OpenAI 发布 GPT-6.1 Sol：以五分之一价格逼近 Astra 级智能
OpenAI 正式推出 GPT-6.1 Sol，一款定位在能力与成本之间取得新平衡的模型升级。官方称，它在智能体编程、计算机操作和专业工作任务上几乎追平旗舰 GPT-6 Astra，但标准输入与输出 token 价格仅为后者的五分之一。
价格与缓存：开发者友好度大幅提升
GPT-6.1 Sol 最直接的卖点来自定价。其缓存输入价格低至每百万 token 0.10 美元，比标准输入价格便宜 95%，也比 GPT-6 Sol 的缓存输入价格低 50%。这意味着开发者在构建需要跨请求复用上下文的智能体时，可以更放心地保留长上下文，而不必过度担心成本。
编程能力：DeepSWE 上追平 Astra
在评估真实代码库中复杂软件工程任务的 DeepSWE v1.1 上，GPT-6.1 Sol 以约五分之一的成本达到与 GPT-6 Astra 相当的水平。同时，在更低的推理努力和成本下，其最佳得分比 GPT-6 Sol 高出 6.4 个百分点。
专业工作：文档理解与业务流程
针对包含表格、图表、示意图和细则的复杂 PDF 专业问答基准 GDP.pdf，GPT-6.1 Sol 在测试的推理设置下得分高于带 fallback 的 Opus 5.5，且每任务成本不到后者一半；其表现也接近 GPT-6 Astra 的最先进水平，而每任务成本仅约为 Astra 的五分之一。
在多步业务工作流基准 AutomationBench 上，GPT-6.1 Sol 在中等推理努力下得分比 Opus 5.5 高 2.2 个百分点，成本约为后者的三分之一；同一设置下，比 GPT-6 Sol 提升 4.8 个百分点。
计算机操作：OSWorld 2.0 进步显著
在评估智能体操作计算机应用工作流的 OSWorld 2.0 离线集上，GPT-6.1 Sol 在最大推理努力下比 GPT-6 Sol 高出 7 个百分点，成本不到后者一半；与 Astra 的得分差距缩小到 2.1 个百分点，而每任务成本仅约为 Astra 的七分之一。
科学研究：Terminal-Bench Science 初露头角
官方还提到，在评估数据分析、模拟和定理证明等科学工作流的 Terminal-Bench Science 0.1 上，GPT-6.1 Sol 也展现出能力进展（原文此处截断，未给出具体分数）。
行业背景与意义
GPT-6.1 Sol 的发布延续了 AI 行业近期的核心趋势：在推理成本与模型能力之间寻找更优的帕累托前沿。过去一年，前沿模型的绝对能力不断被刷新，但高昂的 token 价格让大规模智能体部署望而却步。GPT-6.1 Sol 试图证明，接近旗舰级的智能不必以旗舰级成本为代价。
对开发者而言，缓存输入价格的大幅下降尤其值得关注。智能体应用通常需要反复携带系统提示、工具定义和历史上下文，缓存成本往往是实际账单的大头。0.10 美元/百万 token 的缓存价格，可能让更多长周期、多轮次的自动化工作流变得经济可行。
当然，官方数据均来自 OpenAI 自选的基准测试，实际表现仍需第三方独立验证。但若定价与能力描述属实，GPT-6.1 Sol 有望成为专业工作与智能体场景中一个颇具竞争力的中间选项。