GPT-6.1 Sol 是什么？能力、API 价格与可用范围
GPT-6.1 Sol是 OpenAI 对 GPT-6 Sol 的升级，面向编程、计算机操作和专业工作等任务。它的定位是以较低成本提供接近 GPT-6 Astra 的能力：OpenAI 称，在若干代理任务评测中，GPT-6.1 Sol 的表现接近 Astra，而标准 API 输入和输出 token 价格约为 Astra 的五分之一。这里的“接近”只适用于原文列出的测试和设置，并不意味着两款模型在所有任务上都等效。
对开发者来说，值得关注的不只是模型能力提升，也包括缓存输入的低价：每百万缓存输入 token 为 0.10 美元。若应用会在多次请求中重复使用上下文，这项价格可能影响整体调用成本；但实际费用仍取决于缓存输入量、生成内容长度和任务调用次数。
GPT-6.1 Sol 面向哪些任务
文中所说的“代理”（agent），是指模型不只生成一段回答，而是能在工具参与下分步骤执行任务，例如读写代码、调用应用或完成业务流程。“计算机操作”则是这类代理与应用界面交互、推进多步工作流的能力。它不等于模型在任何设备或环境中都能直接控制电脑，具体可执行的操作还取决于部署方式和可用工具。
OpenAI 表示，GPT-6.1 Sol 相比 GPT-6 Sol 在复杂专业任务上有明显提升，涵盖编写和调试代码、理解文档、多步骤业务流程与科学工作流。以下是原文披露的评测结果；基准分数用于比较特定测试条件下的表现，不应直接当作真实业务中的成功率或成本保证。
编程、文档与业务流程表现
在 DeepSWE v1.1 中，模型需要处理真实代码库里的复杂软件工程任务。OpenAI 称，GPT-6.1 Sol 的成绩与 GPT-6 Astra 相当，成本约为后者的五分之一；与 GPT-6 Sol 相比，它的最佳成绩提高了 6.4 个百分点，而且使用的推理强度和成本更低。推理强度指模型在回答前投入的推理计算设置，不是 API 的 token 单价。
在 GDP.pdf 评测中，模型要根据复杂 PDF 回答专业问题，材料包括表格、图表、示意图和细则。测试文档来自金融、医疗、法律等专业领域。OpenAI 称，GPT-6.1 Sol 在不同推理设置下的成绩高于带回退机制的 Opus 5.5，而每项任务成本不到后者的一半；其表现也接近 GPT-6 Astra，成本约为 Astra 的五分之一。
AutomationBench 测试代理能否完成多步骤业务流程，覆盖销售、营销、运营、客服、财务和人力资源等工作，并使用 47 种工具。在中等推理强度下，GPT-6.1 Sol 比 Opus 5.5 高 2.2 个百分点，成本约为三分之一；同一设置下，它比 GPT-6 Sol 高 4.8 个百分点。原文特别说明，AutomationBench 中 Claude Fable 5.1 的成本没有计入回退调用，而这类调用约出现在 40% 的任务中，因此该模型公布的成本低估了实际情况。
计算机操作与科学研究
在 OSWorld 2.0 的离线测试集上，代理需要完成涉及日常和专业应用的长流程计算机操作任务。OpenAI 报告称，在最高推理强度下，GPT-6.1 Sol 比 GPT-6 Sol 高 7 个百分点，成本不到后者的一半；与 GPT-6 Astra 的成绩相差 2.1 个百分点，单项任务成本约为 Astra 的七分之一。该结果采用 OSWorld 2.0 v2026.08.08 版本离线集的部分奖励指标，不能据此推断所有软件或操作环境中的表现。
Terminal-Bench Science 0.1 评估科学工作流，包括数据分析、模拟和定理证明。在最高推理强度下，GPT-6.1 Sol 的成绩超过 GPT-6 Sol 的两倍，每项任务成本不到后者的一半；平均每项任务成本为 5.47 美元，Opus 5.5 为 23.21 美元，GPT-6 Astra 为 23.80 美元。GPT-6 Astra 在受测模型中仍取得最高成绩 68.1%，OpenAI 建议最困难的科学研究任务使用 Astra。因此，Sol 的低成本不代表它在这类任务上全面取代 Astra。
事实准确性与安全评测应怎样理解
OpenAI 还报告了困难提示词上的事实准确性变化。在低推理强度下，GPT-6.1 Sol 的回答中至少含有一处事实错误的比例从 GPT-6 Sol 的 11.4% 降至 7.7%，约减少 32%。在受测推理设置中，它的错误率与 GPT-6 Astra 相差不超过 1.9 个百分点，单项任务成本不到 Astra 的五分之一。
这项事实性评测使用经过去标识化处理的 ChatGPT 对话，筛选用户曾指出先前模型回答有事实错误的案例。它们是刻意挑选的困难样本，不代表一般使用中的错误发生率；因此，评测数字不宜直接理解为日常请求的出错概率。
在安全与对齐评估方面，OpenAI 称 GPT-6.1 Sol 比 GPT-6 Sol 更能说明自身限制，也更可靠地遵守用户意图和安全约束；在搜索工具失效时告知用户、遵循明确限制以及避免代理任务中的未授权结果等测试中，失败率有所下降。原文还称，没有观察到模型试图绕过自动安全审核的行为，这一点与 GPT-6 Astra 和 GPT-6 Sol 相同。
一个具体例子是搜索工具失效时，模型是否会告知用户，而不是猜测答案。在最高推理强度的刻意诱发失败测试中，GPT-6.1 Sol 未披露工具问题的比例为 2.1%，GPT-6 Sol 为 4.9%，GPT-6 Astra 为 1.5%，GPT-6 Luna 为 28.7%。这些测试旨在暴露弱点，不代表典型使用场景中的失败率。更完整的安全评估见 OpenAI 发布的 GPT-6.1 Sol 系统卡补充材料。
GPT-6.1 Sol API 价格
| 计费项目 | 价格（每百万 token） |
|---|---|
| 标准输入 | 2 美元 |
| 缓存输入 | 0.10 美元 |
| 输出 | 10 美元 |
Token 是模型处理文本时使用的计费单位。输入通常包括提示词和提供给模型的上下文，输出则是模型生成的内容。缓存输入适用于可复用的上下文；按 OpenAI 公布的数据，其价格比标准输入低 95%，也比 GPT-6 Sol 的缓存输入价格低 50%。这对多次请求中重复使用背景信息的应用尤其值得关注，但并非所有输入都会自动按缓存价格计费，具体费用需要结合实际请求和缓存情况核算。
标准 API 单价与基准测试中的“每项任务成本”不是同一概念。后者是在特定任务、推理设置和调用方式下得到的结果，不能直接作为某个业务流程的固定报价。估算自己的预算时，应分别考虑输入、符合缓存条件的输入、输出，以及一次任务中可能发生的多次模型和工具调用。
在哪里可以使用，部署前还要确认什么
开发者可通过 OpenAI API 使用模型名 gpt-6.1-sol。在 ChatGPT Work 和 Codex 中，GPT-6.1 Sol 已向 Plus、Pro、Business、Enterprise 和 Edu 用户开放；它目前尚未在 ChatGPT 中提供。OpenAI 还表示，Codex 将在随后几天推出 GPT-6.1 Sol Ultrafast，token 生成速度最高可达标准速度的 8 倍。Ultrafast 是 Codex 中的后续选项，不应与当前标准 API 价格或已经开放的范围混为一谈。
选择模型时，可以把 GPT-6.1 Sol 作为编程、文档处理和多步骤工作流的候选，再用自身任务验证效果与成本；对于最困难的科学研究任务，OpenAI 仍建议使用 GPT-6 Astra。基准结果不能替代应用侧的正确性检查，涉及重要决策或有明确安全要求的流程，仍应设计人工复核和失败处理。
原文没有给出 GPT-6.1 Sol 的上下文窗口大小，也没有说明计算机操作所需的具体权限、支持环境或接入配置。这些信息不能仅凭基准成绩推断；在规划长文档处理或桌面代理部署前，应查阅对应 API 文档和产品说明，并在目标环境中确认工具权限、可执行操作及异常处理方式。
