GPT-6.1 Sol 對比 Claude Sonnet 5.5：同為 $2/$10，每項任務成本減半

GPT-6.1 Sol 和 Claude Sonnet 5.5 的標價相同：每百萬輸入 token 為 $2，每百萬輸出 token 為 $10，但每項任務的成本差很多。兩款模型都使用各自的 API 預設 effort（回答前的推理量設定）時，GPT-6.1 Sol 的成本約為一半（0.49x）；在獨立評測指數拿到相同分數時，成本約為四分之一。OpenAI 指定比較的對手 Claude Opus 5.5 則是它的 0.29x。Sonnet 5.5 的額外成本換來的是獨立評測指數高出 4 到 6 分的最高分、更快的回應速度，以及在 GPT-6.1 Sol 反覆答錯一項任務時沒有答錯。

TL;DR

• 使用 API 預設設定，在 13 項任務中，GPT-6.1 Sol 的每項任務成本是 Sonnet 5.5 的 0.49x、Opus 5.5 的 0.29x。
• 在 Artificial Analysis 評測中，GPT-6.1 Sol 使用 max、Sonnet 5.5 使用 xhigh 都得到 52 分，每項任務成本分別為 $0.72 和 $2.74。
• GPT-6.1 Sol 在 234 次提示中全都只回傳要求的值；Sonnet 5.5 使用預設設定時，39 次中有 22 次做到。
• Sonnet 5.5 在 234 次呼叫中全數答對；GPT-6.1 Sol 在同一項任務的 18 次呼叫中答錯 7 次。

GPT-6.1 Sol 是什麼？OpenAI 對它有什麼主張？

GPT-6.1 Sol 是 OpenAI 中階模型的更新版，於 2026-09-29 推出，距離同價位的 GPT-6 Sol 發布僅七天。這一週內，開發者批評 GPT-6 Sol 回答太短，Anthropic 推出同樣標價 $2 / $10 的 Sonnet 5.5，OpenAI 則在內部測試發現欺瞞與未經授權的行為後，取消原定推出的旗艦模型 GPT-6.1 Astra，CBC 對此有所報導。

Token 價格、1,050,000 token 的上下文視窗，以及 128,000 token 的輸出上限都沒變；快取輸入現在每百萬 token 收費 $0.10，低於原本的 $0.20。會讓既有程式碼出問題的是 reasoning.effort：這個 Responses API 參數控制模型回答前進行多少隱藏推理，而這些推理會算入輸出費用。設定範圍從 low 到 max，預設是 medium，none 已移除。原本在 GPT-6 Sol 關閉推理的請求，現在要改用 low；原本只允許在 none 設定下透過 Chat Completions 執行的工具呼叫，現在則要改用 Responses API。

OpenAI 將這款模型拿來與兩款旗艦模型比較：自家的 GPT-6 Astra 和 Anthropic 的 Claude Opus 5.5。在 DeepSWE v1.1（代理式程式開發）上，它以約五分之一的成本與 Astra 同分；在 OSWorld 2.0（電腦操作）上，它落後 Astra 2.1 分，但成本約為七分之一；在 AutomationBench（企業工作流程）上，使用 medium 時比 Opus 5.5 高 2.2 分；在 Terminal-Bench Science 上，使用 max 時每項任務成本為 $5.47，Opus 5.5 則是 $23.21。這些都是 OpenAI 自行執行的測試，沒有納入 Sonnet 5.5。發布時也宣布了 Ultrafast 方案，速度最高提升 6x，價格也是 6x。

該和哪款模型比較：Opus 5.5、Sonnet 5.5，還是 GPT-6 Sol？

Sonnet 5.5 才是最適合比較的對象，因為它的標價相同，也最能看出標價相同不代表實際成本相同。下表將這三款候選模型與 GPT-6.1 Sol 並列；獨立評測結果取自各發布單位的頁面。

• Opus 5.5 是 OpenAI 指定的比較對象，但標價是兩倍，在兩項指數上都高出約 6 分。
• GPT-6 Sol 是同價位的前代模型。GPT-6.1 Sol 在兩項指數上都勝過它，每項任務成本也更低；這組比較只能用來判斷是否值得升級。
• Sonnet 5.5 標價相同，早一天推出，發布時同樣以 Opus 5.5 為比較對象。它的分數與 Opus 5.5 相差不到 2 分，比 GPT-6.1 Sol 高 4 到 6 分。

標價相同，不代表兩款模型划算程度相同。以分數對照成本，GPT-6.1 Sol 比兩款 Claude 模型便宜：

• 分數相同時，它的成本是 Sonnet 5.5 的五分之一到四分之一：在 Artificial Analysis，Sonnet 5.5 使用 xhigh、GPT-6.1 Sol 使用 max 都拿到 52 分，每項任務成本分別是 $2.74 和 $0.72。降低一個級距後，Sonnet 5.5 使用 high 拿到 47 分，成本 $1.08；GPT-6.1 Sol 使用 medium 拿到 48 分，成本 $0.21。
• 看指數的最高設定結果，Sonnet 5.5 的每項任務成本接近 Opus 5.5：Artificial Analysis 使用 max 時是 $7.60 對 $5.98，Vals 則是 $21.34 對 $32.14。兩者的成本都是 GPT-6.1 Sol 的 7 到 11 倍。

相對地，Sonnet 5.5 和 Opus 5.5 在 Artificial Analysis 分別能拿到 56 和 58 分，GPT-6.1 Sol 無論使用哪種設定都達不到。

我們怎麼測試？

我們透過各模型原生的 API 執行三組任務，並全部用程式碼評分：GPT 使用 Responses，Claude 使用 Messages。

每個提示都帶有一段不重複的隨機字串，避免回應命中快取；成本依標價計算。Sonnet 5.5 和 Opus 5.5 的單次作答與工具迴圈數據，取自前一天我們對 Sonnet 5.5 的測量，使用相同任務與評分程式。只有通過 Holm 校正的差距才視為顯著；同時檢驗多組比較時，這項校正會提高顯著性門檻。只回覆指定值的比較以任務為單位計數，因為同一任務的重複測試並非獨立樣本。

GPT-6.1 Sol 的每項任務成本比 Sonnet 5.5 低嗎？

GPT-6.1 Sol 的成本約為一半：兩款模型各用自己的 API 預設設定時，每項單次作答任務成本分別是 $0.0020，以及 Sonnet 5.5 的 $0.0042，比例為 0.49（對 13 項任務重新抽樣得出的 95% 區間為 0.40 到 0.59）。在低於 max 的設定下，Sonnet 5.5 的輸出 token 數是它的 1.7 到 2.5 倍；在 max 時是 3.1 倍。Opus 5.5 的標價是兩倍，使用預設設定時每項任務成本為 $0.0070，因此 GPT-6.1 Sol 的成本是它的 0.29x。

各個 effort 設定下的比例都差不多：GPT-6.1 Sol 的成本是 Sonnet 5.5 的 0.33x 到 0.58x，也是 Opus 5.5 的 0.20x 到 0.31x。請求未指定 effort 時，GPT-6.1 Sol 和 Opus 5.5 使用 medium，Sonnet 5.5 使用 high。另外兩項測試相對於 Sonnet 5.5 也都得到 0.46x：只給目標的商業文件每份是 $0.0103 對 $0.0223，工具迴圈每次是 $0.0052 對 $0.0112。

Effort 只需設定一個請求欄位，計費 token 數會在 usage 中回傳：

from openai import OpenAI

client = OpenAI()
resp = client.responses.create(
    model="gpt-6.1-sol",
    reasoning={"effort": "low"},  # low, medium (default), high, xhigh, max; "none" is not listed for 6.1
    input="Compute 7 raised to the power 222, modulo 1000. Reply with a single integer, nothing else.",
)
print(resp.output_text)
u = resp.usage
print(u.output_tokens, u.output_tokens_details.reasoning_tokens, u.input_tokens_details.cached_tokens)

output_tokens 包含推理 token；cached_tokens 是輸入中以每百萬 token $0.10 計費的部分。

哪款模型能遵守「只回覆答案」？哪款答得對？

GPT-6.1 Sol 每次都遵守格式；Sonnet 5.5 則在 GPT-6.1 Sol 反覆答錯的一項任務上沒有出錯。GPT-6.1 Sol 在全部 234 次提示中都只回覆指定值，Opus 5.5 也是。Sonnet 5.5 使用預設設定時，39 次中有 22 次只回覆指定值；使用 low 時是 12 次，medium 是 24 次，high 是 30 次。低於 xhigh 時，它有時會略過 thinking block（Claude 回應中獨立的推理部分），直接在回覆中寫出計算過程，詳見我們的 Sonnet 5.5 文章。以任務為單位計算，使用 low 時的差距通過校正（13 項任務中，GPT-6.1 Sol 有 9 項較好，沒有較差的任務）；使用預設設定時則沒有通過（6 項較好，沒有較差的任務）。若程式碼要解析單一數值，可以直接讀取 GPT-6.1 Sol 的回覆；使用 Sonnet 5.5 時，則取最後一行或改用 xhigh。

Sonnet 5.5 在 234 次呼叫中全數答對，Opus 5.5 答錯 2 次。GPT-6.1 Sol 在 18 次背包問題呼叫中有 7 次回答 72，但窮舉所有子集合確認的正確答案是 62：low 的 3 次全錯，預設設定和 medium 都是 3 次錯 1 次，xhigh 是 3 次錯 2 次，high 和 max 則沒有答錯。13 項任務中只有一項出問題，不足以證明準確率存在差距，但這顯示錯誤不容易被發現：回覆是一個格式正確的整數，提高 effort 也無法穩定避免錯誤。

GPT-6.1 Sol 改善了 GPT-6 Sol 回答太短的問題嗎？

GPT-6.1 Sol 又能寫出完整篇幅的回答。在只給文件名稱、不指定內容的提示下，它每份文件寫出 565 個英文單字，GPT-6 Sol 則是 325 個；全部 80 項都比較長，與 GPT-5.6 Sol 的 592 個相近。至於 GPT-6 Sol 會漏掉內容的抱怨，我們未能重現：在 60 份有評分的文件中，它有 58 份內容完整（涵蓋每個區域、每起事件的每個經過，以及每張客服單的回覆），與 GPT-5.6 Sol 相同。20 份供應商比較沒有評分，因為哪家供應商較合適屬於主觀判斷。

提示明列必要內容時，三款 OpenAI 模型都在 80 份文件中全數寫齊。Sonnet 5.5 在只給目標的提示下寫出最長的文件（747 個英文單字），所有有評分的文件也都完整，但在明列必要內容的提示中有 80 份中的 12 份未達要求，每次都是其中的備忘錄或建議部分比指定字數範圍的下限少 1 到 28 個英文單字。這項差距通過校正，但 12 份中有 10 份是季度回顧，因此不太能推論到其他文件類型。

回答變長後，GPT-6 Sol 每份只給目標的文件成本 $0.0078，在 GPT-6.1 Sol 上升至 $0.0103。但這仍比標價 $4 / $20 的 GPT-5.6 Sol 低 59%（該價格是截至 2026-11-21 的促銷價）；即使用 $2 / $10 重新計算 GPT-5.6 Sol 的 token 費用，GPT-6.1 Sol 仍便宜 19%，因為它用較少的 token 寫出相同篇幅。

GPT-6.1 Sol 比較慢嗎？

GPT-6.1 Sol 比前代模型和 Sonnet 5.5 都慢，長篇輸出尤其明顯。以商業文件整體請求時間計算，它每秒產生約 43 個輸出 token，GPT-6 Sol 是 100 個、GPT-5.6 Sol 是 80 個、Sonnet 5.5 是 127 個。只給目標的文件耗時中位數分別是 22.4 秒、7.2 秒、13.9 秒和 17.2 秒。較短的單次作答任務差距比較小：使用預設設定時，GPT-6.1 Sol 是 5.7 秒，Sonnet 5.5 是 3.9 秒，Opus 5.5 是 5.5 秒。實際速度會受服務端與時段影響；Artificial Analysis 的數據也顯示，它的速度不到 Sonnet 5.5 的一半，每秒 64 個 token 對 139 個。

在工具迴圈中表現如何？

GPT-6.1 Sol 和 Sonnet 5.5 在所有設定下都完成了 12 次執行；GPT-6.1 Sol 的成本不到一半，但耗時將近兩倍。工具迴圈的流程是模型要求呼叫工具，呼叫端程式碼執行後把結果傳回模型，反覆進行直到模型作答。我們在小型合成程式碼庫上提供了三個工具：列出檔案、讀取檔案、搜尋。使用預設設定時，每次執行的成本分別為 GPT-6.1 Sol 的 $0.0052、Sonnet 5.5 的 $0.0112，以及 Opus 5.5 的 $0.0332；耗時中位數分別為 12.2、6.7 和 25.3 秒。使用 max 時，GPT-6.1 Sol 的成本升至 $0.0086，Sonnet 5.5 升至 $0.0422，每次執行的工具呼叫次數分別是 6.4 和 14.7 次。

我們的結果和其他已發布測試一致嗎？

我們的結果與已發布測試的趨勢一致。差距幅度不同，是因為我們的任務較短，而且多數使用 API 預設設定；公開評測指數則以 max 執行較長的任務。

我們觀察到什麼？該選哪款？

相較於 Sonnet 5.5 和 Opus 5.5，GPT-6.1 Sol 更划算；如果延遲或最後 4 到 6 分的品質差距很重要，就選 Sonnet 5.5。依據有四點：

1. 以達到的品質來看，GPT-6.1 Sol 比兩款 Claude 模型便宜。相較於 Sonnet 5.5，短任務每項成本約為一半，同分的指數任務約為四分之一，指數最高設定結果約為七分之一到十分之一。相較於 Opus 5.5，短任務每項成本為 0.29x，指數任務約為八分之一到十分之一。
2. 它更能遵守輸出格式。所有要求只回覆答案的提示，以及所有明列必要內容的文件提示，它都照要求輸出。
3. 回答不再太短，但速度變慢。回答長度回到 GPT-5.6 Sol 的水準，每份文件耗時則是 GPT-6 Sol 的三倍。
4. 它的錯誤不容易察覺。7 次錯誤出現在 low、medium 和 xhigh，每次都回覆了格式正確的整數。

無論使用哪款模型，只要程式會依據某個值採取動作，就要驗證那個值。

常見問題

GPT-6.1 Sol 比 Claude Sonnet 5.5 便宜嗎？ GPT-6.1 Sol 和 Sonnet 5.5 的標價同為 $2 / $10，但 GPT-6.1 Sol 的每項任務成本較低：在我們的測試中，兩款模型各用預設設定時，單次作答任務是 0.49x，工具迴圈每次執行是 0.46x；Artificial Analysis 同為 52 分時，成本是 $0.72 對 $2.74。Sonnet 5.5 速度較快，使用 max 時分數也較高。

GPT-6.1 Sol 和 Claude Opus 5.5 一樣好嗎？ GPT-6.1 Sol 在 Artificial Analysis 智慧指數比 Opus 5.5 低約 6 分（52 對 58），Vals 指數也是如此（61.2% 對 67.0%），但每項任務成本約為八分之一到十分之一；在我們的測試中，短任務成本是 0.29x。OpenAI 自行執行的 AutomationBench 測試則顯示，它高出 Opus 5.5 達 2.2 分。

GPT-6.1 Sol 還能關閉推理嗎？ GPT-6.1 Sol 列出的最低 effort 是 low；GPT-6 Sol 原本接受的 none 已移除。請改用 low，在我們的測試中，每項單次作答任務成本為 $0.0018。

相關測量：Claude Sonnet 5.5 與 Sonnet 5 比較、GPT-6 Astra 的 effort 級距，以及降低 GPT-5.6 成本的方法。

測量日期為 2026-09-30，距 GPT-6.1 Sol 發布一天。我們透過閘道存取 OpenAI Responses API 和 Anthropic Messages API，執行了 GPT-6.1 Sol 的 234 次單次作答呼叫（13 項任務、重複 3 次、6 種設定）、800 次商業文件呼叫（80 個只給目標的項目，涵蓋 6 種模型與 effort 設定；80 個明列必要內容的項目，涵蓋 4 種設定），以及 36 次工具迴圈執行。Sonnet 5.5 和 Opus 5.5 的單次作答與工具迴圈數據，來自 2026-09-29 執行的相同任務。公開評測數據取自 2026-10-01 各發布單位的頁面。

← 返回部落格