The New Stack 实测 GPT-6.1 Sol 与 GPT-6 Astra：15 次运行全部满分，总成本仅为后者的 18%
来源The New Stack查看原文
速览
- GPT-6.1 Sol 与 GPT-6 Astra 在三项测试的 15 次运行中全部满分，准确率打平。
- GPT-6.1 Sol 总成本 2.66 美元，Astra 为 14.77 美元，前者约为后者的 18%。
- 在故障日志与解析器规格两项长任务上，GPT-6.1 Sol 分别快约 19% 和 30%。
- CI 分诊一项 Astra 更快，平均 24 秒对 31 秒，但成本高约 5 倍。
- 解析器规格任务中 Astra 输出 token 多 28%，是成本差距的主要来源之一。
- OpenAI 宣称的「五分之一价格」在实测中基本成立。
- 作者认为这类工作没有理由为 Astra 付费，但测试不能证明两者在所有任务上等价。
- Artificial Analysis 指数仍将 Astra 排在 max effort 下的略前位置。
OpenAI 于 9 月 29 日发布 GPT-6.1 Sol，距 GPT-6 Sol 发布仅一周，官方将其定位为「以五分之一价格获得接近 Astra 的智能」，并把缓存输入价格从 GPT-6 Sol 的 0.20 美元砍半至 0.10 美元。The New Stack 作者用与上月测试 GPT-6 Sol 时相同的三项任务（CI 分诊、故障日志分析、依赖解析器规格实现）对 GPT-6.1 Sol 与 GPT-6 Astra 做了对比，设置均为 Responses API、max 推理强度、64,000 token 输出上限。结果是两个模型在全部 15 次运行中均满分通过：GPT-6.1 Sol 总耗时 49 分 54 秒、总成本 2.66 美元；GPT-6 Astra 总耗时 1 小时 6 分 55 秒、总成本 14.77 美元。GPT-6.1 Sol 的成本约为 Astra 的 18%，接近 OpenAI 宣称的五分之一；在两项较长任务上速度反而更快。作者结论是，OpenAI 的说法在自己的测试中站得住，这类工作他会选 GPT-6.1 Sol。
关键事实
- OpenAI 于 9 月 29 日发布 GPT-6.1 Sol，距 GPT-6 Sol 发布仅一周，官方称其为「以五分之一价格获得接近 Astra 的智能」。
- GPT-6.1 Sol 定价为每百万输入 token 2 美元、每百万输出 token 10 美元，缓存输入 0.10 美元；GPT-6 Astra 为每百万输入 10 美元、每百万输出 50 美元、缓存输入 1 美元。
- OpenAI 将缓存输入价格从 GPT-6 Sol 的 0.20 美元降至 0.10 美元，降幅 50%。
- 测试通过 OpenAI Responses API 调用，两个模型使用相同提示词，推理强度设为 max，输出上限 64,000 token。
- 三项测试为：读取 40 条失败 CI 日志并按 runbook 决定 retry/block/page；读取五个服务在 2 小时故障期间的 3,664 行日志并回答 7 个复盘问题；依据两页规格在不运行代码的前提下编写依赖解析器，由 120 个隐藏测试评分。
- CI 分诊：两模型 5/5 全对，Astra 平均 24 秒、GPT-6.1 Sol 平均 31 秒；每次读取 3,867 输入 token，输出分别为 1,381 与 1,431 token；单次成本 0.02 美元 vs 0.11 美元。
本站视角
对中文开发者和国内做 Agent 的团队来说，这篇实测的价值不在「OpenAI 又发新模型」，而在于它给出了一个可复用的成本判断：在长上下文日志分析、按规格写代码这类典型 agentic 工作负载上，GPT-6.1 Sol 用不到五分之一的价格拿到了与 Astra 相同的准确率，甚至在两项长任务上更快。这意味着此前因为 Astra 单价过高而只能做 demo、不敢上量的场景——比如批量 CI 分诊、故障复盘自动化、代码生成流水线——现在具备了算得过账的可能。用 API 的中小企业尤其应该重新算一遍单位任务成本，而不是继续按「贵模型才靠谱」的惯性选型。 我们的判断是：这次降价是实质性的，但「同准确率」的结论需要打上限定条件。作者只跑了三项任务、每项 5 次，样本量小，且任务形态高度集中在「精确读取 + 按规则执行」，这类任务恰恰是当前一代模型最容易拉平的区间；一旦进入开放式推理、多轮工具调用或需要长链规划的场景，Astra 与 Sol 的差距可能重新显现。Artificial Analysis 指数在 max effort 下仍把 Astra 排在略前，这个信号不应被忽略。因此更稳妥的做法是：把 GPT-6.1 Sol 作为默认档位，只在实测证明它失败的子任务上回退到 Astra，而不是一次性全量迁移。 需要观察的是，OpenAI 一周内连发两版、并主动砍半缓存价格，说明它正面临来自 Opus 系列等竞品的价格压力，用「向下打」来守住开发者份额。这对买方是好事，但也意味着模型迭代周期被压缩到以周计，今天算出的成本优势可能下个月就被新版本或竞品改写。团队在做架构时，应把模型层做成可替换的抽象，而不是把成本模型绑死在某个具体版本上。 最后要指出原文的可疑之处：这是一位评测者的自建任务集，不是标准化 benchmark，作者本人也承认无法证明两模型在所有任务上等价；三项任务均为其自行设计，未公开完整提示词，第三方无法复现。因此「18% 成本、同等准确率」应被理解为在特定任务分布下的观察结果，而非普适结论。
背景与影响
GPT-6.1 Sol 的发布节奏值得注意：OpenAI 在 9 月 29 日推出该模型，距离 GPT-6 Sol 发布仅一周，官方同时把它包装成 Astra 的低价替代方案，并同步把缓存输入价格砍半。这种「一周一迭代 + 向下打价格」的组合，意味着 OpenAI 正在把高端模型的推理能力快速下放到更低价位段，用价格而非能力上限来争夺 agentic coding、computer use 和专业工作负载的开发者预算。 从测试方法看，作者刻意复用了上月对比 GPT-6 Sol 与 Opus 5.5 时的同一套三项任务，这让结果具备纵向可比性：上月 GPT-6 Sol 在故障日志测试中曾漏掉一个客户、并有一次算错失败结账数，在解析器测试中留下一个多余括号导致崩溃；而这次 GPT-6.1 Sol 与 Astra 都做到了 15/15 满分。这意味着 GPT-6.1 Sol 至少在作者这套任务上，已经补上了 GPT-6 Sol 的可靠性短板。 需要区分的是，这是单一评测者的自建任务集，不是标准化 benchmark。三项任务都偏向「读长上下文 + 精确计数 + 按规格写代码」，恰好是 Astra 这类高价模型被宣传的强项，因此结果对 GPT-6.1 Sol 有利并不意外。作者本人也承认测试无法证明两者在所有任务上等价，并引用了 Artificial Analysis 指数中 Astra 在 max effort 下仍略占优的说法。对国内开发者和做 Agent 的团队来说，如果工作负载与这三项任务形态接近，切换到 GPT-6.1 Sol 可能带来数倍的成本下降；但若涉及更开放、更依赖长链推理的场景，仍需自行验证。
本文由 AI 辅助整理自公开信源，事实部分以原文为准；「本站视角」一节为编辑部判断，欢迎指正。版权归原作者所有，如有异议请联系我们。