GPT-6.1 Sol 登陆 Devin：价格不变，缓存读取降九成五

GPT-6.1 Sol 正式接入 Devin

OpenAI 发布了 GPT-6.1 Sol，该模型现已在 Devin Desktop 和 Devin CLI 中上线。对于依赖 Devin 进行 AI 辅助编程的开发者而言，这是一次值得关注的版本更新——不仅在于模型本身的迭代，更在于其背后的成本结构调整。

从定价来看，GPT-6.1 Sol 维持了与前代 GPT-6 Sol 完全相同的列表价格：输入每百万 token 2 美元，输出每百万 token 10 美元。表面上价格没有变化，但真正的差异藏在缓存机制里。

缓存读取降价 95% 意味着什么

本次更新最实质性的变化，是缓存读取（cache reads）成本直接下降了 95%。对于编程类工作负载来说，这一点尤为关键。

在真实的编码场景中，模型往往需要反复读取同一份代码库、上下文文件或系统提示。这些重复读取的内容如果能命中缓存，就能以极低的成本被复用。缓存读取降价 95%，意味着那些高度依赖长上下文、频繁复用相同代码上下文的任务，实际支出将被大幅压缩。

对于 Devin 这类自主编程 Agent 而言，单次任务通常涉及多轮推理与反复的上下文调用，缓存命中率越高，节省的费用就越可观。这也解释了为何在相同列表价格下，实际单任务成本却能明显下降。

缓存机制（Prompt Caching）是大语言模型 API 的一项基础设施优化：当连续多次请求中包含相同的前缀内容（如系统提示、代码库摘要、长文档），服务端可以将该部分的键值计算结果（KV Cache）保留在显存或高速存储中，后续请求直接复用，而无需重新计算。对于用户而言，命中缓存的 token 按「缓存读取」价格计费，通常远低于普通输入价格。OpenAI、Anthropic 等主流提供商均已推出类似机制。在 AI 编程 Agent 场景下，系统提示和代码仓库上下文往往占据数万乃至数十万 token，且在单次任务的多轮调用中几乎不变，因此缓存命中率天然偏高，降价收益也最为显著。

FrontierCode 1.1 上的表现：同分数，半成本

在 FrontierCode 1.1 这一编程基准测试上，GPT-6.1 Sol 的表现颇具说服力。官方数据显示，它在各个推理强度（reasoning effort）档位下，都能匹配 GPT-6 Sol 的得分，而每个任务的成本却大约只有后者的一半。

换句话说，用户无需在质量与成本之间做取舍——用一半的钱，拿到同等水平的结果。

更亮眼的是低推理强度档位的数据。在 low effort 设置下，GPT-6.1 Sol 取得了 58.1% 的得分，而每个任务的成本仅为 0.21 美元。这一成绩使其成为所有单任务成本低于 0.30 美元的模型中得分最高者。对于那些追求高吞吐、低单价的批量编程任务，这个性价比区间极具吸引力。

FrontierCode 1.1 是一个专为评估代码生成能力设计的编程基准测试集，聚焦于真实软件工程任务，包括函数补全、Bug 修复、多文件编辑等场景，与 HumanEval、SWE-bench 等早期基准相比更贴近生产环境复杂度。「推理强度（reasoning effort）」是部分模型 API 提供的参数，允许调用方在推理深度与响应速度 / 成本之间做权衡：high effort 会触发更多内部思维链步骤，low effort 则以更快、更轻量的方式生成答案。这一参数对于批量自动化任务尤为有用——并非所有编程子任务都需要最高推理深度，合理降档可在不明显损失质量的前提下大幅降低单次调用成本。

对开发者的实际意义

综合来看，GPT-6.1 Sol 的更新逻辑很清晰：不通过降低列表价来吸引用户，而是通过优化缓存经济性和推理效率，让实际使用成本下降。这种做法对重度使用者（尤其是运行长时间自主编程任务的团队）更为友好。

对于已经在使用 Devin 的团队，切换到 GPT-6.1 Sol 几乎是无损升级——同样的接口、同样的定价结构，却能在真实工作流中省下接近一半的开销。而对于评估 AI 编程工具的团队，FrontierCode 1.1 上「同分数、半成本」的数据点，提供了一个相对客观的横向参考。

需要说明的是，本次信息主要来自官方发布内容，FrontierCode 1.1 的具体测试方法与对比模型细节尚未展开。开发者在做技术选型时，仍建议结合自身代码库特征与实际任务分布进行验证。