OpenAI于2026年9月29日发布GPT-6.1 Sol，定位为GPT-6 Sol的升级版，在Agentic编程、计算机使用和专业工作三大场景接近GPT-6 Astra的智能水平，但标准API输入输出价格仅为Astra的五分之一。对开发者而言，这不是一次简单的版本迭代，而是模型选型与成本结构重新计算的信号。
定价结构：缓存输入是真正的杠杆
GPT-6.1 Sol标准API定价为：输入$2/百万token，缓存输入$0.10/百万token，输出$10/百万token。缓存输入比标准输入便宜95%，比GPT-6 Sol的缓存输入价格低50%。
这个定价对Agent类工作流影响最大。Agent通常需要跨请求复用系统提示、工具定义、历史上下文和文档片段。缓存命中率越高，单次任务的实际成本越接近输出token成本。官方明确提到，这“给开发者更多空间构建和运行可复用上下文的Agent”。工程上，这意味着应优先设计稳定的前缀结构：把系统指令、工具schema、固定知识库放在请求前部，把动态用户输入放在后部，以最大化缓存命中。
能力基准：接近Astra，但并非全面替代
官方在多个基准上给出了对比数据，需要区分“接近”和“超越”。
编程场景：在DeepSWE v1.1上，GPT-6.1 Sol在约五分之一成本下匹配GPT-6 Astra，同时以更低推理努力和成本超过GPT-6 Sol最佳分数6.4个百分点。
专业工作：在GDP.pdf上，GPT-6.1 Sol得分高于带fallback的Opus 5.5，每任务成本不到后者一半；在约五分之一成本下接近Astra。在AutomationBench上，中等推理努力下比Opus 5.5高2.2个百分点，成本约为三分之一；比同设置GPT-6 Sol高4.8个百分点。
计算机使用：在OSWorld 2.0离线集上，最大推理努力下比GPT-6 Sol高7个百分点，成本不到一半；距Astra仅2.1个百分点，每任务成本约为七分之一。
科学研究：在Terminal-Bench Science 0.1上，最大推理努力下得分是GPT-6 Sol两倍以上，每任务平均$5.47，而Opus 5.5为$23.21，Astra为$23.80。但Astra仍以68.1%保持最高分，官方明确建议最困难的科研任务仍应使用Astra。
事实性：低推理努力下，含事实错误的响应比例从GPT-6 Sol的11.4%降至7.7%，降低约32%。
选型建议：按场景分层
基于官方数据，可以给出以下工程选型思路：
-
日常编程与代码调试：GPT-6.1 Sol在DeepSWE v1.1上以更低推理努力超过GPT-6 Sol，适合作为默认编码模型。Codex中已可用，且即将提供Ultrafast模式，token生成速度最高提升8倍。
-
多步业务工作流Agent：AutomationBench数据显示中等推理努力下性价比突出。建议将GPT-6.1 Sol作为Agent主模型，把Astra保留给失败重试或高价值任务。
-
计算机使用与长周期任务：OSWorld 2.0上距Astra仅2.1个百分点但成本约七分之一，适合大规模部署。对精度要求极高的子任务可路由到Astra。
-
专业文档理解：GDP.pdf上优于Opus 5.5且成本更低，适合金融、医疗、法律等PDF密集型场景。
-
科学研究：Terminal-Bench Science上成本优势明显，但Astra仍保持最高分。建议用Sol做探索和批量实验，用Astra做最终验证。
迁移注意事项
GPT-6.1 Sol已通过API以gpt-6.1-sol提供，ChatGPT Work和Codex中面向Plus、Pro、Business、Enterprise和Edu用户开放，但暂未在Chat中提供。
迁移时需注意：
- 缓存输入定价是核心成本变量，迁移前应评估现有请求的缓存命中率。如果前缀不稳定，实际成本可能高于预期。
- 推理努力设置直接影响成本与得分。官方数据显示低推理努力下事实性提升最明显，中等努力在AutomationBench上性价比突出，最大努力在计算机使用和科研场景才需要。
- 安全评估显示GPT-6.1 Sol在透明度、尊重用户限制和避免未授权结果方面优于GPT-6 Sol，未观察到绕过自动安全审查的尝试。但官方强调这些评估刻意测试困难场景，不代表典型使用失败率。
- 对最困难科研任务，Astra仍是官方推荐选择，不应仅因成本优势全面替换。
总体而言，GPT-6.1 Sol的发布把“接近Astra”的能力拉到了五分之一价格区间，缓存输入进一步压低了Agent类应用的边际成本。开发者的选型逻辑应从“用最强模型”转向“按任务分层路由”，把Astra留给真正需要最高精度的场景，用Sol覆盖大多数日常和专业工作负载。