OpenAI 发布 GPT-6.1 Sol：编程更强，价格仅 Astra 五分之一

OpenAI 突发上线 GPT-6.1 Sol

OpenAI 再度加速产品迭代，发布了 GPT-6.1 Sol，官方将其定位为 GPT-6 Sol 的升级版本，主打编程、计算机操作以及专业工作场景的能力提升。最引人关注的是价格策略——标准输入和输出价格仅为 GPT-6 Extra 的五分之一，直接把高性能模型的使用门槛拉低了一个量级。

目前 GPT-6.1 Sol 已经在 ChatGPT 工作台和 Codex 中面向 Plus 到 EDU 用户开放，普通聊天入口暂时还没有上线。开发者可通过 API 调用，型号名称为 GPT-6.1 Sol。这种「先开放专业工具、后铺开消费端」的节奏，也反映出 OpenAI 对编程与自动化场景的优先级判断。

性能表现：以更低成本逼近 Extra

从官方公布的评测数据看，GPT-6.1 Sol 的核心卖点是「性价比」。在 DeepSWE-1.1 基准上，它以大约五分之一的成本接近 GPT-6 Extra 的表现，同时比上一代 GPT-6 Sol 的最高分高出 6.4 个百分点。

在 AutomationBench 上，GPT-6.1 Sol 比 Opus-5.5 高出 2.2 个百分点，而成本仅为其约三分之一。换句话说，这个模型试图在编程与自动化任务上重新定义「够用且便宜」的坐标点。

不过 OpenAI 也明确强调，GPT-6 Extra 仍然是当前最强的旗舰模型。GPT-6.1 Sol 的定位更接近一个「高效替代品」——在绝大多数专业任务中提供接近顶配的体验，同时把预算压到可接受的范围内。

DeepSWE-1.1 是一个专门面向软件工程任务的大模型评测基准，全称 Deep Software Engineering Benchmark，主要考察模型在真实代码库中完成 bug 修复、功能实现、代码重构等任务的能力。与早期只测试代码补全准确率的基准不同，DeepSWE 系列更强调「端到端解决实际工程问题」的能力，评测场景来自真实的开源项目 issue，要求模型不仅能生成代码，还要能理解项目上下文、定位问题、并产出可通过测试的补丁。AutomationBench 则侧重于计算机操作自动化，测试模型在操作浏览器、桌面应用、执行多步骤任务等场景下的表现，更贴近 AI Agent 的实际落地需求。这两个基准的选取本身就透露出 OpenAI 对 GPT-6.1 Sol 应用方向的明确定位——不是通用对话，而是编程与自动化工作流。

定价细节：缓存输入价格成为焦点

具体价格方面，GPT-6.1 Sol 的标准 API 定价为每百万 token 输入 2 美元、输出 10 美元，缓存输入低至每百万 token 0.1 美元。缓存输入比标准输入便宜 95%，对于需要反复调用相同上下文的应用来说，成本优势极为明显。

另一边，OpenAI 还推出了 GPT-6 Extra Ultra Fast 和 GPT-6.1 Sol Ultra Fast 两个加速版本，官方称速度最高可达 Extra 的 8 倍，并向新的每月 500 美元 Pro 套餐开放。

社区的讨论也集中在价格上。据 B 站 UP 主转述的社区反馈，Hacker News 上最高赞评论引用官方页面指出，缓存输入价格降到每百万 0.1 美元，比 GPT-6 Sol 的缓存价格又低了一半。这种阶梯式降价，正在持续压低大模型的调用边际成本。

Token 缓存（Prompt Caching） 是一种 API 层面的优化机制：当请求中包含与上一次调用相同的前缀内容（如固定的系统提示、长文档、代码库上下文）时，服务端可以复用已计算好的中间状态，跳过重复的计算步骤，从而大幅降低该部分的处理成本。OpenAI 将这部分费用单独计价，即「缓存输入价格」。对于需要在每次请求中携带大量固定上下文的应用——例如基于完整代码库进行问答的开发工具、拥有长篇系统提示的客服机器人——缓存命中率越高，实际单次调用成本就越接近缓存价格而非标准价格。GPT-6.1 Sol 将缓存输入价格压到每百万 token 0.1 美元，相当于标准输入价格的 5%，这对高频、长上下文场景的成本结构影响极为显著。

缺席的 GPT-6.1 Extra 与安全隐忧

值得关注的是，此前市场普遍预期的 GPT-6.1 Extra 并没有随本次更新一同发布。据《华尔街日报》报道，该模型因内部测试中发现的安全问题而被取消。

这一细节透露出 OpenAI 在能力扩张与安全把控之间的取舍。旗舰级模型的推迟或取消，说明厂商在推向市场前的红线正在收紧，尤其是在模型能力越来越接近可自主完成复杂任务的阶段。对于关注 AI 安全的从业者而言，这可能比价格调整更具信号意义。

AI 安全审查中的「内部测试发现问题」通常涵盖多个维度，包括越狱鲁棒性（模型能否被诱导输出有害内容）、自主行为评估（模型在 Agent 场景下是否会执行未经授权的操作）、以及能力危险性评估（模型是否达到可辅助生物武器、网络攻击等高风险任务的能力阈值）。随着模型能力持续增强，主流 AI 实验室普遍引入了分级安全评估框架——Anthropic 的「AI Safety Levels」、OpenAI 的「Preparedness Framework」均属此类。一旦模型在某项危险能力评估中触发红线，即便其综合性能表现优异，也可能被推迟发布或要求针对性缓解后再上线。GPT-6.1 Extra 的取消，是该类框架实际发挥约束作用的公开案例之一。

对开发者意味着什么

综合来看，GPT-6.1 Sol 的发布传递出几个明确趋势：一是编程与自动化场景成为大模型竞争的核心战场；二是价格战仍在延续，缓存机制成为降本的关键杠杆；三是安全审查开始实质性影响产品发布节奏。

对于依赖 API 构建应用的团队来说，五分之一的价格加上接近旗舰的性能，意味着许多此前因成本受限的项目重新具备了可行性。而 Ultra Fast 版本则为对延迟敏感的实时应用提供了新的选项。在旗舰仍是 Extra、性价比交给 Sol 的分层策略下，开发者需要更精细地根据任务类型匹配模型档位。