GPT-6.1 Sol一周内连发，以低价挑战自家旗舰

OpenAI 于周二推出了 GPT-6.1 Sol，这是其主力模型的最新版本，距离推出 GPT-6 Sol 仅一周时间。

该公司将新模型描述为"对 GPT-6 Sol 的升级，在代理编码、计算机使用和专业工作方面几乎达到 GPT-6 Astra 的智能水平，而标准输入输出 token 价格仅为 Astra 的五分之一。"

价格不变，性能接近 Astra

GPT-6.1 Sol 的定价与之前保持一致，每百万输入 token 2 美元，每百万输出 token 10 美元，缓存输入大幅折扣至每百万 token 0.10 美元。

GPT-6.1 Sol 现已在 API 中可用，同时也面向 ChatGPT Work 和 Codex 中的所有 Plus、Pro、Business、Enterprise 和 Edu 用户。不过目前该模型尚未在 Chat 中上线。

一个新特性是 GPT-6.1 Sol 还将在 Codex 中提供 Ultrafast 版本，token 生成速度最高可达标准速度的 8 倍。

尽管其前代仅发布一周，更新后的模型显示出显著的改进。在 OpenAI 发布前提供的几乎所有基准测试中，新模型的成绩与 OpenAI 高成本的 GPT-6 Astra 旗舰模型相当，但成本显著更低。

例如，在编码基准测试中，GPT-6.1 Sol 在 DeepSWE 1.1 上的得分比 GPT-6 Sol 高出 6.4 个百分点，结果与 GPT-6 Astra 基本持平——但成本仅为五分之一。

在某些基准测试中，新款 Sol 模型也击败了 Anthropic 的 Opus 5.5（with fallbacks，后者与 GPT-6 Sol 同日发布。例如，在 GDP.pdf 基准测试中（测试模型如何回答复杂 PDF 文档问题），GPT-6.1 Sol 最高达到约 32%，而 Opus 5.5 约为 29%。同样，结果与 GPT-6 Astra 相似，但每任务成本仅为五分之一。

GPT-6.1 Sol 表现尤为出色的一个领域是计算机使用。在这里，新模型在最大推理时比其前代提升 7 个百分点，成本仅为一半——同样，性能与 Astra 持平。

确实，鉴于这些结果，在大多数用例中使用 Astra 将很难说得通。

与 Sonnet 5.5 对比结果参半

遗憾的是，针对周一发布且每百万输入/输出 token 定价相同的 2 美元/10 美元的 Sonnet 5.5，目前只有少量对比基准测试存在。在两者都有基准测试的项目中，结果参半。

Sonnet 5.5 在 DeepSWE 上得分为 71%，而 GPT-6.1 Sol 约为 75%。在 AutomationBench 上，GPT-6.1 Sol 得分约 36%，而 Sonnet 5.5 为 44.7%，但 Sol 的每任务成本显著更低（0.30 美元 vs 1.14 美元）。

更少错误，更好对齐

OpenAI 还表示，GPT-6.1 Sol 产生的事实错误更少。在低推理强度下，包含至少一个事实错误的回复比例从 GPT-6 Sol 的 11.4% 下降到 7.7%，降幅约 32%。

这些结果来自用户标记早期模型错误的刻意困难的对话，不代表典型使用中的错误率。

鉴于我们尚未完全追赶前沿，能看到 GPT-6.1 Sol 将 Sol 的对齐水平提升到与 Astra 持平是件好事。OpenAI 表示，总体而言，它在尊重用户意图和安全约束方面表现更好，且只在 2.8% 的情况下未能披露破损的搜索工具（而不是猜测）。

在该公司的测试中，基于 GPT-6.1 Sol 的智能体也从未试图绕过自动安全审查员阻止其智能体决策的决定。