GPT-6.1 Sol、GPT-6 Sol、Astra 怎么选

截至 2026 年 9 月 30 日，三款模型的关系可以这样理解：GPT-6.1 Sol 是 9 月 29 日发布的 GPT-6 Sol 升级版，API 标价和 GPT-6 Sol 一样，只有缓存输入从每百万 Token $0.20 降到 $0.10；GPT-6 Astra 仍是 OpenAI 能力最强的型号，普通输入和输出单价都是 6.1 Sol 的 5 倍。

按你现在用的型号，结论分三种：

• 在用 gpt-6-sol：换到 gpt-6.1-sol。 在 Artificial Analysis 智能指数（以下简称 AA）里，同一推理强度下 6.1 Sol 高出 4～8 分，每道题的成本持平或更低。直接改模型名之前，先查请求里的 none/minimal 推理强度、Chat Completions 里的工具调用和 temperature 这类采样参数，这三处在 6.1 Sol 上都会出问题。
• 在用 Astra 的 low 到 xhigh：拿同一批任务在 6.1 Sol 上高一档试跑。 AA 里分数对齐后，6.1 Sol 每道题的成本约为 Astra 的 1/5 到 1/3。
• 继续用 Astra： 任务只有 Astra max 才做得出来、属于最难的科学研究类工作、需要 API 的 Ultrafast，或者一次失败的返工代价远高于 API 费用。

GPT-6 Sol 没有进入弃用列表，也没有公布停用日期。请求没改好之前继续用它，不会突然失效。

三个型号的关系和标价

下表是 OpenAI 直连 API 的 Standard 档、单次输入不超过 272K Token 时的单价（美元 / 每百万 Token），来自 GPT-6.1 Sol、GPT-6 Sol 与 GPT-6 Astra 的模型页。

三款的上下文窗口都是 1,050,000 Token，单次最多输出 128,000 Token。计费规则也相同：单次输入超过 272K Token 时，整次请求的输入和缓存按 2 倍、输出按 1.5 倍计价，6.1 Sol 变成 $4 / $0.20 / $5 / $15，Astra 变成 $20 / $2 / $25 / $75，倍数关系不变。Batch 和 Flex 是 Standard 的一半，Fast 是 2 倍，区域处理（数据驻留）另加 10%，见 OpenAI API 定价页。Astra 在长上下文、缓存写入和各服务档位下的完整算法，可以看 GPT-6 Astra API 定价与成本计算。

API 里只有 Astra 能用的是 Ultrafast。定价页的 Ultrafast 表里只有 gpt-6-astra：输入 $60、输出 $300，是 Standard 的 6 倍，只支持全球处理和美国数据驻留。OpenAI 的发布文章说 GPT-6.1 Sol Ultrafast 同时推出，但 API 定价页没有它的价格，ChatGPT 的模型说明页写的是 6.1 Sol 的 Ultrafast“稍后推出”。现在需要 Ultrafast，只能用 Astra。

至于 GPT-6 Sol，API 定价页的旗舰表已经换成 6.1 Sol 那一行，GPT-6 Sol 的价格仍在它自己的模型页上，页面注明“更新的 Sol 模型见 GPT-6.1 Sol”；弃用页里没有它。AA 的文章标题说 6.1 Sol“7 天就取代了 GPT-6 Sol”，指的是推荐位置，不是下线。

GPT-6 Luna 和 GPT-5.6 Terra 在整个阵容里的位置，见 GPT-6 Sol、Luna、Astra 与 Terra 怎么选；那篇写于 6.1 Sol 发布之前，其中 Sol 一行的价格除缓存输入外仍然适用。

“五分之一的价格”要放进你的请求里算

“价格是 Astra 的五分之一”只对普通输入、缓存写入和输出成立；缓存输入是十分之一。智能体任务往往反复发送相同的上下文前缀，缓存命中多，所以实际倍数落在 5 到 10 之间，缓存占比越高、输出越少，越接近 10。

用一次假设的调用算一遍：输入 200,000 Token，其中 150,000 命中缓存、50,000 未命中，输出 20,000 Token，Standard 档，不计缓存写入。Token 数换算成百万为单位代入单价：

• GPT-6.1 Sol：0.05 × $2 + 0.15 × $0.10 + 0.02 × $10 = $0.100 + $0.015 + $0.200 = $0.315
• GPT-6 Sol：0.05 × $2 + 0.15 × $0.20 + 0.02 × $10 = $0.100 + $0.030 + $0.200 = $0.330
• GPT-6 Astra：0.05 × $10 + 0.15 × $1 + 0.02 × $50 = $0.50 + $0.15 + $1.00 = $1.65

这一笔 Astra 是 6.1 Sol 的约 5.2 倍。

6.1 Sol 对 GPT-6 Sol 的差距就小得多，这里只省 $0.015，全部来自缓存输入。AA 还测到，同一推理强度下 6.1 Sol 的输出 Token 比 GPT-6 Sol 多约 10%～30%。在上面这笔调用里，输出只要多 7.5%（1,500 Token，$0.015），缓存省下的钱就抵消了；多 20% 时 6.1 Sol 要 $0.355，比 GPT-6 Sol 还贵 $0.025。所以从 GPT-6 Sol 换过来，单次请求不一定更便宜，真正的收益是同档分数更高，可以把推理强度降一档，下一节的 AA 数据会说明这一点。

这笔账还假设三个模型用的 Token 一样多，实际通常不一样。OpenAI 说 Astra 在多项评测里比前代模型用更少的输出 Token 拿到更好的结果，AA 则测得 6.1 Sol 比 GPT-6 Sol 输出更多。所以比较三者，最终要看完成一个任务花多少钱，而不是每个 Token 多少钱。

差距有多大：先分清是谁测的

下面的数字分三类：OpenAI 自己公布的、AA 独立测的，以及用 AA 数据算出来的对照。它们都不是在你的任务上跑出来的，条件随每组数字给出。

AA 智能指数：按推理强度逐档对照

AA 智能指数 v4.3.2 由 10 项评测组成，三个模型的五档推理强度都有完整结果。每格是“指数得分 / 每任务成本”。每任务成本是 AA 跑一道指数题的加权平均花费，反映的是这套测试的工作量，不是你的账单。

数据来自 AA 的 GPT-6.1 Sol、GPT-6 Sol 与 GPT-6 Astra 发布页，截至 2026 年 9 月 30 日，之后可能更新。

从这张表能读出三件事：

1. 对 GPT-6 Sol 是全面提升。 同一档位，6.1 Sol 分别高 8、8、7、7、4 分，每任务成本持平或更低。6.1 Sol medium 得 48 分、花 $0.21，已经和 GPT-6 Sol max 的 48 分持平，成本是后者的 1/5。原来为了质量把 GPT-6 Sol 开到 max 的，换过来可以从 medium 或 high 试起。
2. 对 Astra，同名档位只差 1～4 分。 Astra 在 low 领先 4 分，medium 领先 2 分，high 到 max 都只领先 1 分。
3. 按分数对齐，6.1 Sol 便宜 3～5 倍。 6.1 Sol high（50 分，$0.32）对应 Astra medium（50 分，$1.54），约 4.8 倍；xhigh（51 分，$0.39）对应 Astra high（51 分，$1.73），约 4.4 倍；max（52 分，$0.72）对应 Astra xhigh（52 分，$2.31），约 3.2 倍。Astra max 的 53 分，6.1 Sol 没有哪一档够得着。

输出速度方面，AA 测得 6.1 Sol 各档每秒约 59～66 个 Token，Astra 约 44～51 个。不过完成一个任务要多久，还取决于它输出多少 Token。

指数差 1 分，是 10 项评测平均后的结果，单项差距可能大得多，下面 OpenAI 公布的 Terminal-Bench Science 就是一例。

AA 编码智能体指数：xhigh 比 max 更好

在 AA 的编码智能体指数（Coding Agent Index）里，6.1 Sol xhigh 比 Astra 高 1 分，每任务成本不到 Astra 的 15%；比 GPT-6 Sol max 高 6 分。更值得注意的是，6.1 Sol xhigh 比它自己的 max 还高 3 分，max 反而比 Astra 低 2 分。跑编码智能体时，不要默认开满，先试 xhigh。

同一篇 AA 文章还提到，6.1 Sol 在 Terminal-Bench 4.0 上比 GPT-6 Sol 高 12 分，AA-Omniscience 幻觉率从 60% 降到 54%。

OpenAI 公布的对比

以下来自 OpenAI 的 GPT-6.1 Sol 发布文章，测试在研究环境或 API 中进行，OpenAI 注明可能与正式版 ChatGPT 略有差异：

• 编程（DeepSWE v1.1）：6.1 Sol 以约五分之一的成本达到与 Astra 相当的水平；用更低的推理强度和成本，比 GPT-6 Sol 的最高分高 6.4 个百分点。
• 计算机使用（OSWorld 2.0，部分奖励得分）：最高推理强度下比 GPT-6 Sol 高 7 个百分点、成本不到一半；与 Astra 相差 2.1 个百分点以内，单任务成本约为 Astra 的七分之一。
• 科学研究（Terminal-Bench Science 0.1）：平均单任务成本 6.1 Sol $5.47、Astra $23.80，但 Astra 以 68.1% 排第一，OpenAI 明确说最具挑战性的科学研究任务应使用 Astra。
• 事实错误率（xhigh，刻意挑选的高难度提示）：6.1 Sol 4.1%、GPT-6 Sol 4.5%、Astra 4.0%。
• 搜索工具出错却未告知用户的比例（max，对抗性测试）：6.1 Sol 2.1%、GPT-6 Sol 4.9%、Astra 1.5%。

这些是厂商自报结果，和 AA 的方向一致：6.1 Sol 大幅领先 GPT-6 Sol，离 Astra 很近，但在最难的一端 Astra 仍然领先。

推理强度怎么对档

把上面的数据落到具体配置上，可以从下表开始试。OpenAI 在 Codex 文档里说过，不同代模型的推理强度并不一一对应，所以这只是试跑的起点，每一行都要用你的任务确认。

API 里的档位写在 reasoning.effort（Responses）或 reasoning_effort（Chat Completions）里，取值是 low、medium、high、xhigh、max，不写时 6.1 Sol 默认 medium。Codex 和 ChatGPT 工作模式的界面用另一套名称，从 Light 到 Ultra（CLI 里 Light 显示为 Low），其中 Ultra 会把任务拆给多个子代理并行处理，Max 和 Ultra 是否出现取决于你的设置。两套名称不要混用，写配置时以 API 取值为准。

把 gpt-6-sol 换成 gpt-6.1-sol 前要检查的地方

只用 Responses API、推理强度为 low 及以上的请求，通常改一个模型名就能跑。下面这些情况例外，依据是 OpenAI 的 GPT-6 使用与迁移指南：

1. 推理强度 none 或 minimal。 6.1 Sol 和 Astra 都不支持，请求会失败。改成 low；如果原来用 none 是为了压延迟，要重新测响应时间。
2. Chat Completions 里的工具调用。 GPT-6 Sol 在 Chat Completions 里只有 reasoning_effort 为 none 时才能调函数；6.1 Sol 的 Chat Completions 完全不支持工具调用。带工具的请求要先迁到 Responses API，不带工具的 Chat Completions 请求可以照常用。
3. 采样参数。 推理强度不是 none 时，要删掉 temperature、top_p、top_logprobs；Chat Completions 还要删 logprobs，Responses 要从 include 里去掉 message.output_text.logprobs。原来在 GPT-6 Sol 上用 none 配这些参数的，改成 low 后必须一起删。
4. 输出量和预算。 6.1 Sol 的输出 Token 比 GPT-6 Sol 多约 10%～30%。如果你给输出设了较紧的上限，或者按 Token 设了预算告警，先放宽再观察。
5. 图片输入的旧评测。 OpenAI 在 9 月 25 日修复了一个图像编码问题，它曾拉低 GPT-6 Sol 和 Luna 在 API 与 Codex（包括计算机使用）中的看图能力。9 月 25 日之前用 GPT-6 Sol 做的看图对比低估了它，拿来和 6.1 Sol 比之前要重跑。
6. 速度档与数据驻留。 API 里 6.1 Sol 有 Standard、Batch、Flex 和 Fast，没有 Ultrafast。它支持美国和欧盟数据驻留，欧盟数据驻留下没有 Fast，这一点和 GPT-6 Sol 一样。
7. 安全研究类任务。 OpenAI 把 6.1 Sol 的网络安全能力评为 Critical、生物与化学评为 High，套用和 Astra 相同的一整套安全防护，见 GPT-6.1 Sol 系统卡补充。做漏洞研究、渗透测试一类工作，从 GPT-6 Sol 迁过来前先用真实任务跑一遍。

检查完之后，先把一小部分流量切过去，对比通过率、输出 Token 和耗时，再决定全量切换。逐项改请求的具体写法，见 GPT-6.1 Sol 怎么用：价格变化、迁移改动与可用入口。

什么时候仍该用 Astra

6.1 Sol 离 Astra 很近，但下面几种情况，多付的钱仍然有回报：

• 任务只有 Astra max 才能完成。 AA 里 Astra max 的 53 分在 6.1 Sol 那边没有对应档。如果你的任务在 Astra xhigh 上已经常常失败、只能靠 max，6.1 Sol 很可能也做不下来。
• 最难的科学研究任务。 Terminal-Bench Science 上 Astra 排第一，OpenAI 自己也说这类任务应该用 Astra。
• 完整的端到端长流程。 OpenAI 的 Codex 文档把 Astra 推荐给需要跨代码、应用和资料持续推理与判断的完整工作流，并说它更会在关键处提问、在接受新要求的同时守住原始目标；6.1 Sol 则推荐给注重成本、重复执行的长时间任务。
• 需要 API 的 Ultrafast。 目前只有 Astra 有公布价格。
• 失败很贵。 一次失败的人工检查、返工或线上事故成本远高于 API 费用时，Astra 的通过率哪怕只高一点，也可能更划算，下一节给出算法。
• 要在 ChatGPT 聊天里用。 6.1 Sol 只在工作模式和 Codex 里，不在聊天中；Astra 以 GPT-6 Pro 的形式出现在部分付费套餐的聊天里。

如果你想找的是 Astra 的跨厂商替代，可以看 Sonnet 5.5 对比 GPT-6 Astra：值不值得换。

在自己的任务上确认：算每个合格结果的成本

API 单价差 5 倍，但决定选谁的往往不是这 5 倍，而是失败的代价。用这个式子比较：

每个合格结果的成本 = (每次尝试的 API 费用 + 每次尝试的人工检查与返工成本) ÷ 通过率

继续用前面那笔调用（6.1 Sol $0.315，Astra $1.65，假设两边 Token 用量相同）：

• 只看 API 费用： 只要 6.1 Sol 的通过率高于 Astra 的 19%（0.315 ÷ 1.65），它就更便宜。按这个标准，几乎所有任务都该用 6.1 Sol。
• 加上人工成本： 假设每次尝试都要人工检查，折合 $5。Astra 每次尝试共 $6.65，6.1 Sol 共 $5.315，盈亏点变成 5.315 ÷ 6.65 ≈ 80%。也就是说，Astra 能过 90% 的任务，6.1 Sol 至少要过 72% 才划算。

检查越贵，Astra 在通过率上的每一点优势越值钱；验收能自动完成、失败重跑就行的任务，6.1 Sol 几乎总是赢。

具体做法：

1. 挑一批有代表性的真实任务，包括你最难的那类，先写好通过标准，能自动判定的尽量自动判定。
2. Astra 用现在的档位跑一遍作为基线；6.1 Sol 按前面的对档表跑，再加高一档。
3. 每次记录 API 返回的 usage（输入、缓存命中、输出 Token）、是否通过、耗时。
4. 按任务类型分别代入上式。6.1 Sol 通过率不明显落后的类型切过去，其余留在 Astra，两者可以分流并用。

从 GPT-6 Sol 迁到 6.1 Sol 也可以用同一套流程，重点是确认请求没有报错、输出量增加后账单仍可接受，并试试低一档能不能守住原来的通过率。同一思路在跨厂商比较中的用法，见 Claude Opus 5.5 对比 GPT-6 Sol：先看任务，再算每次合格交付的成本。

Codex 和 ChatGPT 工作模式里怎么选

上面的 API 单价不能换算成套餐额度。Codex 和 ChatGPT 工作模式里，模型消耗的是 ChatGPT 积分，OpenAI 的模型说明页把各模型的积分消耗指向套餐定价页。想知道哪个更省额度，要用那里的数字比较，不能拿 API 单价推算。

可用范围按官方说明：

• GPT-6.1 Sol： 首批覆盖 Plus、Pro、Business、Enterprise 和 Edu，可在 Codex（桌面应用、CLI）和 ChatGPT 工作模式（网页、手机）中使用。Enterprise 和 Edu 默认关闭，需要管理员开启；Free 和 Go 首批不包含。6.1 Sol、GPT-6 Sol 和 Luna 只在工作模式和 Codex 里，不在聊天中。
• GPT-6 Astra： Plus 可在工作模式和 Codex 中使用；Pro、Business 和 Enterprise 还能在聊天里用由 Astra 驱动的 GPT-6 Pro；Free 和 Go 没有 Astra。OpenAI 同时推出了每月 $500 的新 Pro 档位，Astra Ultrafast 在其中的工作模式和 Codex 里开放。

在 CLI 里指定模型：

codex -m gpt-6.1-sol
codex -m gpt-6-astra

OpenAI 文档里示意的桌面应用 Power 预设是 Luna、GPT-6 Sol 和 Astra 的几种组合，实际选项因套餐和灰度而异；要用 6.1 Sol，在高级（Advanced）里指定模型。选中某个模型不会自动获得使用权限，是否可用取决于套餐、客户端和工作区设置。OpenAI 给 Codex 的建议和 API 一致：注重成本、重复执行的长任务用 6.1 Sol，最难的端到端工作留给 Astra。

不直连 OpenAI 的话，Microsoft Foundry 和 Amazon Bedrock 的文档也已列出 GPT-6.1 Sol，价格以各平台为准，不能直接套用上面的 OpenAI 直连单价。直连 OpenAI 时，Astra 的访问条件与首次调用排查见 GPT-6 Astra API 怎么开通。