本文要点
- Sol从GPT-6 Sol升级为GPT-6.1 Sol，重点转向编码和计算机使用。
- 标准输入和输出价格降到Astra约五分之一，缓存输入为0.10美元。
- 可用入口先落在ChatGPT工作、Codex和API，聊天入口尚未开放。
阅读辅助
先看数字、证据和来源，再读正文。
GPT-6.1 Sol的标准输入和输出token价格约为Astra五分之一。
2026-09-29 · OpenAI在DevDay 2026发布20多项更新，GPT-6.1 Sol列入模型主线。
GPT-6.1 Sol值得单独拆开看：它把模型竞争重新拉回一个更现实的问题。当agent开始连续写代码、操作电脑、调用工具和反复修正时，单次任务价格是否还能被团队接受。
9月29日，OpenAI正式发布GPT-6.1 Sol，并在同日DevDay回顾中把它列入20多项更新之一。官方给出的核心口径很明确：这是GPT-6 Sol的升级版，面向智能体编程、计算机使用和专业工作；标准输入与输出token价格约为GPT-6 Astra的五分之一。开发者可通过OpenAI API调用gpt-6.1-sol，Plus、Pro、Business、Enterprise和Edu用户则可在ChatGPT工作和Codex中使用，但官方同时说明这些模型尚未在聊天中提供。
需要先划清边界：性能数字、成本比较和故障评估主要来自OpenAI官方公告。AIHOT、中文社区整理和外部媒体报道能说明这件事在当天进入公共讨论，但不能替代独立复测。本文采用“更便宜地接近Astra”的表述，避免把官方自报扩写成“已经全面追平Astra”，因为OpenAI也保留了Astra在部分任务上仍领先的表述。
对开发者和企业买方来说，最直接的影响不在榜单名次，而在任务预算。一个能跑长上下文、反复执行命令、读取代码库并提交修改的模型，成本不是按单问单答计算，而是按整个工作流的token、缓存命中、失败重试和人工验收计算。Sol如果能在这些任务上稳定接近Astra，价格带变化会优先影响Codex、自动化QA、代码审查、安全扫描和内部运营脚本。
OpenAI这次实际公布了什么
OpenAI对GPT-6.1 Sol的定位是“GPT-6 Sol的重大升级”。官方中文页面强调它在智能体编程、计算机使用和专业工作方面表现出色，并把“接近GPT-6 Astra的智能”与“Sol价格”放在同一句中。这一措辞本身有两个限定：第一，它强调接近，而不是取代；第二，它把比较对象限定在高难度任务和标准输入、输出token价格上。
价格是最清楚的部分。OpenAI列出的GPT-6.1 Sol API价格是每百万输入token 2美元，每百万输出token 10美元，每百万缓存输入token 0.10美元。官方称缓存输入比标准输入低95%。这对agent工作流尤其关键，因为一个真实任务往往不是一次提示词结束，而是多轮读取仓库、复用任务说明、重放上下文和校验输出。缓存输入越便宜，长任务越有可能从“偶尔跑一次”变成“持续挂在流水线上”。
评测口径也要分开看。OpenAI称，在DeepSWE 1.1中，GPT-6.1 Sol以约五分之一成本达到与GPT-6 Astra相当的水平，并在更低推理强度和成本下，比GPT-6 Sol最高得分高6.4个百分点。在AutomationBench 1.0.6中，Sol中等推理强度得分比Opus 5.5高2.2个百分点，成本约为其三分之一，同时比相同设置下的GPT-6 Sol高4.8个百分点。在OSWorld 2.0最高推理强度下，Sol比GPT-6 Sol高7个百分点，成本不到其一半；与Astra得分差距缩小到2.1个百分点以内，单任务成本约为Astra的七分之一。
但Astra没有被官方写成退位。OpenAI在Terminal-Bench Science 0.1中给出的成本对比是：Sol最高推理强度平均单任务成本 5.47美元，Opus 5.5为23.21美元，Astra为23.80美元；同一段又说明GPT-6 Astra仍以68.1%得分在受测模型中排名第一。这里的“仍”很重要，它表示Astra保持领先状态，不是Sol让Astra再次提高，也不是Sol已经成为绝对第一。
| 维度 | OpenAI公布的Sol口径 | 可得出的结论 | 边界说明 |
|---|---|---|---|
| 标准输入价格 | 2美元/百万token | 比Astra标准输入价低到约五分之一 | 所有场景总成本都低五分之一 |
| 标准输出价格 | 10美元/百万token | 输出价格也按同一比例进入低价带 | 输出质量已完全等同Astra |
| 缓存输入价格 | 0.10美元/百万token | 上下文复用任务可能明显受益 | 每个agent任务都会省95% |
| OSWorld差距 | 2.1个百分点以内 | computer use能力接近Astra | Sol全面超过Astra |
| Science任务成本 | 5.47美元 | 专业任务成本低于Astra和Opus 5.5 | Astra不再是最强模型 |
价格变化为什么比单项分数更重要
过去一年，模型发布的叙事常常围绕“更聪明”展开。但对编码agent和computer use来说，“更聪明”只有在成本曲线能支撑反复尝试时才会进入生产。一个自动修bug任务可能要读几十个文件、生成多版patch、跑测试、解释失败、重新定位，再把结果整理成可审查的提交。这个过程里，模型会消耗大量输入token，输出token也不一定一次成稿。Astra这种前沿模型如果每次都用于全流程，容易让团队把它留给少数高价值任务。
Sol的策略是把“接近Astra”的能力放在更低的调用价格上。官方公告没有说它在全部能力上超过Astra，反而保留了Astra仍是综合能力更强的前沿模型这一位置。这样看，Sol更像OpenAI给agent工作流准备的经济主力：Astra负责最高难度和最需要把握的任务，Sol负责大量高频、长链路、可重试的工程任务。
这会改变开发者的模型选择顺序。以前团队可能先问“哪个模型最强”，再回头压缩上下文和调用次数；Sol出现后，问题会变成“哪些步骤值得用Astra，哪些步骤可以默认交给Sol”。例如代码库问答、初步修复、测试失败解释、浏览器自动化、表格清洗和日志总结，都可能被放进Sol层；真正的架构判断、安全边界和最终审查再切换到更贵模型。模型路由从体验优化变成成本控制工具。
企业买方也会更在意失败率。OpenAI给出的价格是token价格和部分基准任务成本，但实际采购账单还包括失败重试、工具调用延迟、人工复核、权限配置和审计留痕。如果Sol在公开评测中接近Astra，但在企业内部任务里因为上下文复杂、工具权限受限或规范不清导致反复重试，账单未必按官方表格下降。反过来，如果缓存命中率足够高，Sol可能把一些此前只能排队人工处理的任务变成后台常驻流程。
可用范围里的一个细节
OpenAI公告的可用范围也值得注意。官方写法是：所有Plus、Pro、Business、Enterprise和Edu用户即日起可在ChatGPT工作和Codex中使用GPT-6.1 Sol；开发者也可通过OpenAI API调用gpt-6.1-sol；这些模型尚未在聊天中提供。
这意味着Sol优先服务工作流入口。ChatGPT工作和Codex分别对应知识工作与软件工程，API则给开发者和企业系统留出集成空间。对OpenAI来说，这能把Sol的定位从“更便宜的聊天模型”移开，转向“可运行任务的模型层”。它也让用户预期更具体：评价Sol时，不应只拿日常问答体感判断，而要看它在代码修改、电脑操作、长期上下文和工具调用中的稳定性。
这里还要保留一个状态语义。官方说“这些模型尚未在聊天中提供”，对应的是当前未开放普通聊天入口，不能外推未来不会开放。官方说Astra在Terminal-Bench Science中仍排名第一，对应的是Astra保持领先状态，不能翻成Sol全面登顶或Astra再次提升。
关键表述核对
| 原文状态 | 中文口径 | 边界 |
|---|---|---|
| 标准输入和输出Token价格仅为Astra五分之一 | 标准输入和输出价格约为Astra五分之一 | 不写成所有任务总成本固定五分之一 |
| Astra仍以68.1%的得分排名第一 | Astra在该评测中仍领先 | 不写成Astra再次提高到68.1% |
| 这些模型尚未在聊天中提供 | 当前未开放普通聊天入口 | 不写成ChatGPT聊天已可用 |
| 与Astra的得分差距缩小至2.1个百分点以内 | OSWorld最高推理强度下接近Astra | 不写成全面追平或超过Astra |
这组评测应该怎么读
DeepSWE、AutomationBench、OSWorld和Terminal-Bench Science分别对应不同类型的任务。DeepSWE偏向软件工程，AutomationBench看自动化流程，OSWorld更接近桌面环境里的computer use，Terminal-Bench Science则落到终端里的科学任务。OpenAI把这些评测放在一起，说明Sol的主要卖点不是单一聊天能力，而是跨工具、跨环境执行任务的综合能力。
不过，评测名称越专业，越需要警惕“可比性”。比如“以约五分之一成本达到与Astra相当水平”需要知道推理强度、任务分布、失败处理和成本计算是否一致；“比Opus 5.5高2.2个百分点”要看样本量和模型设置；“成本不到一半”也可能因为推理强度、缓存策略和任务长度不同而变化。官方公告给了方向，但没有替第三方复测完成全部工作。
从产品策略看，Sol补的是OpenAI模型矩阵里的中高端经济层。Luna类模型可以承担更轻的任务，Astra承担最复杂的推理和高价值工作，Sol则卡在“足够强且足够便宜”的位置。这个位置对agent生态很关键，因为agent系统不是只调用一次最强模型，而是由规划、检索、执行、校验、修复和总结组成。每个环节都用旗舰模型会太贵，每个环节都用小模型又会拉低成功率。
Sol如果稳定，会让模型路由更像云计算资源调度：默认层负责大多数任务，高阶层处理少量高风险节点，缓存层摊薄重复上下文成本。开发者最该跟踪的不是某个benchmark瞬时排名，而是它在真实项目中的“单位可接受修改成本”。这个指标包括一次成功PR、一次可用数据清洗、一次能通过人工审查的浏览器自动化任务，最后都要回到单任务总价和可靠性。
早报判断是，OpenAI没有让Sol直接挑战Astra的旗舰位置，而是在Astra下方铺了一层更可规模化的执行模型。这个分层对OpenAI有利：它可以继续用Astra维持高端能力叙事，同时用Sol承接开发者日常调用。对企业也有利，因为采购可以把“最强模型”拆成“最贵节点”和“常规节点”，更容易做预算和治理。
风险在于，价格优势很容易被失败重试吃掉。官方表格展示的是模型侧能力与部分任务成本，企业真实环境还会遇到权限、数据脏度、工具不可达、测试耗时和人工验收。Sol是否真能改变成本曲线，最终不由发布页决定，而由Codex里的成功率、缓存命中率和第三方复测决定。
对不同读者的直接影响
开发者最先能试的是Codex和API。一个合理的做法是把Sol放到默认执行层，用它承担代码检索、初稿patch、测试失败解释、脚本生成和文档更新；遇到跨服务架构、复杂安全判断或高风险数据迁移时，再把关键节点切到Astra或人工审查。这样能把Sol的低价优势转化成可控的工程流程，而不是简单替换模型名。
企业买方需要重新建成本模型。过去按“每百万token价格”粗估费用已经不够，agent场景应按任务算账：一个任务平均读取多少上下文、缓存能命中多少、平均重试几次、失败后是否需要人工接管、最终产物是否进入审计流程。Sol的0.10美元/百万缓存输入token只有在上下文复用真实发生时才是关键优势；如果每次任务都重新装载不同材料，节省幅度会下降。
模型厂商和工具平台会受到更直接的比较压力。OpenAI在AutomationBench里点名Opus 5.5，并把Sol描述为得分高2.2个百分点且成本约三分之一。这类写法会推动市场从“模型最好用吗”转向“同等任务完成质量下谁更便宜”。对第三方IDE、浏览器自动化平台和内部agent框架来说，默认模型的性价比会比单项峰值能力更重要。
研究者和评测平台则有一项明确任务：复测。OpenAI公告给出了足够多的基准名称和数字，但这些结果要经得起独立环境、不同任务集和不同推理强度下的验证。尤其是OSWorld和DeepSWE这类接近真实工作的评测，如果第三方复测确认Sol接近Astra，OpenAI的价格叙事会变强；如果复测落差明显，Sol就更像一个在官方任务分布上优化过的中高端模型。
接下来看什么
接下来最值得看的不是更多宣传语，而是三个可验证信号。第一，DeepSWE和OSWorld是否出现公开复测，尤其是同一推理强度、同一任务集、同一成本计算方式下的结果。第二，Codex是否把Sol放到默认模型或推荐模型位置，这会比公告措辞更能说明OpenAI对它稳定性的信心。第三，API用户的真实账单是否显示缓存输入明显拉低长任务成本，还是被重试和工具失败抵消。
还要看聊天入口。OpenAI明确说这些模型尚未在聊天中提供，所以Sol短期更像工作流模型，而不是大众聊天模型。如果未来进入普通ChatGPT聊天，OpenAI需要重新解释它和Astra、Luna以及Pro档位之间的边界。若不进入聊天，Sol的评价标准就应集中在开发者生产环境，而不是社交媒体上的对话体感。
最后是安全与治理。Sol越便宜，越容易被放进更多自动化流程；越多流程自动化，越需要审批、权限、审计和回滚机制跟上。OpenAI在DevDay同日推出Dot、Codex Cloud和一系列企业功能，说明它并不只是在卖一个便宜模型，而是在把模型调用、工作区、插件和企业市场连成更大的执行平台。Sol的价格下降只是入口，真正的考验是这些agent系统能否在低成本下稳定、可控、可审计地完成任务。