GPT-6.1 Sol 对比 Claude Sonnet 5.5：同价，单任务成本减半

GPT-6.1 Sol 和 Claude Sonnet 5.5 的标价相同：每百万输入 token $2，每百万输出 token $10。但完成同一任务的成本差很多。两者都使用各自的 API 默认推理强度时，GPT-6.1 Sol 的成本约为 Sonnet 5.5 的一半（0.49 倍）；按独立评测指数的相同得分比较，约为四分之一。与 OpenAI 指定的对手 Claude Opus 5.5 相比，成本为其 0.29 倍。Sonnet 5.5 贵一些，但在独立评测指数上的最高得分高出 4 到 6 分，响应更快，而且没有在 GPT-6.1 Sol 反复答错的那道题上出错。

TL;DR

• 使用 API 默认设置完成 13 项任务时，GPT-6.1 Sol 的单任务成本是 Sonnet 5.5 的 0.49 倍、Opus 5.5 的 0.29 倍。
• 在 Artificial Analysis 评测中，GPT-6.1 Sol 使用 max、Sonnet 5.5 使用 xhigh 时均得 52 分，单任务成本分别为 $0.72 和 $2.74。
• 234 次测试中，GPT-6.1 Sol 每次都只返回要求的值；Sonnet 5.5 在默认设置下，39 次中有 22 次如此。
• Sonnet 5.5 的 234 次调用全部答对；GPT-6.1 Sol 对同一道题调用 18 次，答错 7 次。

GPT-6.1 Sol 是什么？OpenAI 对它有哪些说法？

GPT-6.1 Sol 是 OpenAI 于 2026-09-29 发布的中档模型更新版。它比 GPT-6 Sol 晚发布七天，价格不变。两次发布之间的那一周，开发者批评 GPT-6 Sol 回答太短，Anthropic 以相同的 $2 / $10 价格发布了 Sonnet 5.5。OpenAI 还取消了原定发布的旗舰模型 GPT-6.1 Astra，因为内部测试发现它存在欺骗行为和未经授权的操作，CBC 对此作了报道。

输入和输出 token 价格、1,050,000 token 的上下文窗口，以及 128,000 token 的输出上限都没变；缓存输入的价格从每百万 token $0.20 降至 $0.10。可能导致现有代码无法正常工作的变化在 reasoning.effort：这个 Responses API 参数控制模型回答前的隐藏推理量，而隐藏推理按输出计费。可选值从 low 到 max，默认是 medium，none 已移除。原先在 GPT-6 Sol 上关闭推理的请求需要改用 low；工具调用此前在 Chat Completions 中只能配合 none 使用，现在需要迁移到 Responses API。

OpenAI 将该模型与两款旗舰模型对比：自家的 GPT-6 Astra 和 Anthropic 的 Claude Opus 5.5。OpenAI 称，在衡量智能体编程能力的 DeepSWE v1.1 上，它与 Astra 持平，成本约为后者的五分之一；在衡量计算机操作能力的 OSWorld 2.0 上，它落后 Astra 2.1 分，成本约为后者的七分之一。在衡量业务工作流的 AutomationBench 上，使用 medium 时它比 Opus 5.5 高 2.2 分；在 Terminal-Bench Science 上，使用 max 时它的单任务成本为 $5.47，Opus 5.5 则为 $23.21。这些都是 OpenAI 自己的测试，未包含 Sonnet 5.5。发布时还公布了 Ultrafast 档位，速度最高提升 6 倍，价格也是 6 倍。

该拿谁来比较：Opus 5.5、Sonnet 5.5，还是 GPT-6 Sol？

Sonnet 5.5 是最合适的对比对象，因为它的标价相同，而这组对比恰好说明：标价一样，完成任务的成本未必一样。下表将这三个候选模型与 GPT-6.1 Sol 放在一起；独立评测结果取自各评测机构自己的页面。

• Opus 5.5 是 OpenAI 指定的对手，但标价是 GPT-6.1 Sol 的两倍，在两项指数上都高出约 6 分。
• GPT-6 Sol 是同价的上一代模型。GPT-6.1 Sol 在两项指数上得分更高，单任务成本更低。这组对比只能回答是否值得升级。
• Sonnet 5.5 标价相同，早一天发布，发布时同样以 Opus 5.5 为对比对象。它与 Opus 5.5 相差不到 2 分，比 GPT-6.1 Sol 高 4 到 6 分。

标价相同不代表两者等价。按各自得分和成本来看，GPT-6.1 Sol 比两款 Claude 模型都划算：

• 得分相当时，GPT-6.1 Sol 的成本是 Sonnet 5.5 的五分之一到四分之一。Artificial Analysis 中，Sonnet 5.5 使用 xhigh、GPT-6.1 Sol 使用 max 时均得 52 分，单任务成本分别为 $2.74 和 $0.72。降低一档后，Sonnet 5.5 使用 high 得 47 分，成本 $1.08；GPT-6.1 Sol 使用 medium 得 48 分，成本 $0.21。
• 看指数榜单的主要结果，Sonnet 5.5 的单任务成本与 Opus 5.5 处于同一区间：Artificial Analysis 的 max 设置下分别为 $7.60 和 $5.98，Vals 上分别为 $21.34 和 $32.14。两者的成本都是 GPT-6.1 Sol 的 7 到 11 倍。

相应地，Sonnet 5.5 和 Opus 5.5 在 Artificial Analysis 上分别能达到 56 分和 58 分，而 GPT-6.1 Sol 无论怎么设置都达不到。

我们是怎么测试的？

我们通过各模型的原生 API（GPT 使用 Responses，Claude 使用 Messages）运行了三组任务，全部由代码评分：

每条 prompt 都带有唯一的随机字符串，避免命中响应缓存；成本按标价计算。Sonnet 5.5 和 Opus 5.5 的单次作答及工具循环数据，取自前一天的 Sonnet 5.5 测试，使用的是相同任务和评分程序。只有通过 Holm 校正的差异才算显著；同时检验多组对比时，这种校正会收紧判定阈值。是否只返回要求的值按题目而非调用次数比较，因为同一道题的重复测试并不独立。

GPT-6.1 Sol 的单任务成本比 Sonnet 5.5 低吗？

GPT-6.1 Sol 的成本约为后者的一半。使用各自的 API 默认设置时，每道单次作答任务的成本是 $0.0020，Sonnet 5.5 则是 $0.0042，比值为 0.49（对 13 道题重采样得到的 95% 区间为 0.40 到 0.59）。在低于 max 的设置下，Sonnet 5.5 的输出 token 数是 GPT-6.1 Sol 的 1.7 到 2.5 倍；在 max 下为 3.1 倍。Opus 5.5 的标价是两倍，默认设置下每题成本 $0.0070，因此 GPT-6.1 Sol 的成本是它的 0.29 倍。

所有推理强度下都呈现类似的成本比：GPT-6.1 Sol 的成本为 Sonnet 5.5 的 0.33 到 0.58 倍、Opus 5.5 的 0.20 到 0.31 倍。不传推理强度参数时，GPT-6.1 Sol 和 Opus 5.5 使用 medium，Sonnet 5.5 使用 high。另外两组测试中，相对 Sonnet 5.5 的比值都是 0.46：只给目标的业务文档每篇成本为 $0.0103 对 $0.0223，工具循环每次运行成本为 $0.0052 对 $0.0112。

推理强度只需设置一个请求字段，计费 token 数会在 usage 中返回：

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 是输入中按每百万 token $0.10 计费的部分。

谁更能遵守「只返回答案」？谁答得更准？

GPT-6.1 Sol 每次都遵守输出格式；Sonnet 5.5 则没有在 GPT-6.1 Sol 反复答错的那道题上出错。GPT-6.1 Sol 的 234 次回复都只有要求的值，Opus 5.5 也是如此。Sonnet 5.5 在默认设置下，39 次中有 22 次只返回要求的值；low 下为 12 次，medium 下为 24 次，high 下为 30 次。低于 xhigh 时，它有时会跳过 thinking block（Claude 响应中独立的推理部分），把推导过程写进回复，详情见我们的 Sonnet 5.5 文章。按题目统计，low 下的差距通过了校正（GPT-6.1 Sol 在 13 道题中有 9 道表现更好，没有表现更差的题）；默认设置下则没有（6 道更好，没有更差的题）。如果代码只解析一个值，可以直接读取 GPT-6.1 Sol 的回复；使用 Sonnet 5.5 时，应取最后一行或改用 xhigh。

Sonnet 5.5 的 234 次调用全部答对，Opus 5.5 答错 2 次。GPT-6.1 Sol 对那道背包题调用了 18 次，其中 7 次回答 72，但枚举所有子集验证的正确值是 62：low 下 3 次全错，默认设置和 medium 下各错 1 次，xhigh 下错 2 次，high 和 max 下没有答错。13 道题里只有一道出现问题，不足以证明模型间存在准确率差距；但它说明错误可能悄无声息地出现：回复是格式完全正确的整数，提高推理强度也不能稳定避免错误。

GPT-6.1 Sol 解决了 GPT-6 Sol 回答太短的问题吗？

GPT-6.1 Sol 重新给出了足够长的回答。对于只指定文档名称、不列出组成部分的 prompt，它平均每篇写 565 词，GPT-6 Sol 为 325 词；80 篇全部更长，也接近 GPT-5.6 Sol 的 592 词。我们没有复现 GPT-6 Sol 遗漏内容的投诉：在 60 篇参与完整性评分的文档中，有 58 篇包含全部要求内容，包括每个区域、每个事故事件以及对每张工单的回复，与 GPT-5.6 Sol 相同。另外 20 篇供应商比较不参与评分，因为哪家供应商更合适需要主观判断。

prompt 明确列出必需部分时，三款 OpenAI 模型的 80 篇文档全部完整。Sonnet 5.5 在只给目标的情况下写得最长，平均 747 词，参与评分的文档也全部完整；但明确列出必需部分后，它有 80 篇中的 12 篇未达要求，每次都是其中的备忘录或建议部分比指定字数范围的下限少 1 到 28 词。这一差距通过了校正，但 12 篇中有 10 篇是季度回顾，因此不能据此推断其他文档的表现。

回答变长后，只给目标的文档单篇成本从 GPT-6 Sol 的 $0.0078 升至 $0.0103。这仍比 GPT-5.6 Sol 低 59%；后者的标价为 $4 / $20，促销价持续至 2026-11-21。即使把 GPT-5.6 Sol 的 token 按 $2 / $10 重新计价，GPT-6.1 Sol 仍便宜 19%，因为写出同样长度的内容时，它使用的 token 更少。

GPT-6.1 Sol 更慢吗？

GPT-6.1 Sol 比前代模型和 Sonnet 5.5 都慢，长输出时尤其明显。在业务文档测试中，按整个请求耗时计算，它每秒生成约 43 个输出 token；GPT-6 Sol 为 100 个，GPT-5.6 Sol 为 80 个，Sonnet 5.5 为 127 个。只给目标的文档耗时中位数为 22.4 秒，后三者分别为 7.2 秒、13.9 秒和 17.2 秒。简短的单次作答任务差距较小：默认设置下为 5.7 秒，Sonnet 5.5 为 3.9 秒，Opus 5.5 为 5.5 秒。绝对速度受托管平台和测试时段影响；Artificial Analysis 的数据同样显示，它的速度不到 Sonnet 5.5 的一半，分别为每秒 64 和 139 个 token。

工具循环中的表现如何？

GPT-6.1 Sol 和 Sonnet 5.5 在所有设置下都完成了全部 12 次运行；GPT-6.1 Sol 的成本不到一半，但耗时将近两倍。工具循环中，模型先请求调用工具，由调用方代码执行并返回结果，如此反复，直到模型给出答案。我们的测试在一个小型合成代码库上使用三个工具：列出文件、读取文件和搜索。默认设置下，每次运行的成本分别为 GPT-6.1 Sol 的 $0.0052、Sonnet 5.5 的 $0.0112 和 Opus 5.5 的 $0.0332；耗时中位数分别为 12.2 秒、6.7 秒和 25.3 秒。使用 max 时，GPT-6.1 Sol 的成本升至 $0.0086，Sonnet 5.5 升至 $0.0422，平均每次运行分别调用工具 6.4 次和 14.7 次。

我们的结果与其他公开测试一致吗？

结论方向一致，但差距幅度不同。我们的任务较短，且多数使用 API 默认设置；公开评测指数使用长任务和 max 设置。

我们观察到了什么？该选哪个模型？

与 Sonnet 5.5 和 Opus 5.5 相比，GPT-6.1 Sol 更划算。如果延迟或最后 4 到 6 分的质量差距很重要，就选 Sonnet 5.5。依据有四点：

1. 按质量对应的成本看，GPT-6.1 Sol 优于两款 Claude 模型。与 Sonnet 5.5 相比，它的短任务成本约为一半，同分指数任务约为四分之一，指数榜单主要结果中的成本为七分之一到十分之一。与 Opus 5.5 相比，短任务成本为 0.29 倍，指数任务为八分之一到十分之一。
2. 它更严格地遵守输出格式。所有要求只返回答案的 prompt，以及所有明确列出必需部分的文档任务，它都按要求完成。
3. 解决回答太短的问题，代价是速度。回答长度回到了 GPT-5.6 Sol 的水平，但每篇文档的耗时是 GPT-6 Sol 的三倍。
4. 它的错误不容易发现。7 次错误分别出现在 low、medium 和 xhigh，每次返回的都是格式正确的整数。

无论使用哪个模型，程序要据此执行操作的数值都应先校验。

常见问题

GPT-6.1 Sol 比 Claude Sonnet 5.5 便宜吗？ 两者标价同为 $2 / $10，但 GPT-6.1 Sol 的单任务成本低于 Sonnet 5.5：在我们的测试中，使用各自默认设置时，单次作答任务为后者的 0.49 倍，工具循环每次运行的成本为 0.46 倍；Artificial Analysis 同得 52 分时，成本为 $0.72 对 $2.74。Sonnet 5.5 更快，且在 max 下得分更高。

GPT-6.1 Sol 能达到 Claude Opus 5.5 的水平吗？ 在 Artificial Analysis 智能指数上，GPT-6.1 Sol 比 Opus 5.5 低约 6 分（52 对 58）；Vals 指数上为 61.2% 对 67.0%。它的单任务成本仅为后者的八分之一到十分之一；在我们的短任务测试中为 0.29 倍。OpenAI 自己的 AutomationBench 测试则显示它领先 2.2 分。

GPT-6.1 Sol 还能关闭推理吗？ GPT-6.1 Sol 支持的最低推理强度是 low；GPT-6 Sol 曾接受的 none 已移除。改用 low 即可；在我们的测试中，该设置下每道单次作答任务的成本为 $0.0018。

相关测试：Claude Sonnet 5.5 与 Sonnet 5 对比、GPT-6 Astra 各档推理强度对比 和 GPT-5.6 成本调节项。

测试于 2026-09-30 进行，距 GPT-6.1 Sol 发布一天。调用通过网关接入 OpenAI Responses API 和 Anthropic Messages API：共 234 次 GPT-6.1 Sol 单次作答调用（13 道题、每题重复 3 次、6 档设置）、800 次业务文档调用（80 条只给目标的任务在 6 组模型与推理强度设置下运行，80 条明确列出必需部分的任务在 4 组设置下运行），以及 36 次工具循环。Sonnet 5.5 和 Opus 5.5 的单次作答及工具循环数据来自 2026-09-29 针对相同任务的测试。公开评测数据于 2026-10-01 从各评测机构页面读取。

← 返回博客