旗舰降价五分之一之后：GPT-6.1 Sol 把中间档从妥协变成了默认选项

上周你把旗舰模型接进客服质检流程，跑了三天，账单跳出来的时候有点懵：一条会话平均八毛钱，按每天两万条算，一个月光模型调用就快五十万。你想过降级到便宜档，可上一代便宜档在长文档上的表现实在撑不住，漏判率直接翻倍，业务方第二天就找上门来。

9 月 29 日旧金山 DevDay 上发布的 GPT-6.1 Sol，就是冲着这个困境来的。官方给它的定位写得很直白：在智能体编码、电脑操作和日常专业工作上接近 Astra，价格只有 Astra 标准输入输出价的五分之一。这不是又一次小版本迭代，它把「够用就好」从一种妥协，变成了一种可以主动选择的默认配置。

一夜之间，中间档的定义被改写了

过去两年，模型厂商的产品线一直遵循一条很清晰的阶梯：旗舰负责把分数刷上去，中间档负责把成本压下来，用户自己在中间找平衡点。这条阶梯隐含的前提是，中间档一定会在能力上明显掉队，所以选型本质上是在赌「我的任务能不能接受这个掉队」。

Sol 把这个前提掀了。在 DeepSWE v1.1 这个编码基准上，Sol 拿到 75.22%，Astra 大约是 74.8%——中间档第一次在旗舰的主场上反超，哪怕只领先 0.4 个百分点。在 OSWorld 2.0 这个电脑操作基准上，Sol 在最高推理档下是 71.42%，Astra 是 73.5%，差 2.1 个百分点，但单任务成本从 Astra 的约 9.3 美元降到 Sol 的约 1.3 美元，差了七倍。

真正让这件事成立的是时间差。DevDay 前一天，OpenAI 刚确认取消 GPT-6.1 Astra 的原定发布，理由是它没有通过内部「守住范围和授权」这一关。一边是更贵的旗舰被按停，一边是便宜档的性能追上来，中间档的位置就不再是「退而求其次」，而是「理性默认」。

价格到底降在哪：四组数字要看清

官方定价是每百万输入 token 2 美元、每百万输出 token 10 美元，正好是 Astra 10 美元 / 50 美元 的五分之一。但真正省钱的地方不在这两个数上，而在下面几组：

• 缓存输入 0.1 美元：只有标准输入价的 5%，也比上一代 Sol 的缓存价再降一半。智能体任务最大的特点就是反复带着同一份上下文重试，缓存命中率往往能到七八成，这一档才是成本大头。
• 批量与 Flex 通道打五折：不要求实时返回的任务走 Batch 或 Flex，输入输出各降到 1 美元和 5 美元。
• 超长输入要加价：单次输入超过 27.2 万 token 之后，输入和缓存按两倍计费、输出按 1.5 倍计费，而且是整段请求都按这个倍数算，不是只对超出部分。
• Fast 模式是两倍价：急着要结果就得付 4 美元 / 20 美元。

缓存写入价是每百万 token 2.5 美元。如果你的调用模式是「每次带一份全新的长文档」，那缓存几乎命中不了，所谓五折跟你没关系，实际成本会非常贴近标准的 2 / 10。

性能差多少：三个基准的真实落差

只看发布会图表容易看偏，把三个基准摆在一起才看得出形状。

• 编码与智能体任务：Sol 在 DeepSWE v1.1 上 75.22%，Astra 74.8%，基本持平，而 Sol 的单任务成本下降约 80%。这是 Sol 最稳的赢面。
• 电脑操作：OSWorld 2.0 上 Sol 71.42%，Astra 73.5%，差 2.1 个百分点，成本 1.3 美元对 9.3 美元。
• 科学推理：Terminal-Bench Science 上 Sol 57.02%、单任务 5.47 美元，Astra 68.1%、单任务 23.8 美元。这里差了 11 个百分点，是 Sol 唯一明显吃亏的地方。

还有一个容易被忽略的注脚：Sol 距离上一代 GPT-6 Sol 发布只隔了一周，而上一代在 DeepSWE 上已经是 68.8%。也就是说，编码能力的大部分涨幅其实来自上一代，这一代的主要贡献是把价格和稳定性做下来了。这不影响选型结论，但会影响你对「下一代什么时候来」的判断。

什么时候选 Sol，什么时候别省这个钱

可以按任务类型画一条很清楚的分界线。

如果你的负载是代码生成、代码审查、浏览器自动化、批量文档处理、客服质检、结构化抽取这类任务，Sol 现在是更理性的默认。这类任务的共同点是单步难度不高、但量大且需要反复迭代，成本弹性远大于正确性弹性。

如果你的负载是科学计算、复杂数学推导、需要一步步严密推理的长链条问题，Astra 依然值那个差价。11 个百分点的差距在大规模跑的时候会被放大成实实在在的返工成本。

最实用的做法不是二选一，而是分层：常规流量走 Sol，把 Astra 留给 Sol 明确失败的那些请求。用 Sol 先跑一遍，自检不通过的再升级到 Astra 重跑。这种路由策略在批量场景里，通常能把总成本压到纯旗舰方案的三分之一以下。

上下文与推理档位：两个容易踩的坑

Sol 的上下文窗口是 105 万 token，单次最多输出 12.8 万 token，都和旗舰同量级。但有两个细节会直接影响你的账单和质量。

第一个是推理档位。Sol 支持 low / medium / high / xhigh / max 五档，默认 medium，而且没有 none 和 minimal。发布会上的高分基本都标注了是在 High 或 Max 档跑出来的。如果你不显式设置 reasoning.effort，拿到的就是 medium 档的成绩，和图表上的数字不是一回事。反过来，把档位一直挂在 max 上，成本会明显高于预期。

第二个是超长输入的加价规则。超过 27.2 万 token 就整段加价，这意味着把一堆文档一次性全塞进去的做法在 Sol 上会变得很贵，反而不如先做一轮检索、只把相关片段带进上下文。105 万的窗口是能力上限，不是推荐用法。

另外有几个限制要记住：Sol 目前只在 ChatGPT Work 和 Codex 里对 Plus / Pro / Business / Enterprise / Edu 开放，还没进普通的 ChatGPT 对话界面；Ultrafast 变体（在 Codex 里最快可达 8 倍速度）的价格尚未公布；知识截止是 2026 年 4 月 30 日；这一代不支持微调。

对国内团队意味着什么

最直接的后果是，很多之前算不过来账的场景现在能算了。

• 日均十万次以上的批量任务：按 Astra 算不可行的预算，按 Sol 的缓存价可能直接降到原来的十分之一。
• 智能体长任务：需要几十轮工具调用、反复读取同一份代码库的任务，缓存命中带来的节省比单价下降更可观。
• 内部工具铺开：以前只敢给核心成员开的 AI 功能，现在可以铺到整个团队，因为单人次成本降了一个数量级。
• 创业团队的产品定价：API 成本是很多 AI 应用层产品的毛利杀手，成本降 80% 意味着原来必须按次收费的功能可以改成包月。

需要留意的是，价格战不会只发生一次。Anthropic 在同一周把 Claude Sonnet 5.5 定在完全相同的 2 美元 / 10 美元价位，两家隔一天打出同一个数字，这已经不是巧合，而是行业在抢同一个价格锚点。对使用方这是好事，但也说明当前价格还在快速下行通道里，别把长期合约锁死在今天的价格上。

三个可以立刻做的动作

第一，把你当前调用量最大的三个任务单独拎出来，分别用 Sol 和现有模型跑同一批样本。对比的不是分数，而是「达到可接受质量所需的最低推理档位」，因为档位才是真正决定成本的变量。

第二，检查请求结构里有没有可以缓存的部分。把稳定的系统提示、工具定义、代码库索引放在前缀位置，把每次变化的用户输入放在后面，缓存命中率的提升往往比换模型更立竿见影。

第三，给 Sol 和旗舰之间加一层自动升级路由。设定明确的失败判据（自检不通过、格式校验失败、关键字段缺失），命中就自动用旗舰重跑一次。这样你拿到的是接近旗舰的质量上限，付的是接近中间档的平均成本。