GPT-6.1 Sol深度实测：OpenAI用超低价反击Opus 5.5

OpenAI的快速反击

Anthropic发布Opus 5.5引发业界震动后，OpenAI在短短一周内接连推出多款模型。前两款GPT-6 Sol和GPT-6 Luna反响平平，但真正的重头戏是紧随其后发布的GPT-6.1 Sol。

据获得早期访问权限的YouTube博主实测，GPT-6.1 Sol在GPT-6 Sol发布仅一周后就上线，这种异常紧凑的发布节奏本身就传递出一个信号：这款模型很可能原本不叫6.1，而是OpenAI为应对Opus 5.5的"内部红色警报"而临时调整的产物。

从技术迹象看，6.1相比GPT-6 Sol"显著更聪明"，且每秒生成token速度明显变慢——后者通常意味着模型体量更大。这些都表明6.1并非简单的小版本号升级，而是存在根本性差异。

价格才是真正的杀招

这款模型最震撼的地方不在能力，而在定价策略。GPT-6.1 Sol的价格为每百万输入token 2美元、输出10美元，仅为Astra的五分之一。

但真正的核武器是缓存读取（cache read）定价。OpenAI一直将缓存读取价格固定在正常读取价格的10%（即90%折扣），而这次直接降到每百万token 10美分，相当于95%折扣——缓存成本直接砍半。

这一点至关重要，因为博主引用Opus自己的分析指出：真实的Agent工作负载中96%都是缓存读取。换句话说，缓存价格比2美元和10美元的"头条价格"重要得多。在实际测试中，当博主让Opus 5.5评估自己所有会话的成本时，基于旧估算是5700美元，而按新价格重算后仅为1550美元，降幅巨大。

博主据此推断，OpenAI历史上高达95%的利润率（花10美元成本仅5毛）正在被压缩，这可能标志着"补贴时代"开始走向终结。同时有消息称Pro $200订阅回归，但用量计算方式改变，实际净值约为旧版的一半API消费额。

**缓存读取（Cache Read）**是大模型API定价体系中的关键机制。当同一段上下文（如系统提示、长文档或代码库）被反复发送给模型时，提供商可以将其存储在高速缓存中，后续请求直接读取缓存而无需重新处理，从而大幅降低计算开销。对于Agent工作流而言，每一步操作往往需要携带完整的任务上下文和历史记录，这意味着每次API调用中绝大部分token实际上是重复的缓存内容。正因如此，缓存读取价格对于真实Agent场景的总成本影响远超"头条输入/输出单价"——96%的缓存读取占比意味着，缓存折扣从90%提升至95%，实际上将这部分成本再砍一半，最终账单降幅可能比单看标价变化直观感受到的大得多。

基准测试：同分但便宜一个数量级

在Terminal Bench 4上，GPT-6.1 Sol拿下了博主见过的最高分之一，即便在High和X High档位也超越了此前所有模型。

更夸张的是成本对比。在Deep SWE基准上，6.1 Sol在Low档位花费0.21美元就达到了Astra在Low档位1.46美元、Opus 5.5在Max档位14.65美元才能达到的同等分数。博主完成整个基准仅用4.8分钟、21美分，而Opus 5.5在Max档位每个任务耗时50分钟——十分之一的时间、七十分之一的价格，换来同样的分数。

博主也坦言自己"比以往任何时候都更怀疑基准测试"，尤其是在自己动手跑了大量测试之后。这些数据虽然亮眼，但不代表真实的日常代码工作表现。

Terminal Bench和Deep SWE是目前常用的代码能力评测基准。Terminal Bench考察模型在终端环境中完成真实工程任务的能力，包括调试、文件操作和命令行交互；Deep SWE（Software Engineering）则聚焦于更接近实际软件开发的任务，如代码修改、缺陷修复和仓库级别的理解。这类基准相比传统的数学或问答测试更贴近工程实践，但也更容易因测试集泄露或模型针对性优化而出现"基准失真"——即模型在评测中表现亮眼，却未必反映日常开发中的真实稳定性。博主对此保持警惕，其判断最终仍以实际任务中的表现为主要依据。

真实工作中的表现：告别"又聪明又犯蠢"

GPT-6 Astra最让人头疼的不是不够聪明，而是"又聪明又犯蠢"——它会毫无征兆地突然犯下低级错误，这种"spikiness"（尖刺性波动）严重到让博主几乎放弃使用。

GPT-6.1 Sol在这方面有明显改善。博主甚至放心让它遍历所有邮件、找出遗漏的账单、在Chrome里为每笔投资开好标签并填写电汇信息，"没有一个地方出错"，还主动指出了他自己会漏掉的事项。他直言："我真的信任这个模型去电汇转账。"其他测试者Julius称其"难以置信"，Ben则评价"无聊得难以置信"——对这类模型发布而言，这恰恰是最好的状态。

在代码审查方面，6.1 Sol延续了OpenAI模型的"罗威纳犬本性"——会死咬住问题不放，挖出每一个缺陷。在Orchestrator V2审计中，它表现与Astra几乎相同，但成本仅297美元对584美元。在T3代码改进任务中，它以87.4分击败了Astra（83.8）和Grok 4.7（80.7），而成本仅2.15美元，比Sonnet的近9美元和Opus的5美元都低。

短板依然明显：前端与长任务

在"Fish Slop"游戏生成测试中，6.1 Sol暴露了严重问题。虽然3D图形保真度很高（鱼、潜艇、螺旋桨模型都更出色），但它在游戏周围堆砌了"绝对垃圾的UI"，到处是毫无必要的文案（"休息一下""你的小世界可以等等"等二十多条）。博主毫不客气地表示：这个模型在前端和设计上烂透了，没有任何审美，想做不烂的前端请把钱花在别处。

游戏操作手感也明显不如Opus和Sonnet版本，移动卡顿、帧率更低。不过它在Blender建模上表现出色——给个截图让它用CLI建3D模型，完成度相当高。

另一大短板是长时间无人值守的重写任务。博主的TypeScript到Rust移植项目，用Astra和Sol折腾了数月、烧掉数十万token的token仍毫无进展；而Opus 5.5仅用两个订阅、一晚上、约一千美元就从头重写搞定。6.1 Sol在这类任务上会"固执地遵守流程规则，即便进度完全停滞也不求助"。

博主提到的TypeScript到Rust移植任务代表了一类特殊的AI编程挑战：大规模无人值守重写（Unattended Rewrite）。与逐步交互式编码不同，此类任务要求模型在没有人工干预的情况下，自主规划、执行并在遇到阻碍时灵活调整策略，可能持续数小时甚至更长。这对模型的"元认知"能力要求极高——它需要感知自身是否陷入死循环、何时应主动中止并寻求帮助。GPT-6.1 Sol在此类任务中"固执地遵守流程规则"的表现，揭示了当前模型在自主性与适应性之间的普遍权衡难题：规则遵从度高的模型往往稳定可预期，但面对非标准情况时缺乏跳出框架的灵活性。

最佳用法：与Opus协同作战

博主的结论是：6.1 Sol可以作为默认编码模型，但他仍更愿意用Opus 5.5做日常主力。

他找到的最优组合是让两者协同：Opus 5.5负责实际写代码（更好的协作者、不会频繁卡住），6.1 Sol负责审查、深挖细节、根因排查和代码库分析。有个典型案例：Opus重写TS-Rust移植后，6.1 Sol审查发现180万行代码中有130万行根本没被使用——因为Opus判定其他Agent的代码是垃圾、从头重写却没清理旧代码。于是6.1 Sol又被派去收拾这些残局。

对于不再需要Sonnet，博主态度明确：6.1 Sol将有效取代它的位置。他会调整Claude配置，让Opus在合适时机调用6.1 Sol来审查工作和调查代码库。

这是一次"了不起的发布"，以极具竞争力的价格提供了强大能力。但它没能把Opus 5.5拉下日常主力的宝座，博主也不打算取消任何Claude订阅。更深远的影响是：这次激进定价可能真的拉开了AI模型"补贴时代终结"的序幕。