GPT-6.1 Sol vs GPT-6 Sol Pro : l'un est un modèle, l'autre est un paramètre

La réponse courte est que GPT-6.1 Sol et GPT-6 Sol Pro ne sont pas deux modèles en concurrence pour le même créneau, et comparer leurs scores de benchmark est une erreur de catégorie : GPT-6 Sol Pro n'est pas du tout un modèle distinct. C'est GPT-6 Sol avec reasoning.mode défini à pro dans l'API Responses — le même identifiant, gpt-6-sol, la même grille tarifaire, la même fenêtre de 1 050 000 jetons, effectuant davantage de travail de modèle avant de renvoyer une réponse finale et facturant les jetons supplémentaires aux tarifs standard. GPT-6.1 Sol est un déploiement véritablement distinct avec son propre identifiant, gpt-6.1-sol, et un tarif des entrées mises en cache qui est la moitié de celui de GPT-6 Sol. Donc la vraie question n'est pas de savoir lequel est le plus intelligent. C'est de savoir si un tout nouveau modèle avec une remise de 50 % sur le cache bat un mode d'exécution sur un modèle plus ancien dont la configuration pro n'a pas encore été documentée par OpenAI pour le nouveau palier.

Deux types de choses différentes

Commencez par ce à quoi chaque nom correspond réellement lorsque vous le mettez dans une requête. « GPT-6 Sol Pro » correspond à gpt-6-sol plus un paramètre de mode. « GPT-6.1 Sol » correspond à gpt-6.1-sol — un instantané distinct sur une page de modèle distincte, sans qu'aucun paramètre de mode ne soit mentionné nulle part sur cette page. Cette asymétrie constitue toute la comparaison, et c'est pourquoi la liste de spécifications ci-dessous ne contient presque rien qui permette une comparaison équitable.

• Ce que c'est — GPT-6.1 Sol est un déploiement de modèle distinct, tandis que GPT-6 Sol Pro est gpt-6-sol avec reasoning.mode: "pro"
• Identifiant que vous envoyez — gpt-6.1-sol vs gpt-6-sol
• Prix d'entrée — 2,00 $ par million de jetons vs 2,00 $ par million de jetons ; identiques, et le mode pro n'entraîne aucun supplément sur la grille tarifaire de Sol
• Prix de sortie — 10,00 $ par million de jetons pour les deux ; les jetons de raisonnement supplémentaires du mode pro sont facturés à ce tarif
• Entrée mise en cache — 0,10 $ par million sur 6.1 Sol vs 0,20 $ par million sur Sol, dans l'un ou l'autre mode — la seule ligne où le choix est sans compromis
• Écritures de cache — 2,50 $ par million pour les deux
• Contexte — 1 050 000 jetons et 128 000 jetons de sortie maximale pour les deux
• Effort de raisonnement — low, medium (par défaut), high, xhigh, max, avec none non pris en charge sur 6.1 Sol vs la même échelle plus none sur Sol, et le mode pro indépendant de l'effort
• Appel d'outils — API Responses sur les deux ; Chat Completions sans outils sur 6.1 Sol, alors que Sol prend en charge l'appel de fonctions dans Chat Completions uniquement lorsque l'effort est défini sur none
• Latence — aucun chiffre publié pour l'un ou l'autre ; le mode pro est plus lent par construction, car il effectue davantage de travail avant la réponse finale
• Coût par tâche — non publié pour le mode pro, et de toute façon pas comparable de manière significative, car il dépend de la quantité de travail supplémentaire que le mode pro effectue sur votre tâche

Lisez cette liste et remarquez sa structure : chaque ligne est soit identique, soit une comparaison entre une valeur documentée et une valeur non documentée.

Ce que le mode pro apporte réellement, et ce qu'il coûte

La description du mode pro par OpenAI est courte et mérite d’être citée plutôt que paraphrasée, car c’est précisément le flou qui compte : il s’agit d’« un mode d’exécution de l’API Responses qui applique davantage de travail du modèle à une requête avant de renvoyer une seule réponse finale », il peut améliorer la fiabilité sur les tâches difficiles, il augmente la latence, et il « agrège les jetons issus de ce travail dans l’usage rapporté », facturés aux tarifs standard de jetons du modèle sélectionné. Les propres recommandations du fournisseur quant au moment de l’utiliser sont inhabituellement prudentes pour un document de lancement — le mode pro est destiné aux cas où « une amélioration marginale de la qualité affecte matériellement le résultat », et le mode standard est préféré « pour les tâches routinières, sensibles à la latence ou à fort volume, et chaque fois que vos évaluations ne montrent pas de gain significatif avec le mode pro ».

Ce qu'OpenAI ne publie pas, c'est le multiplicateur. Il n'y a pas de chiffre par tâche, pas de fourchette, et aucune entrée pour le mode pro sur la grille tarifaire Sol. Le coût arrive entièrement sous forme de volume, visible dans l'objet usage au niveau des jetons de raisonnement, qui sont facturés comme sortie et jamais renvoyés dans le corps de la réponse. À 10,00 $ par million de jetons de sortie, 10 000 jetons supplémentaires par tâche coûtent un centime, de sorte que la décision porte rarement sur le prix affiché ; elle porte sur la question de savoir si le travail supplémentaire change votre résultat. C'est une mesure, pas une donnée à consulter, et c'est la seule chose, dans ce couplage, qu'un lecteur peut trancher sans attendre le benchmark de qui que ce soit.

La lacune dans la documentation qui décide de cette confrontation

La page de modèle de GPT-6.1 Sol — celle qui porte sa taille de contexte, son bloc tarifaire, son échelle d'effort, sa liste d'outils et sa liste de snapshots — ne mentionne nulle part reasoning.mode, le mode pro ou le mode standard. Le guide rédigé qui traite du mode pro présente encore cette fonctionnalité comme fonctionnant avec « n'importe quel modèle GPT-5.6 » et recommande aux développeurs de conserver le modèle qu'ils ont sélectionné et de définir reasoning.mode sur pro plutôt que de basculer vers un slug Pro distinct. Nous avons vérifié les deux pages, et nous n'avons pas pu confirmer, d'après la documentation d'OpenAI, qu'une configuration en mode pro existe pour le palier 6.1. Cela peut fonctionner ; le guide parent GPT-6 cite le mode pro parmi les capacités que la famille reconduit. Mais « cela peut fonctionner » n'est pas une base sur laquelle faire reposer un chemin de production, et c'est l'état honnête du dossier au 30 septembre 2026.

Cet écart crée une décision vraiment déséquilibrée. Si vous voulez le mode pro aujourd'hui, son foyer attitré est GPT-6 Sol — et le coût de ce choix est que vous payez 0,20 $ plutôt que 0,10 $ pour l'entrée mise en cache sur chaque préfixe réutilisé, plus tout ce qu'ajoute le travail supplémentaire du mode pro, face à un modèle dont les scores rapportés par le fournisseur sont inférieurs à ceux de 6.1 Sol sur chaque famille de tâches publiée par Open​AI. Si vous voulez aujourd'hui le tarif de cache du palier 6.1 et sa position dans les benchmarks, vous renoncez à une configuration pro documentée. Il n'existe aucune ligne où vous obtenez les deux, car personne ne nous a dit si la seconde existe.

Le régler sur votre propre trafic en un après-midi

La mesure n'a rien de glamour et elle demande une seule expérience, pas une suite de benchmarks. Prenez un ensemble de tâches qui représente votre travail difficile, exécutez-le trois fois, et lisez l'objet d'utilisation à chaque fois : une fois sur gpt-6-sol à effort moyen en mode standard, une fois sur gpt-6-sol à effort moyen avec le mode pro activé, et une fois sur gpt-6.1-sol à effort moyen. Gardez l'effort constant sur les trois — tout l'intérêt est d'isoler une variable à la fois. Comparez la réussite des tâches, la latence et le total de jetons facturés. Le total de jetons de l'exécution en mode pro rapporté au total en mode standard est votre multiplicateur appliqué à votre trafic ; il ne correspondra à celui de personne d'autre, car la conception fait que la quantité de travail supplémentaire évolue avec la difficulté de la demande.

Deux remarques pratiques pour l'exécuter. Premièrement, l'exécution 6.1 et l'exécution Sol reposent sur le même corps de requête, avec une seule chaîne modifiée ; l'expérience est donc peu coûteuse à mettre en place et facile à conserver comme test de régression. Deuxièmement, si l'appel en mode pro sur l'identifiant 6.1 renvoie une erreur plutôt qu'un résultat, vous avez gratuitement votre réponse sur la lacune dans la documentation — et vous l'avez appris avant même de la mettre à proximité de la production.

Les deux configurations, une seule clé

C'est le genre de comparaison qui coûte plus en charge opérationnelle qu'en tokens, et c'est là que le routage cesse d'être une note de bas de page. OrcaRouter sert GPT-6 Sol au prix catalogue d'OpenAI lui-même, sans aucune marge, de sorte que la grille tarifaire de 2,00 $ / 0,20 $ / 10,00 $ ci-dessus — y compris la règle de retarification à 272K — est répercutée exactement telle que le fournisseur l'affiche. Cela signifie que les trois bras de l'expérience décrite ci-dessus peuvent tourner via un seul point de terminaison, avec une seule clé API et sans second contrat : les deux configurations de Sol ne diffèrent que par un paramètre, et le palier 6.1 vient s'insérer à leurs côtés dès qu'il devient routable. En attendant, le modèle que vous pouvez appeler est celui dont le mode pro est documenté. Pour les tâches difficiles et à faible volume, où un gain marginal de qualité change le résultat, le mode pro sur Sol est ce que recommande la propre documentation du fournisseur ; pour tout ce qui est à fort volume ou sensible à la latence, la configuration standard est à la fois plus rapide et, sur les préfixes réutilisés, désormais deux fois plus chère par token mis en cache que le palier plus récent. Une règle de routage qui répartit le trafic selon cette ligne de partage — le mode pro pour les requêtes qui le méritent, une configuration moins coûteuse pour la masse — est un changement de paramètre dans un DSL de routage plutôt qu'une réarchitecture, et c'est la version de cette décision qui survivra au prochain renouvellement de modèles.

Qui doit choisir quoi, concrètement. Si vous avez déjà mesuré un gain de fiabilité avec le mode pro sur vos propres tâches, restez là où vous l’avez mesuré et attendez qu’Open​AI documente l’équivalent 6.1 avant de changer — l’économie de cache est réelle, mais elle se compte en centimes sur un préfixe, et remesurer un gain de qualité coûte plus que ce que la remise vaut sur un travail à faible volume. Si vous n’avez jamais mesuré le mode pro du tout, le palier 6.1 est le meilleur point de départ : c’est le modèle le plus récent, ses résultats rapportés par le fournisseur sont en tête sur chaque famille de tâches publiée par Open​AI, son entrée mise en cache coûte moitié prix, et la question du pro pourra être réexaminée lorsque la documentation sera à jour. Aucun des deux choix n’est mauvais aujourd’hui. Ce qui est faux, c’est de supposer qu’il s’agit d’alternatives, alors que l’un des deux est une case à cocher sur l’autre.