# GPT-6.1 Sol 怎么用：价格变化、迁移改动与可用入口

> GPT-6.1 Sol 标价同 GPT-6 Sol，仅缓存输入减半至 $0.10；切换时推理强度 none/minimal 改 low，工具调用改走 Responses API。

- URL: https://blog.laozhang.ai/zh/posts/gpt-6-1-sol
- Published: 2026-09-30
- Updated: 2026-09-30
- Author: LaoZhang AI Team (https://blog.laozhang.ai/zh/about)
- Category: AI API
- Tags: GPT-6.1 Sol, OpenAI API, Codex, API 定价

---
OpenAI 在 2026 年 9 月 29 日发布了 GPT-6.1 Sol，定位是一周前（9 月 22 日）发布的 GPT-6 Sol 的升级版，API 模型 ID 为 `gpt-6.1-sol`。截至 2026 年 9 月 30 日，对已经在用 `gpt-6-sol` 的开发者来说，结论可以先压成三句：

- **账单**：输入 $2、输出 $10（每百万 token）与 GPT-6 Sol 相同，唯一变化是缓存输入从 $0.20 降到 $0.10。缓存命中占比越高，省得越多；完全不用缓存时，标价上没有差别。
- **请求**：两类写法不能原样照搬。`none` 和 `minimal` 推理强度不再支持，要改成 `low`；在 Chat Completions 里做工具调用的请求要改走 Responses API。
- **入口**：API 免费层不支持；ChatGPT 里只有“ChatGPT 工作”和 Codex 能选，普通聊天里没有，Free 和 Go 套餐不含。

## GPT-6.1 Sol 和 GPT-6 Sol、Astra 是什么关系

GPT-6 系列目前在 OpenAI 的[模型指南](https://developers.openai.com/api/docs/guides/latest-model)里分三档：Astra 是“最高智能”，GPT-6.1 Sol 是“速度、成本与智能的平衡”，Luna 是“最快、最省钱”。GPT-6.1 Sol 取代的是 GPT-6 Sol 在这个阵容里的位置，而不是新增一档；[GPT-6 Sol 的模型页](https://developers.openai.com/api/docs/models/gpt-6-sol)现在也直接写着“较新的 Sol 模型请看 GPT-6.1 Sol”。

OpenAI 给它的定位是智能体编程、计算机使用和专业工作，[发布公告](https://openai.com/index/introducing-gpt-6-1-sol/)的说法是“智能水平接近 Astra，价格仅为其五分之一”。这里的“五分之一”指标准输入和输出单价：Astra 是 $10 / $50，6.1 Sol 是 $2 / $10。缓存输入差得更多，Astra $1.00 对 6.1 Sol $0.10，是 10 倍。公告同时写明 GPT-6 Astra 仍是它综合能力最强的模型。

“接近 Astra”来自 OpenAI 自己的测评，公告里的几组数字可以当作参考方向：

| 测评 | OpenAI 公布的结果 |
| --- | --- |
| DeepSWE v1.1（编程） | 与 GPT-6 Astra 相当，成本约为其五分之一；比 GPT-6 Sol 的最高分高 6.4 个百分点 |
| OSWorld 2.0（计算机使用，最高推理强度） | 比 GPT-6 Sol 高 7 个百分点；与 Astra 相差 2.1 个百分点以内，单任务成本约为其七分之一 |
| Terminal-Bench Science 0.1（最高推理强度） | 平均单任务成本 $5.47，Opus 5.5 为 $23.21，Astra 为 $23.80；得分第一仍是 Astra（68.1%） |
| 事实错误率（超高推理强度，刻意挑选的高难度对话） | 4.1%，GPT-6 Sol 为 4.5%，Astra 为 4.0% |

这些评估在 OpenAI 的研究环境或 API 中进行，竞品数字取自公开报告，公告也提示 ChatGPT 里的实际输出可能不同。它们能说明 6.1 Sol 相对 6 Sol 的提升方向，但换不换、要不要升到 Astra，最终要用你自己的任务来判断（做法见后文）。如果你在考虑是否值得为 Astra 多付费，[GPT-6 Astra API 定价与成本计算](https://blog.laozhang.ai/zh/posts/gpt-6-astra-api-pricing)里有 Astra 的长上下文与缓存算法。

## 价格：只有缓存输入降了一半

以下是 OpenAI 直连 API、Standard 档、全球处理的标价（美元／每百万 token），来自 [GPT-6.1 Sol 模型页](https://developers.openai.com/api/docs/models/gpt-6.1-sol)与[定价页](https://developers.openai.com/api/docs/pricing)：

| 模型 | 输入长度 | 输入 | 缓存输入 | 缓存写入 | 输出 |
| --- | --- | ---: | ---: | ---: | ---: |
| `gpt-6-sol` | ≤272K | $2.00 | $0.20 | $2.50 | $10.00 |
| `gpt-6-sol` | >272K | $4.00 | $0.40 | $5.00 | $15.00 |
| `gpt-6.1-sol` | ≤272K | $2.00 | **$0.10** | $2.50 | $10.00 |
| `gpt-6.1-sol` | >272K | $4.00 | **$0.20** | $5.00 | $15.00 |
| `gpt-6-astra` | ≤272K | $10.00 | $1.00 | $12.50 | $50.00 |

缓存输入是未缓存输入单价的 5%，缓存写入是 1.25 倍。推理 token 按输出计费，所以同一个任务推理想得越久，输出费用越高。使用网络搜索等工具时，定价页另有按次计费的工具费用，不包含在上表里。

每一笔请求都可以按同一个公式复算：

```text
费用 = 未缓存输入 × 输入单价 / 1,000,000
     + 缓存输入 × 缓存输入单价 / 1,000,000
     + 缓存写入 × 缓存写入单价 / 1,000,000
     + 输出（含推理）× 输出单价 / 1,000,000
```

### 缓存命中多的智能体：同样用量大约便宜 18%

假设一个编程智能体的某一轮请求带着 150,000 输入 token，其中 140,000 命中缓存、10,000 按普通输入计费，输出（含推理）3,000 token，不计缓存写入（两个模型的缓存写入都是 $2.50，不影响差额）：

| 项目 | `gpt-6-sol` | `gpt-6.1-sol` |
| --- | ---: | ---: |
| 未缓存输入 10,000 × $2 / 1M | $0.020 | $0.020 |
| 缓存输入 140,000 × 缓存单价 / 1M | $0.028 | $0.014 |
| 输出 3,000 × $10 / 1M | $0.030 | $0.030 |
| 合计 | $0.078 | $0.064 |

每轮少 $0.014，约 18%；跑 50 轮是 $3.90 对 $3.20。同样的用量放到 Astra 上是 10,000 × $10 / 1M + 140,000 × $1 / 1M + 3,000 × $50 / 1M = $0.39。前提是两个模型在同一任务上用掉的 token 数相同，实际上推理长度和重试次数都会不同，所以这只是标价层面的差额。

反过来，如果你的请求几乎不命中缓存，两个模型的输入、缓存写入和输出单价完全一样，账单变化只会来自 token 用量本身。

### 跨过 272K：整次请求都按长上下文计价

模型页的原文是：输入超过 272K token 的请求，**整次请求**的输入和缓存按 2 倍、输出按 1.5 倍计费，不是只给超出的部分加价。用 `gpt-6.1-sol` 做两次对比：

- 请求 A：260,000 输入（250,000 缓存 + 10,000 未缓存）+ 3,000 输出，全部按短上下文单价：$0.020 + $0.025 + $0.030 = **$0.075**
- 请求 B：300,000 输入（290,000 缓存 + 10,000 未缓存）+ 3,000 输出，全部按长上下文单价：10,000 × $4 / 1M = $0.040，290,000 × $0.20 / 1M = $0.058，3,000 × $15 / 1M = $0.045，合计 **$0.143**

输入只多了约 15%，费用接近翻倍（约 1.9 倍）。同样的请求 B 放在 `gpt-6-sol` 上是 $0.040 + $0.116 + $0.045 = $0.201。长会话的智能体如果经常在 272K 附近徘徊，先做上下文压缩或截断，往往比换模型省得更多。

![两组费用条形图：缓存命中多的一轮 gpt-6-sol 为 $0.078、gpt-6.1-sol 为 $0.064；gpt-6.1-sol 上 260K 输入请求为 $0.075，300K 输入请求整次按长上下文计价为 $0.143](https://blog.laozhang.ai/posts/zh/gpt-6-1-sol/img/cache-and-272k-cost.webp)

### Fast、Batch/Flex 与尚未开放的超高速

- **Fast**：Standard 的 2 倍，短上下文为 $4 / $0.20 / $5 / $20。使用 EU 数据驻留时不能用 Fast。
- **Batch 与 Flex**：Standard 的一半，短上下文为 $1 / $0.05 / $1.25 / $5，适合不急着要结果的批量任务。
- **区域处理**（数据驻留）在对应档位的价格上再加 10%。

超高速（Ultrafast）这一项，OpenAI 各处说法不一致。发布公告写的是同时推出了 GPT-6 Astra Ultrafast 和 GPT-6.1 Sol Ultrafast、可通过 API 使用；但同日的 [DevDay 2026 回顾](https://openai.com/index/devday-2026-recap/)写的是“GPT-6.1 Sol 超高速即将推出”，[ChatGPT Learn 的模型页](https://learn.chatgpt.com/docs/models)写的是发布时只有 Standard 和 Fast、超高速稍后提供，9 月 29 日的 [API 更新日志](https://developers.openai.com/api/docs/changelog)也只给 `gpt-6-astra` 加了 `service_tier: "ultrafast"`，定价页的超高速一栏只列了 Astra。截至 2026 年 9 月 30 日，可以按“6.1 Sol 的超高速已宣布、还不能用、没有公布价格”来安排，别在生产代码里对它设置 `service_tier: "ultrafast"`。

## 从 gpt-6-sol 切过去，哪些写法要改

OpenAI 的迁移建议是先把 `model` 改成 `gpt-6.1-sol`，再逐项检查下面这些地方。前两行是最容易让现有请求跑不通的：

| 你现在的写法（`gpt-6-sol`） | 在 `gpt-6.1-sol` 上 | 怎么改 |
| --- | --- | --- |
| 推理强度 `none` | 不支持 | 改成 `low` |
| 推理强度 `minimal` | 不支持 | 从 `low` 开始，用代表性任务对比结果 |
| Chat Completions 里带工具／函数调用（6 Sol 只允许在 `reasoning_effort: "none"` 时这样用） | Chat Completions 不支持工具调用 | 改用 Responses API |
| Chat Completions 不带工具 | 支持 | 改 `model`，推理强度用 `low` 及以上 |
| `temperature`、`top_p`、`top_logprobs` | 推理强度不是 `none` 时要去掉，而 6.1 Sol 最低就是 `low` | 删除 |
| Chat Completions 的 `logprobs` | 同上 | 删除 |
| Responses 里 `include` 的 `message.output_text.logprobs` | 同上 | 从 `include` 中移除 |
| 对话中途改推理强度 | 用 `configuration_update` 输入项 | 请求级 `reasoning.effort` 保持不变，才能保住缓存前缀 |
| `prompt_cache_retention`（从 GPT-5.5 或更早迁来） | 已换成新参数 | 改成 `prompt_cache_options.ttl`，值为 `"30m"` |

![从 gpt-6-sol 迁到 gpt-6.1-sol 的改动对照：推理强度 none 和 minimal 改为 low，带工具的 Chat Completions 改用 Responses API，删除 temperature、top_p 等参数，中途改推理强度用 configuration_update，缓存保留参数改为 prompt_cache_options.ttl](https://blog.laozhang.ai/posts/zh/gpt-6-1-sol/img/migration-changes.webp)

没变的部分：上下文窗口 1,050,000 token，最大输出 128,000 token，输入支持文本和图片、输出文本，音频和视频都不支持；流式输出、函数调用和 Structured Outputs 可用，不支持微调。知识截止日期从 2026 年 4 月 20 日推到 4 月 30 日。Responses API 里可用的内置工具包括网络搜索、文件搜索、图片生成、代码解释器、托管 shell、apply patch、skills、计算机使用、MCP 和工具搜索，多智能体处于 beta。

推理强度的档位名字相同，效果却不一定一一对应。ChatGPT Learn 的原话是不同代模型之间的推理强度“不能精确对应”，建议先用熟悉的任务在较低档位试，再按结果调整。所以原来用 `medium` 的，不代表换过来之后 `medium` 就是最合适的档。

项目代码交给 Codex 迁移时，可以在 Codex 里用 OpenAI 文档技能：`$openai-docs migrate this project to the GPT-6 model family`。

### 带工具的请求：Responses API 写法

下面用 Python SDK 演示一次完整的函数调用往返。原来在 Chat Completions 里用 `reasoning_effort: "none"` 做函数调用的代码，换成这个结构：

```python
from openai import OpenAI

client = OpenAI()  # 从环境变量 OPENAI_API_KEY 读取密钥

tools = [
    {
        "type": "function",
        "name": "get_order_status",
        "description": "按订单号查询订单状态",
        "parameters": {
            "type": "object",
            "properties": {
                "order_id": {"type": "string", "description": "订单号"}
            },
            "required": ["order_id"],
            "additionalProperties": False,
        },
        "strict": True,
    }
]

# 第一轮：模型决定是否调用函数
response = client.responses.create(
    model="gpt-6.1-sol",
    reasoning={"effort": "low"},  # 原来是 none 或 minimal 的，从 low 开始
    tools=tools,
    input="订单 A1024 现在到哪一步了？",
)

call = next(item for item in response.output if item.type == "function_call")
print(call.name, call.arguments)

# 第二轮：把函数结果按 call_id 交回，推理强度保持不变
followup = client.responses.create(
    model="gpt-6.1-sol",
    reasoning={"effort": "low"},
    tools=tools,
    previous_response_id=response.id,
    input=[
        {
            "type": "function_call_output",
            "call_id": call.call_id,
            "output": '{"status": "已发货", "carrier": "顺丰"}',
        }
    ],
)
print(followup.output_text)
```

这段代码里没有 `temperature` 和 `top_p`，这是有意的：6.1 Sol 的推理强度不可能是 `none`，这两个参数就不能再传。

### 不带工具的请求：Chat Completions 仍可用

如果你的调用只是纯文本问答或结构化抽取，不涉及工具，可以继续用 Chat Completions，只改模型和推理强度：

```python
from openai import OpenAI

client = OpenAI()

completion = client.chat.completions.create(
    model="gpt-6.1-sol",
    reasoning_effort="medium",  # 可选 low、medium、high、xhigh、max
    messages=[
        {"role": "developer", "content": "用简体中文回答，不超过三句话。"},
        {"role": "user", "content": "提示缓存命中后为什么更便宜？"},
    ],
    # 不要再传 temperature、top_p、logprobs、top_logprobs
)
print(completion.choices[0].message.content)
```

不过内置工具和多智能体都只在 Responses API 里提供，后面只要可能加工具，就值得趁这次一起迁过去。另外，如果你在 Codex 里配置了走 Chat Completions 的模型提供方，Codex 已经说明会在后续版本中移除对 Chat Completions API 的支持。

## 在哪里能选到 GPT-6.1 Sol

| 入口 | 谁能用 | 怎么选中 |
| --- | --- | --- |
| OpenAI API | 付费使用层级 Tier 1 起，免费层不支持 | 请求里写 `model: "gpt-6.1-sol"` |
| Codex CLI | 用 ChatGPT 登录：Plus、Pro、Business、Enterprise、Edu；用 API 密钥：跟随 API 权限 | `codex -m gpt-6.1-sol`，或在会话里输入 `/model` |
| Codex 桌面应用、IDE 扩展 | 同上 | 模型选择器，或在 `config.toml` 写 `model = "gpt-6.1-sol"` |
| ChatGPT 工作（网页、移动端、桌面应用） | Plus、Pro、Business、Enterprise、Edu | 默认是“Power”设置，打开“Advanced”可指定模型、推理强度和速度 |
| ChatGPT 聊天 | 不可用 | — |
| Free、Go 套餐 | 发布时不含 | — |

几个容易踩的条件：

- **Enterprise 和 Edu** 默认关闭 GPT-6.1 Sol，要由工作区管理员开启后才会出现。ChatGPT Learn 还特别说明，在客户端里选中新模型并不会改变工作区权限，也不会因此获得访问权。
- **按账户逐步开放**。OpenAI 的措辞是“可用时”选择，模型能否出现取决于开放进度、登录方式和客户端版本，同一套餐的两个账户可能不同时看到。
- **API 速率上限**按组织的使用层级计算：Tier 1 为 500 RPM / 500,000 TPM，Tier 2 为 5,000 / 1,000,000，Tier 3 为 5,000 / 2,000,000，Tier 4 为 10,000 / 4,000,000，Tier 5 为 15,000 / 40,000,000。层级随累计消费自动提升。如果组织里压根看不到 GPT-6 系列模型，项目权限的排查步骤可以参考 [GPT-6 Astra API 怎么开通](https://blog.laozhang.ai/zh/posts/gpt-6-astra-api-access)。
- **地区条件**。OpenAI 的支持国家和地区列表（截至 2026 年 9 月 25 日）不包括中国大陆、香港和澳门，并写明在列表以外的地区访问或提供访问可能导致账户被封禁或暂停。这一条同时适用于 API 和 ChatGPT。

推理强度在桌面应用、ChatGPT 工作和 IDE 扩展里显示为 Light、Medium、High、Extra High，其中 Light 就是 CLI 里的 Low；Max 和 Ultra 要在 CLI 的 `/model` 里选中模型后点“More reasoning…”才能看到，是否提供取决于你的设置。ChatGPT Learn 的建议是大多数任务用不到这两档。

Microsoft Foundry、Amazon Bedrock 和 OpenRouter 的模型目录里也能看到 GPT-6.1 Sol。它们的价格、可用区域和配额由各平台自己定，不能直接套用上面的 OpenAI 标价。

## 换之前，用自己的任务做一次对比

OpenAI 的测评结论再好，也不等于在你的代码库、你的提示词上同样成立。一个成本不高的对比办法：

1. 从近期真实工作里挑 5 到 10 个有代表性的任务，最好包含一两个你知道 6 Sol 做得不好的。
2. 两边用同样的提示词和工具。6 Sol 原来是 `none`/`minimal` 的，6.1 Sol 用 `low`；其余档位先保持一致，再各往下试一档。
3. 每次请求记录用量：Responses API 返回的 `usage` 里有 `input_tokens`、`input_tokens_details.cached_tokens`、`output_tokens` 和 `output_tokens_details.reasoning_tokens`。用前面的公式算出每个任务的实际花费。
4. 按“一次做对”统计：通过测试或人工验收的才算完成，失败重试的费用要算进这个任务。
5. 如果你的任务带图片输入，而 6 Sol 的对照结果是 9 月 25 日之前跑的，先重跑 6 Sol。OpenAI 那天修复了一个让 GPT-6 Sol 和 Luna 图片理解变差的编码问题，旧结果可能低估 6 Sol 的视觉表现。

看结果时，把“每个合格结果的成本”当主指标，而不是单价。6.1 Sol 如果用更低的推理强度就能做对，输出 token 会少，账单降得比缓存折扣更明显；反过来，如果它在你的任务上想得更久，标价相同也可能更贵。

## GPT-6 Sol 还能用多久

截至 2026 年 9 月 30 日，`gpt-6-sol` 不在 OpenAI 的[弃用页](https://developers.openai.com/api/docs/deprecations)上，也就是没有公布停用日期；但它已经从定价页的主表里消失，模型页也指向 GPT-6.1 Sol。现有代码暂时不必匆忙改，新项目直接用 `gpt-6.1-sol` 更省事。

ChatGPT 里，GPT-6 Sol 目前仍和 6.1 Sol、Luna 一起出现在工作和 Codex 中。另一个有明确日期的变化是：GPT-5.5 将于 2026 年 10 月 14 日从 ChatGPT、ChatGPT 工作和 Codex 的所有套餐中退役，这条不影响 API。还在 Codex 里用 GPT-5.5 的，可以趁这次一并切到 6.1 Sol。

按 GPT-6 Sol 缓存单价算出的对比，换到 6.1 Sol 时要把缓存输入改为 $0.10 重算。例如 [Claude Opus 5.5 对比 GPT-6 Sol](https://blog.laozhang.ai/zh/posts/claude-opus-5-5-vs-gpt-6-sol) 里的成本算法仍可沿用，但缓存那一项的结论对 6.1 Sol 不再成立；[GPT-6 Sol、Luna、Astra 与 Terra 怎么选](https://blog.laozhang.ai/zh/posts/gpt-6-sol-vs-terra-vs-luna-vs-astra)可以用来了解 6.1 发布之前的型号阵容。

## 常见问题

### GPT-6.1 Sol 比 GPT-6 Astra 强吗？

按 OpenAI 自己的测评，不比 Astra 强，而是在多项任务上接近 Astra，价格低得多：标准输入和输出是 Astra 的五分之一，缓存输入是十分之一。OpenAI 也明确说最难的任务（例如最具挑战性的科研任务）仍应使用 Astra。三者的测评与单任务成本对比，见[GPT-6.1 Sol、GPT-6 Sol、Astra 怎么选](https://blog.laozhang.ai/zh/posts/gpt-6-1-sol-vs-gpt-6-astra-vs-gpt-6-sol)。

### ChatGPT 免费版或 Go 能用 GPT-6.1 Sol 吗？

发布时不能。可用的是 Plus、Pro、Business、Enterprise 和 Edu，而且只在 ChatGPT 工作和 Codex 中，普通聊天里选不到。API 的免费层同样不支持这个模型。

### `gpt-6.1-sol` 有带日期的快照吗？

截至 2026 年 9 月 30 日，模型页的快照栏只有 `gpt-6.1-sol` 这一个名字，没有带日期的版本。需要锁定行为的生产环境，要留意后续是否出现快照。

### 请求里写 `reasoning_effort: "none"` 会怎样？

GPT-6.1 Sol 不支持 `none` 和 `minimal`，这样的请求需要改成 `low` 及以上才能按预期运行。改完后记得同时去掉 `temperature`、`top_p` 等参数，它们只在推理强度为 `none` 时可用。