GPT-Rosalind vs. GPT-6.1 Sol: Dasselbe Labor verkauft Ihnen zwei Türen in die Biologie

GPT-Rosalind and GPT-6.1 Sol come from the same company, run through the same API surface, and are separated by a factor of two and a half on output tokens. Only one of them requires you to fill in a form. That is the whole comparison in a sentence, and the rest of this article is about why the sentence is less useful than it looks. GPT-Rosalind has existed since 16 April 2026 and GPT-6.1 Sol since 29 September 2026; what changed in October is that O​penAI started handing Rosalind to universities for free through ChatGPT Business seats while still withholding API access, which forces every lab to answer a question it did not have to answer in September: when do you pay 2.5× for a specialist, and when do you route the work to the cheap general model and accept the loss? When a specialist's access terms change after launch, the change is logged with its dates and sources in the AI Incident Archive, next to the other model and vendor incidents we track.

Zwei O​penAI-Modelle mit unterschiedlichem Onboarding

Beginne damit, was jeder Einzelne vor der ersten Anfrage von dir verlangt, denn das bestimmt, ob der Preisvergleich für dich überhaupt verfügbar ist.

• Zugangsvoraussetzung — GPT-Rosalind: Prüfung des vertrauenswürdigen Zugangs, institutionelle Verifizierung, kein veröffentlichtes Service-Level. GPT-6.1 Sol: keine Anforderungen über ein Abrechnungskonto hinaus.

• Wo es läuft — GPT-Rosalind: ChatGPT, Codex und die API, für genehmigte Organisationen. GPT-6.1 Sol: Plus-, Pro-, Business-, Enterprise- und Edu-Tarife in ChatGPT Work und Codex, plus die API — ausdrücklich nicht das Verbraucherprodukt Chat.

• Akademischer Weg — GPT-Rosalind: bis zu 30 kostenlose ChatGPT Business-Plätze für bis zu zwölf Monate im Rahmen des akademischen Plans vom 15. Oktober, wobei der API-Zugang ausgeschlossen ist. GPT-6.1 Sol: nur zu normalen kommerziellen Bedingungen.

• Was das Gate schützt — GPT-Rosalind: die Biologie-Fähigkeit des Modells. GPT-6.1 Sol: nichts; es ist ein allgemeines Modell und wird an jeden mit einer Karte verkauft.

Die letzte Zeile ist die, die für die Planung entscheidend ist. Ein Gate, das existiert, weil ein Modell bei einem bestimmten Thema gefährlich ist, verrät etwas darüber, wo seine Fähigkeiten konzentriert sind. GPT-6.1 Sol trägt kein solches Gate, und das Fehlen ist aufschlussreich: OpenAIs eigene Positionierung dafür ist agentisches Coding, Computer-Use und dokumentenintensive professionelle Arbeit, eine Stufe unter GPT-6 Astra. Biologie kommt im Pitch nicht vor.

Die Preisliste – in den einzigen Einheiten, auf die es wirklich ankommt

Listenpreise pro Million Tokens sind die am wenigsten nützliche Art, einen Spezialisten mit einem Generalmodell zu vergleichen, denn der Spezialist ist darauf abgestimmt, weniger Tokens zu verbrauchen, und das Generalmodell ist darauf abgestimmt, pro Token günstig zu sein. Beide Effekte sind real, und sie wirken in entgegengesetzte Richtungen. Hier zuerst die Rohzahlen.

• Eingabe — GPT-Rosalind 5,00 $ pro 1 Mio. vs. GPT-6.1 Sol 2,00 $. Der Spezialist kostet 2,5× so viel.

• Ausgabe — GPT-Rosalind 25,00 $ pro 1 Mio. vs. GPT-6.1 Sol 10,00 $. Außerdem 2,5×.

• Zwischengespeicherte Eingabe — GPT-Rosalind 0,50 $ vs. GPT-6.1 Sol 0,10 $. Ein 5-facher Unterschied, und derjenige, der sich über eine lange Agent-Sitzung hinweg aufsummiert.

• Lange Prompts — GPT-6.1 Sol berechnet für eine gesamte Anfrage mit mehr als 272K Eingabe-Tokens 2× Eingabe- und Cache-Tarife sowie 1,5× Ausgabe. GPT-Rosalind veröffentlicht keinen vergleichbaren Langkontext-Zuschlag.

• Kontext — GPT-Rosalind 1.000.000 Token. GPT-6.1 Sol 1.050.000 Token mit maximal 128.000 Ausgabe.

• Wissensstand — GPT-6.1 Sol dokumentiert den 30. April 2026. O​penAI veröffentlicht keinen vergleichbaren Wissensstand für GPT-Rosalind.

Jetzt der Teil, den der Listenpreis verbirgt. Rosalinds eigenes Evaluationsmaterial berichtet über Token-Reduzierungen genauso prominent wie über Score-Zuwächse: 7,2 % weniger Tokens bei MedChemBench, 31 % weniger bei GeneBench, 5,3 % weniger bei LabWorkBench und als Schlagzeile 4,42 % höhere Leistung pro Token bei LifeSciBench. Eine Token-Ersparnis von 31 % bei einem einzigen Benchmark schließt eine Preislücke von 2,5× nicht. Nichts in den von OpenAI veröffentlichten Zahlen tut das. Der Spezialisten-Aufpreis ist real, und er wird für Genauigkeit gezahlt, nicht für Effizienz.

Was eine wissenschaftliche Aufgabe auf dem allgemeinen Modell kostet

Die Launch-Tabelle von GPT-6.1 Sol enthält eine Zeile, die für ein Labor direkt relevant ist, und sie ist die einzige Stelle, an der OpenAI Kosten pro Aufgabe statt Kosten pro Token nennt. Bei Terminal-Bench Science 0.1, einer Reihe wissenschaftlicher Workflows, meldet OpenAI, dass GPT-6.1 Sol bei maximalem Reasoning-Aufwand die Punktzahl von GPT-6 Sol mehr als verdoppelt – bei durchschnittlich 5,47 US-Dollar pro Aufgabe gegenüber 23,21 US-Dollar für Claude Opus 5.5 und 23,80 US-Dollar für Astra.

Zwei Vorbehalte, bevor diese Zahl in einem Budget verwendet wird. Sie ist vom Anbieter gemeldet, wie jede andere Zahl in dieser Tabelle, und der Benchmark misst wissenschaftliche Workflows als Softwareproblem – Daten lesen, Tools ausführen, ein Ergebnis erzeugen – nicht als Problem des fachlichen Schlussfolgerns. Er liegt näher an dem, was eine Computational-Gruppe den ganzen Tag tatsächlich tut, als an dem, was ein Medizinalchemiker tut. Dadurch ist er eine faire Schätzung für die Infrastruktur rund um die Wissenschaft und eine schlechte Schätzung für die Wissenschaft selbst.

Dieser Unterschied ist die praktische Antwort auf den gesamten Vergleich. GPT-6.1 Sol zu 5,47 $ pro Aufgabe ist das richtige Instrument für den Code, der die Ausgabe von Instrumenten parst, für das Notebook, das einen Sweep orchestriert, für die Literaturdurchsicht vor einem Meeting. GPT-Rosalind ist das Instrument für die Frage, die ein auf Struktur-Wirkungs-Beziehungen trainiertes Modell braucht, um eine Meinung zu haben.

Keines der beiden Modelle hat eine unabhängige Punktzahl, und das ist nicht symmetrisch.

Dies ist der Punkt beim Vergleich, den fast jede Gegenüberstellung auslässt. GPT-6.1 Sol erschien eine Woche nach GPT-6 Sol, und zum Zeitpunkt des Verfassens hat Artificial Analysis keinen Eintrag dafür. Die eigene Darstellung des Unternehmens lautet, dass es „nahezu an GPT-6 Astra heranreicht“ – zu einem Fünftel des Preises –, was eine Positionierungsaussage über ein Modell ist, das nicht unabhängig bewertet wurde. GPT-Rosalind hat ebenfalls keine unabhängige Bewertung, aber aus einem anderen Grund: Spezialmodelle werden auf der allgemeinen Rangliste überhaupt nicht erfasst, daher ist das Fehlen strukturell und nicht vorübergehend.

• Unabhängiger zusammengesetzter Wert — Beide fehlen. GPT-6.1 Sol ist zu neu und nicht bewertet; GPT-Rosalind liegt außerhalb des Zuständigkeitsbereichs des Boards.

• Benchmark-Suite des Anbieters — GPT-6.1 Sol: DeepSWE v1.1, GDP.pdf, AutomationBench 1.0.6, OSWorld 2.0 und Terminal-Bench Science 0.1, alle als Deltas gegenüber OpenAIs eigenen Modellen und gegenüber Claude Opus 5.5 ausgewiesen. GPT-Rosalind: MedChemBench, GeneBench, LabWorkBench, BixBench und LifeSciBench, alle gegenüber GPT-5.5 ausgewiesen.

• Unabhängige Bestätigung — Für keines von beiden. Jede Zahl in der vorherigen Zeile wurde von dem Unternehmen erzeugt, das das Modell verkauft.

Was das in der Praxis bedeutet: Sie können diese beiden Modelle nicht in eine Rangfolge bringen, und kein Dritter wird das in absehbarer Zeit für Sie tun. Die Entscheidung muss anhand von Aufgabenpassung und Zugang getroffen werden, nicht anhand eines Punktzahlvergleichs. Wer Ihnen eine Tabelle gibt, die Rosalind und Sol auf derselben Achse platziert, hat die Achse erfunden.

Die unangenehme Mitte: Die meisten Labore brauchen beide Warteschlangen

Eine Forschungsorganisation bearbeitet nicht nur eine Art von Anfrage. Sie bearbeitet einen langen Schwanz alltäglicher Arbeit – Parsen, Plotten, Refactoring des Analyseskripts, Zusammenfassen des Papers, Entwerfen des Methodenteils – und einen kurzen Kopf von Anfragen, bei denen die Domänenabstimmung der eigentliche Zweck ist. Der Schwanz ist der Ort, an dem die Tokens anfallen. Eine einzige Sequenzierungspipeline kann mehr Tokens für das Parsen von Logs aufwenden als für die biologische Frage, die sie motiviert hat.

Gemessen an dieser Realität ist die sinnvolle Konfiguration keine Wahl zwischen den beiden Modellen; sie ist eine Aufteilung mit einer Regel. Der Tail geht an das günstige allgemeine Modell, das heute verfügbar ist, keine Prüfung erfordert und $2.00 / $10.00 mit $0.10 für gecachte Eingabe kostet. Der Head geht an den Spezialisten, der 2.5× kostet und sich genau für die Anfragen lohnt, bei denen die Antwort eines allgemeinen Modells plausibel und falsch wäre.

Das Fehlermuster, gegen das man entwerfen muss, ist stille Drift zwischen den Warteschlangen. Wenn der Schlüssel des Spezialisten rate-limitiert ist oder die Spezialistenroute Fehler liefert, beantwortet eine naive Fallback-Kette eine Biologiefrage ohne Weiteres mit dem allgemeinen Modell, und die Ausgabe sieht dann wie eine Spezialistenantwort aus. Das ist schlimmer als ein Fehler, denn ein Fehler ist sichtbar. Die gewünschte Regel lautet: benannte Route für den Spezialisten, hartes Fehlschlagen, wenn sie nicht verfügbar ist, allgemeines Modell nur für Anfragen, die bewusst dorthin geleitet wurden.

Wo OrcaRouter steht – und wo nicht

GPT-6.1 Sol ist auf OrcaRouter verfügbar zum Listenpreis des Anbieters — $2.00 Eingabe, $10.00 Ausgabe und $0.10 für zwischengespeicherte Eingabe pro Million Tokens, mit 0 % Aufschlag. Das bedeutet, dass Preisänderungen von O​penAI unseren Katalog am Tag ihrer Veröffentlichung erreichen und nicht erst bei der nächsten Vertragsverlängerung. Die neue Preisgestaltung für lange Prompts ab 272K wird als Tarifstufe im selben Modelleintrag übernommen, sodass eine Anfrage, die die Schwelle überschreitet, zur höheren Stufe abgerechnet wird, statt Sie erst auf einer Rechnung zu überraschen.

GPT-Rosalind ist nicht auf OrcaRouter, nicht auf irgendeinem Drittanbieter-Router und ausschließlich über OpenAIs Trusted-Access-Programm erreichbar. Daran werden wir nicht rütteln. Was Ihnen unsere Seite der Aufteilung bringt, ist die langweilige Hälfte: ein Schlüssel und eine Rechnung für GPT-6.1 Sol neben 200+ weiteren Modellen, automatisches Failover, sodass ein Aussetzer eines Anbieters eine Anfrage verschiebt, statt einen Lauf zu killen, und eine Routing-DSL, mit der Sie die Split-Queue-Regel als Konfiguration festhalten können statt als Konvention in einem Wiki. Modellfusion ist der andere Hebel, den man hier kennen sollte – ein Panel, das sowohl ein günstiges Allzweckmodell als auch einen teuren Spezialisten umfasst und gemeinsam antwortet, ist eine Möglichkeit, eine zweite Meinung zu einem Grenzfall zu bekommen, ohne für jede Anfrage Spezialistentarife zu zahlen.

Wie dies aufgelöst wird

Zwei Dinge würden die Unklarheit auflösen, und beides ist innerhalb eines Quartals plausibel. Eine unabhängige Bewertung von GPT-6.1 Sol würde Ihnen zeigen, ob „nahezu Astra ebenbürtig“ bei den Aufgaben zutrifft, die Ihnen wichtig sind; bis dahin ist die Behauptung eine Positionierungsaussage mit einem Preisschild. Und jeder Schritt von OpenAI, API-Zugang in den akademischen Plan aufzunehmen, würde die Rechnung innerhalb der Universitäten über Nacht verändern — kostenlose Fachkapazität in einem Labor, das derzeit kostenlose Chat-Plätze und keinen Pipeline-Zugriff hat.

Fehlen beide, geht es bei der Regel um die Form der Anfrage und nicht um die Modellqualität. Wenn eine falsche Antwort Sie ein Experiment, eine Einreichung oder eine Rücknahme kostet, ist der 2,5-fache Preis des Spezialisten günstig, und die Tatsache, dass er eine Prüfung erfordert, ist ein Filter, über dessen Existenz Sie froh sein sollten. Wenn eine falsche Antwort Sie einen erneuten Durchlauf kostet, ist GPT-6.1 Sol heute zu einem Fünftel von Astras Preis erhältlich, mit einem Kontext von 1,05 Mio. Token, und niemand muss Ihnen die Nutzung genehmigen.