GPT-6.1 Sol vs. GPT-6 Sol Pro: Das eine ist ein Modell, das andere eine Einstellung

Die kurze Antwort ist, dass GPT-6.1 Sol und GPT-6 Sol Pro keine zwei Modelle sind, die um denselben Platz konkurrieren, und dass der Vergleich ihrer Benchmark-Werte ein Kategorienfehler ist: GPT-6 Sol Pro ist überhaupt kein separates Modell. Es ist GPT-6 Sol mit reasoning.mode auf pro gesetzt in der Responses API — derselbe Bezeichner, gpt-6-sol, dieselbe Preisliste, dasselbe 1.050.000-Token-Fenster, leistet mehr Modellarbeit, bevor es eine endgültige Antwort zurückgibt, und rechnet die zusätzlichen Tokens zu Standardtarifen ab. GPT-6.1 Sol ist ein wirklich separates Deployment mit eigenem Bezeichner, gpt-6.1-sol, und einer Cache-Input-Rate, die halb so hoch ist wie die von GPT-6 Sol. Die eigentliche Frage ist also nicht, welches intelligenter ist. Sondern ob ein brandneues Modell mit 50 % Cache-Rabatt einen Ausführungsmodus auf einem älteren Modell schlägt, dessen Pro-Konfiguration Open​AI für die neue Stufe noch nicht dokumentiert hat.

Zwei verschiedene Arten von Dingen

Beginnen wir damit, wozu jeder Name tatsächlich aufgelöst wird, wenn man ihn in eine Anfrage einsetzt. „GPT-6 Sol Pro“ wird zu gpt-6-sol, plus einem Modusparameter. „GPT-6.1 Sol“ wird zu gpt-6.1-sol aufgelöst — ein eigenständiger Snapshot auf einer eigenen Modellseite, auf der nirgends ein Modusparameter erwähnt wird. Genau diese Asymmetrie macht den ganzen Vergleich aus, und sie ist der Grund, warum die Spezifikationsliste unten fast nichts enthält, was ein fairer Kampf wäre.

• Worum es sich handelt — GPT-6.1 Sol ist ein separates Modell-Deployment, während GPT-6 Sol Pro gpt-6-sol mit reasoning.mode: "pro"
• Kennung, die Sie senden — gpt-6.1-sol vs. gpt-6-sol
• Eingabepreis — $2,00 pro Million Tokens vs. $2,00 pro Million Tokens; identisch, und der Pro-Modus hat keinen Aufschlag auf der Sol-Preisliste
• Ausgabepreis — $10,00 pro Million Tokens für beide; die zusätzlichen Reasoning-Tokens des Pro-Modus werden mit diesem Satz abgerechnet
• Zwischengespeicherte Eingabe — $0,10 pro Million bei 6.1 Sol vs. $0,20 pro Million bei Sol, in beiden Modi — die einzige Zeile, bei der die Wahl frei von Zielkonflikten ist
• Cache-Schreibvorgänge — $2,50 pro Million für beide
• Kontext — 1.050.000 Tokens und 128.000 maximale Ausgabe für beide
• Reasoning-Aufwand — low, medium (Standard), high, xhigh, max, wobei none auf 6.1 Sol nicht unterstützt wird, im Vergleich zur gleichen Abstufung plus none auf Sol, und der Pro-Modus unabhängig vom Aufwand ist
• Tool-Aufrufe — Responses API bei beiden; Chat Completions ohne Tools bei 6.1 Sol, während Sol Funktionsaufrufe in Chat Completions nur dann unterstützt, wenn der Aufwand auf none
• Latenz — für beide gibt es keine veröffentlichten Werte; der Pro-Modus ist konstruktionsbedingt langsamer, da er vor der endgültigen Antwort mehr Arbeit ausführt
• Kosten pro Aufgabe — für den Pro-Modus nicht veröffentlicht und ohnehin nicht sinnvoll vergleichbar, da es davon abhängt, wie viel zusätzliche Arbeit der Pro-Modus für Ihre Aufgabe ausführt

Lies diese Liste und beachte ihre Form: Jede Zeile ist entweder identisch oder ein Vergleich zwischen einem dokumentierten und einem undokumentierten Wert.

Was der Pro-Modus tatsächlich bringt – und was er kostet

OpenAIs Beschreibung des Pro-Modus ist kurz und es lohnt sich, sie zu zitieren statt sie zu paraphrasieren, denn die Unbestimmtheit ist beabsichtigt: Er ist „ein Ausführungsmodus der Responses API, der mehr Modellarbeit auf eine Anfrage anwendet, bevor eine einzelne endgültige Antwort zurückgegeben wird“, er kann die Zuverlässigkeit bei schwierigen Aufgaben verbessern, er erhöht die Latenz, und er „aggregiert die Tokens aus dieser Arbeit in der gemeldeten Nutzung“, abgerechnet zu den Standard-Token-Preisen des ausgewählten Modells. Die eigene Anleitung des Anbieters, wann er verwendet werden sollte, ist für ein Launch-Dokument ungewöhnlich konservativ – der Pro-Modus ist für Fälle gedacht, in denen „eine marginale Qualitätsverbesserung das Ergebnis maßgeblich beeinflusst“, und der Standardmodus wird bevorzugt „für routinemäßige, latenzempfindliche oder volumenintensive Arbeit und immer dann, wenn Ihre Evaluierungen keinen nennenswerten Gewinn durch den Pro-Modus zeigen“.

Was Open​AI nicht veröffentlicht, ist der Multiplikator. Es gibt keine Angabe pro Aufgabe, keinen Bereich und keinen Eintrag für den Pro-Modus auf der Sol-Preisliste. Die Kosten fallen vollständig als Volumen an, sichtbar im Usage-Objekt unter den Reasoning-Tokens, die als Output abgerechnet und nie im Response-Body zurückgegeben werden. Bei 10,00 $ pro Million Output-Tokens kosten zusätzliche 10.000 Tokens pro Aufgabe einen Cent, also geht es bei der Entscheidung selten um die Schlagzeile; es geht darum, ob die zusätzliche Arbeit Ihr Ergebnis verändert. Das ist eine Messung, kein Nachschlagen, und es ist das Einzige an dieser Paarung, das ein Leser klären kann, ohne auf den Benchmark von irgendjemandem zu warten.

Die Lücke in der Dokumentation, die dieses Duell entscheidet

Die Modellseite von GPT-6.1 Sol – diejenige, die Kontextgröße, Preisblock, Effort-Leiter, Tool-Liste und Snapshot-Liste enthält – erwähnt reasoning.mode, den Pro-Modus oder den Standardmodus nirgends. Der Prosaleitfaden, der den Pro-Modus behandelt, stellt die Funktion weiterhin so dar, dass sie mit „jedem GPT-5.6-Modell“ funktioniert und weist Entwickler an, ihr ausgewähltes Modell beizubehalten und reasoning.mode auf pro zu setzen, statt zu einem separaten Pro-Slug zu wechseln. Wir haben beide Seiten geprüft und konnten anhand von OpenAIs Dokumentation nicht bestätigen, dass eine Pro-Modus-Konfiguration für die 6.1-Stufe existiert. Möglicherweise funktioniert es; der übergeordnete GPT-6-Leitfaden führt den Pro-Modus unter den Fähigkeiten auf, die die Modellfamilie weiterführt. Aber „funktioniert möglicherweise“ ist nichts, worauf man einen Produktionspfad stützen sollte, und es ist der ehrliche Stand der Aufzeichnung mit Stand vom 30. September 2026.

Diese Lücke führt zu einer wirklich einseitigen Entscheidung. Wenn Sie heute den Pro-Modus möchten, ist der dokumentierte Ort dafür GPT-6 Sol — und der Preis dafür ist, dass Sie bei jedem wiederverwendeten Präfix 0,20 $ statt 0,10 $ für gecachten Input zahlen, plus das, was die zusätzliche Arbeit des Pro-Modus obendrauf legt, gegenüber einem Modell, dessen vom Anbieter gemeldete Werte in jeder von Open​AI veröffentlichten Aufgabenfamilie hinter denen von 6.1 Sol liegen. Wenn Sie heute die Cache-Rate der 6.1-Stufe und ihre Benchmark-Position möchten, verzichten Sie auf eine dokumentierte Pro-Konfiguration. Es gibt keine Zeile, in der Sie beides bekommen, denn niemand hat uns gesagt, ob es die zweite überhaupt gibt.

Es an einem Nachmittag mit Ihrem eigenen Traffic klären

Die Messung ist wenig glamourös und erfordert ein einziges Experiment, keine Benchmark-Suite. Nehmen Sie ein Aufgabenset, das Ihre schwierige Arbeit repräsentiert, führen Sie es dreimal aus und lesen Sie jedes Mal das Usage-Objekt aus: einmal mit gpt-6-sol bei mittlerem Aufwand im Standardmodus, einmal mit gpt-6-sol bei mittlerem Aufwand mit aktiviertem Pro-Modus und einmal mit gpt-6.1-sol bei mittlerem Aufwand. Halten Sie den Aufwand bei allen drei Durchläufen konstant – der springende Punkt ist, jeweils nur eine Variable zu isolieren. Vergleichen Sie Aufgabenerfolg, Latenz und die insgesamt abgerechneten Token. Die Token-Gesamtzahl des Pro-Modus-Durchlaufs gegenüber der Standardmodus-Gesamtzahl ist Ihr Multiplikator auf Ihren Traffic; dieser Wert wird nicht mit dem von jemand anderem übereinstimmen, denn das Design sieht vor, dass die Menge an zusätzlicher Arbeit mit der Schwierigkeit der Anfrage skaliert.

Zwei praktische Hinweise zur Durchführung. Erstens: Der 6.1-Lauf und der Sol-Lauf sind derselbe Request-Body mit einer geänderten Zeichenkette, sodass das Experiment mit geringem Aufwand aufzusetzen und leicht als Regressionstest beizubehalten ist. Zweitens: Wenn der Pro-Modus-Aufruf mit der 6.1-Kennung einen Fehler statt eines Ergebnisses zurückgibt, hast du deine Antwort zur Dokumentationslücke gratis – und du hast sie gelernt, bevor du sie auch nur in die Nähe der Produktion bringst.

Beide Konfigurationen, ein Schlüssel

Dies ist die Art von Vergleich, die mehr an operativem Aufwand als an Tokens kostet – und genau hier hört Routing auf, eine Fußnote zu sein. OrcaRouter bietet GPT-6 Sol zum Listenpreis von OpenAI ohne Aufschlag an, sodass die obige Preistabelle mit $2.00 / $0.20 / $10.00 – einschließlich der 272K-Neupreisregel – exakt so weitergegeben wird, wie der Anbieter sie ausweist. Das bedeutet, dass die drei Arme des oben beschriebenen Experiments über einen einzigen Endpunkt mit einem einzigen API-Schlüssel und ohne zweiten Vertrag laufen können: Die beiden Sol-Konfigurationen unterscheiden sich durch einen Parameter, und das 6.1-Tier reiht sich daneben ein, sobald es routbar ist. Bis dahin ist das Modell, das man aufrufen kann, dasjenige, dessen Pro-Modus dokumentiert ist. Für schwierige Arbeit mit geringem Volumen, bei der ein marginaler Qualitätsgewinn das Ergebnis verändert, ist der Pro-Modus bei Sol das, was die Anleitung des Anbieters selbst empfiehlt; für alles, was ein hohes Volumen hat oder latenzempfindlich ist, ist die Standardkonfiguration sowohl schneller als auch – bei wiederverwendeten Präfixen – inzwischen doppelt so teuer pro gecachtem Token wie das neuere Tier. Eine Routing-Regel, die den Verkehr entlang dieser Linie aufteilt – Pro-Modus für die Anfragen, die ihn verdienen, eine günstigere Konfiguration für die Masse –, ist eine Parameteränderung in einer Routing-DSL und keine Neuarchitektur, und sie ist die Version dieser Entscheidung, die den nächsten Modell-Refresh übersteht.

Wer sollte konkret was wählen. Wenn Sie bereits einen Zuverlässigkeitsgewinn durch den Pro-Modus bei Ihren eigenen Aufgaben gemessen haben, bleiben Sie dort, wo Sie ihn gemessen haben, und warten Sie, bis Open​AI das 6.1-Äquivalent dokumentiert, bevor Sie wechseln – die Cache-Ersparnis ist real, aber es sind Cents auf ein Präfix, und einen Qualitätsgewinn erneut zu messen kostet mehr, als der Rabatt bei geringem Volumen wert ist. Wenn Sie den Pro-Modus noch nie gemessen haben, ist die 6.1-Stufe der bessere Ausgangspunkt: Es ist das neuere Modell, seine vom Anbieter gemeldeten Ergebnisse liegen in jeder von Open​AI veröffentlichten Aufgabenfamilie vorn, sein gecachter Input kostet die Hälfte, und die Pro-Frage kann erneut aufgegriffen werden, wenn die Dokumentation nachzieht. Keine der beiden Wahlmöglichkeiten ist heute falsch. Falsch ist es, anzunehmen, dass sie Alternativen sind, wo doch eine von ihnen ein Kontrollkästchen bei der anderen ist.