Dola Seed 2.0 Lite vs GPT-6.1 Sol

Dola Seed 2.0 Lite saiu do nosso catálogo. Os números abaixo são as últimas tarifas publicadas; ele não pode mais ser chamado, ao contrário do outro modelo desta comparação.

vs

Qual usar e quando

O Dola-Seed-2.0-lite é a opção mais barata e com entrada mais ampla: ele aceita texto, imagem, vídeo e áudio, permite que o pensamento seja desativado e custa 8x menos na entrada ($0.25 vs $2 por milhão) e 5x menos na saída ($2 vs $10), com 256000 tokens de contexto e até 131072 de saída. O gpt-6.1-sol troca isso por um contexto de 1050000 tokens aproximadamente 4x maior, raciocínio que não pode ser desativado e um corte de conhecimento em 2026-04, mas apenas texto e imagem na entrada. Escolha o modelo da ByteDance para entrada de áudio ou vídeo e controle de custos em alto volume, gpt-6.1-sol para contextos muito longos de texto e imagem.

Benchmarks

GPT-6.1 Sol: o provedor não publicou resultados de benchmark.

Acima da médiaNenhum melhorDola Seed 2.0 Lite4 / 103 / 10
Dola Seed 2.0 Lite GPT-6.1 Sol outros modelos medidos média dos modelos comparados ★ nenhum outro modelo teve pontuação maior
SWE Multilingual GPT-5.4 High
66.6%
N/A
WenetSpeech test-net (CER)
nenhum outro modelo teve pontuação maior 4.47%
N/A
OSWorld-Verified
64.4%
N/A
GPQA Diamond
88.4%
N/A
BrowseComp
64%
N/A
MMVU
76.7%
N/A

Publicado pelos provedores: Alibaba (Qwen) Alibaba (Qwen) Alibaba (Qwen) Alibaba (Qwen) Alibaba (Qwen) Alibaba (Qwen) Alibaba (Qwen) Anthropic Anthropic ByteDance DeepSeek DeepSeek Google Google MiniMax Moonshot OpenAI OpenAI OpenAI OpenAI Tencent Z.ai Z.ai

Preços

Dola Seed 2.0 Lite GPT-6.1 Sol Δ
Entrada / 1M tokens $0.25 $2 0.13×
Saída / 1M tokens $2 $10 0.2×
Leitura de cache / 1M tokens $0.05 $0.1 0.5×
Escrita de cache - 1.25x (30m) / 2.5x (12h) -

Tarifas do catálogo em tempo real, lidas no momento do build; a página de cada modelo traz a tabela de preços atual. A tabela principal mostra as tarifas base. O comprimento da entrada pode alterar a tarifa de toda a solicitação. Consulte as faixas nas páginas dos modelos.

Dola Seed 2.0 Lite · Preços por comprimento de entrada

Toda a solicitação usa a tarifa da faixa de comprimento de entrada. Preços em USD por milhão de tokens.

Tokens de entradaEntradaSaída
0 - 128.000 $0.25 $2
128.001 - ∞ $0.5 $4

GPT-6.1 Sol · Preços por comprimento de entrada

Toda a solicitação usa a tarifa da faixa de comprimento de entrada. Preços em USD por milhão de tokens.

Tokens de entradaEntradaSaída
0 - 272.000 $2 $10
272.001 - 1.050.000 $4 $15

Onde cada um fica: preço de entrada por 1M tokens entre os 86 modelos de chat com esta unidade de cobrança (escala logarítmica)

$0.05 · Qwen3 VL Flash $30 · GPT-5.4 Pro

Capacidades

Dola Seed 2.0 Lite GPT-6.1 Sol
Uso de ferramentas sim sim
Controle de raciocínio configurável sempre ativo
Saída estruturada sim sim
Cache de prompts implícito + explícito implícito + explícito
Tempo de vida do cache não publicado at least 30m by default, 12h option on the Responses API
Prefixo mínimo em cache 1,024 tokens 1,024 tokens

Especificações

Dola Seed 2.0 Lite GPT-6.1 Sol
Modalidades de entrada texto imagem áudio vídeo texto imagem
Modalidades de saída texto texto
Lançamento 2026-02-14 2026-09-29
Corte de conhecimento - 2026-04
Janela de contexto 256.000 1.050.000
Saída máxima 131.072 128.000
Parâmetro de raciocínio
  • thinking.type
  • reasoning_effort
reasoning.effort
Valores aceitos
thinking.type
  • enabled
  • disabled (no auto)
reasoning_effort
  • minimal
  • low
  • medium
  • high
reasoning.effort
  • low
  • medium
  • high
  • xhigh
  • max
Padrão enabled, com reasoning_effort medium medium

As especificações são transcritas da documentação de cada provedor; quando um provedor não publica um dado, a linha é omitida, e não inferida. Fontes completas: Dola Seed 2.0 Lite · GPT-6.1 Sol

Um prompt, os dois modelos, medidos pelo gateway

PROMPT Explain to a CFO, in exactly three sentences, why our LLM bill doubled after we enabled reasoning. VERIFICAÇÃO exatamente 3 frases

Dola Seed 2.0 Lite passou · 3 sentences

Enabling reasoning on our production LLM requires the model to run resource-intensive multi-step chain-of-thought inference for every customer-facing query, rather than the single-pass inference that powered our original non-reasoning deployment, and GPU compute—which makes up 90% of our total LLM bill—scales directly with the number of compute cycles each query consumes. Our cloud provider’s LLM billing model charges per million processed tokens, and reasoning workflows generate an average of 2.1x more hidden processing tokens (the intermediate problem-solving steps the model never surfaces to end users) that are still billable, pushing our total monthly token consumption just over double what it was prior to enabling the feature. […]

saída 1306 tok (+1096 raciocínio) latência 18.2 s

GPT-6.1 Sol passou · 3 sentences

Enabling reasoning makes the model do more computational work before answering, and many providers bill the resulting reasoning tokens even though users never see them. That means the same number of requests can cost twice as much because each request consumes more billable tokens, even if the visible answers stay the same length. We should confirm the increase in our usage breakdown and reserve higher reasoning levels for tasks where the improvement justifies the added cost.

saída 144 tok (+54 raciocínio) latência 6.6 s

Se a instrução é seguida (exatamente três frases, dá para contar), a adequação ao público (tom para um CFO) e a diferença de cobrança causada pelo raciocínio oculto, que os medidores de tokens abaixo deixam à mostra.

PROMPT This function is supposed to return the longest run of consecutive equal items, but callers report it is off by one on single-element inputs and misses runs that end at the last index. Fix it and explain the bug in one paragraph. VERIFICAÇÃO a correção passa nos testes

Dola Seed 2.0 Lite passou · 8/8 cases

### Corrected Function ```python def longest_run(xs): if not xs: # Handle empty input edge case return 0 best = cur = 1 # Base run length of 1 for any non-empty single element for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 best = max(best, cur) else: cur = 1 # Reset run length for the new, different element return best ``` ### Bug Explanation (single paragraph) The original function’s core flaw was that it counted the number of consecutive equal adjacent element pairs, rather than the number of elements in the run itself, leading to all results being off by one, which caused both reported issues: a run of k equal elements only has k-1 consecutive matching pairs, so the original function’s maximum `best` value was always one less than the true element count of the longest run. […]

saída 2620 tok (+2217 raciocínio) latência 33.2 s

GPT-6.1 Sol passou · 8/8 cases

```python def longest_run(xs): if not xs: return 0 best = cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 else: cur = 1 best = max(best, cur) return best ``` The original function counts equal adjacent pairs rather than items in a run: a run of length `n` has only `n - 1` equal pairs, so a single-element input returns `0`, and a run ending at the last index is also undercounted. It does process the last index, so the issue is not a missing final check. Initializing each nonempty run to `1` and updating `best` after every iteration correctly counts items, including singleton and trailing runs; empty inputs still return `0`.

saída 189 tok latência 6.3 s

Se a correção está mesmo certa (dá para executar), a densidade da explicação e a eficiência em tokens em uma tarefa bem delimitada.

PROMPT Extract a JSON object with fields {company, quarter, revenue_usd_m, growth_pct, guidance} from this text. Use null for anything not stated; add no other fields. VERIFICAÇÃO JSON válido, schema exato

Dola Seed 2.0 Lite passou · 5/5 fields, guidance "Formal guidance withheld pending Q4 clos"

{ "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": 11, "guidance": "Formal guidance withheld pending Q4 close" }

saída 1502 tok (+1439 raciocínio) latência 20.2 s

GPT-6.1 Sol passou · 5/5 fields, guidance "Withheld pending the Q4 close"

{ "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": null, "growth_pct": "eleven and change", "guidance": "Withheld pending the Q4 close" }

saída 345 tok (+285 raciocínio) latência 10.2 s

Aderência ao schema (sem campos inventados), pressão para alucinar (o texto diz explicitamente que o guidance não foi divulgado) e diferenças no caminho de saída estruturada.

PROMPT Write a 120-word product announcement for an API gateway feature that caches prompts across providers. Forbidden words: "seamless", "unlock", "game-changer", "revolutionize", "empower". Exactly one sentence must be a question. VERIFICAÇÃO 120 palavras, 0 palavras proibidas

Dola Seed 2.0 Lite falhou · 141 words, 0 banned, 1 question

Today we launch Cross-Provider Prompt Cache, a new feature for our Core API Gateway built to cut redundant AI costs and latency for teams routing requests across multiple LLM providers. Many development teams rotate between OpenAI, Anthropic, and Google Gemini to balance performance, cost, and capability, but identical prompts get reprocessed from scratch with every provider switch, wasting tokens and slowing response times. This feature stores validated prompt responses at the gateway layer, so repeat requests pull from cache regardless of which provider they route to, with configurable TTLs and built-in compliance with all major provider data policies. […]

saída 1870 tok (+1695 raciocínio) latência 23.1 s

GPT-6.1 Sol passou · 120 words, 0 banned, 1 question

Introducing Cross-Provider Prompt Cache, a new API gateway feature that stores reusable prompts and manages caching across your supported AI providers. Why rebuild the same context every time your application switches models? With one configuration, teams can reuse shared instructions, standardize cache policies, and reduce repeated prompt processing wherever provider caching is available. The gateway handles provider-specific requirements while giving you clear visibility into cache hits, usage, and estimated savings. Set expiration windows, isolate cached content by project, and invalidate entries when prompts change. Your existing routing logic stays intact, so you can compare models without rebuilding your caching workflow. […]

saída 588 tok (+435 raciocínio) latência 13.9 s

Respeito às restrições (limite de palavras, lista de palavras proibidas, uma única pergunta), a marca de estilo de cada modelo e o controle do tamanho.

Troque de um para o outro mudando uma linha

Os dois ids estão em todas as abas abaixo; o par de linhas destacado é a única alteração. O endpoint, a chave e o formato da requisição são os mesmos.

from openai import OpenAI

client = OpenAI(
    base_url="https://synthorai.io/v1",
    api_key="sk-syn-...",
)

resp = client.chat.completions.create(
    model="Dola-Seed-2.0-lite",
    # model="gpt-6.1-sol",  # descomente esta linha, comente a linha acima
    messages=[{"role": "user", "content": "Summarize this diff"}],
)
print(resp.choices[0].message.content)

Obtenha sua chave de API →

Perguntas frequentes

Qual é mais barato, Dola Seed 2.0 Lite ou GPT-6.1 Sol?

A tabela principal mostra as tarifas base. O comprimento da entrada pode alterar a tarifa de toda a solicitação. Consulte as faixas nas páginas dos modelos.

Posso fazer um teste A/B de Dola Seed 2.0 Lite contra GPT-6.1 Sol sem duas integrações?

Sim. Os dois são servidos pelo mesmo endpoint compatível com OpenAI, com uma única chave de API. Para trocar, basta mudar uma linha, a string do modelo; assim você pode direcionar uma parte do tráfego para cada um e comparar as contas diretamente.

Dola Seed 2.0 Lite e GPT-6.1 Sol suportam cache de prompts?

Sim. Os dois cobram as leituras de cache abaixo da tarifa de entrada, então cargas de trabalho com prefixo já em cache custam menos do que os preços de tabela sugerem. Os valores exatos de leitura de cache estão na tabela de preços acima.

Comparações relacionadas

Dos nossos estudos com medições