9 月 29 日发布说明列出了 Work 与 Codex，并注明普通 Chat 尚未开放。本文在 2026 年 10 月 1 日核查；请结合自己的模型列表和官方发布信息确认，不要把不同产品入口混为一谈。

百万上下文都按输入 $2、输出 $10 计费吗？

不是。输入超过 272K tokens，整个请求采用更高的长上下文费率。Standard 下 Sol 6.1 为每百万输入 $4、输出 $15，缓存也有对应价格，见官方价格表。

GPT-6.1 Sol Ultrafast 已经上线了吗？

发布公告写的是随后几天提供，不能据此断言所有账号已经能用。使用前应核对 Ultrafast 文档和当前产品中的选项，再决定是否依赖这个速度档。

推理是不是开 max 就最好？

不是。OpenAI 的 DeepSWE 测试在 high 档最高，Artificial Analysis 的编码 Agent 指数也是 xhigh 高于 max。更高推理有时能帮忙，但应以任务验收、费用与等待时间共同判断。

Sol 6.1 能联网搜索、操作电脑吗？

它支持 Responses 中的联网搜索和电脑操作工具，但应用必须实际接入并授权。知识截止日期不是实时联网；只发送一段文本，也不会让模型自动控制你的桌面。

如果现有 Sol 工作流已经有明确验收，就从那里开始比较。先用中等档位跑新模型，打开失败结果看看原因，再决定哪些任务值得提高推理。对一次迁移来说，这比发布当天的排名更有说服力。