GPT-Rosalind vs GPT-6.1 Sol : le même laboratoire vous vend deux portes d’entrée vers la 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.

Two O​penAI models with different onboarding

Commencez par ce que chacun vous demande avant la première requête, car c’est ce qui détermine si la comparaison des prix vous est ne serait-ce qu’accessible.

• Condition d'accès — GPT-Rosalind : examen d'accès de confiance, vérification institutionnelle, aucun niveau de service publié. GPT-6.1 Sol : aucune au-delà d'un compte de facturation.

• Où il est disponible — GPT-Rosalind : ChatGPT, Codex et l'API, pour les organisations agréées. GPT-6.1 Sol : les offres Plus, Pro, Business, Enterprise et Edu dans ChatGPT Work et Codex, ainsi que l'API — explicitement pas le produit grand public Chat.

• Parcours académique — GPT-Rosalind : jusqu’à 30 licences ChatGPT Business gratuites pour une durée maximale de douze mois dans le cadre du plan académique du 15 octobre, l’accès à l’API étant exclu. GPT-6.1 Sol : conditions commerciales standard uniquement.

• Ce que la barrière protège — GPT-Rosalind : la capacité du modèle en biologie. GPT-6.1 Sol : rien ; c'est un modèle généraliste vendu à toute personne disposant d'une carte.

That last row is the one that matters for planning. A gate that exists because a model is dangerous on a specific subject tells you something about where its capability is concentrated. GPT-6.1 Sol does not carry that kind of gate, and the absence is informative: O​penAI's own positioning for it is agentic coding, computer use and document-heavy professional work, one tier below GPT-6 Astra. Biology is not in the pitch.

La grille tarifaire, dans les seules unités qui décident de quoi que ce soit

Les prix affichés par million de tokens constituent la manière la moins utile de comparer un modèle spécialisé à un modèle généraliste, car le spécialiste est calibré pour consommer moins de tokens et le généraliste est calibré pour être bon marché au token. Les deux effets sont bien réels, et ils tirent dans des directions opposées. Voici d'abord les chiffres bruts.

• Entrée — GPT-Rosalind 5,00 $ par million contre GPT-6.1 Sol 2,00 $. Le spécialiste coûte 2,5 fois plus cher.

• Sortie — GPT-Rosalind 25,00 $ par million vs GPT-6.1 Sol 10,00 $. Soit 2,5×.

• Entrée mise en cache — GPT-Rosalind 0,50 $ vs GPT-6.1 Sol 0,10 $. Un écart de 5×, et c'est celui qui s'accumule au fil d'une longue session d'agent.

• Prompts longs — GPT-6.1 Sol applique à une requête entière dépassant 272 K jetons d'entrée un tarif de 2× les taux d'entrée et de cache, et de 1,5× la sortie. GPT-Rosalind ne publie aucune surcharge équivalente pour le contexte long.

• Contexte — GPT-Rosalind 1 000 000 de tokens. GPT-6.1 Sol 1 050 000 de tokens avec 128 000 de sortie maximale.

• Knowledge cutoff — GPT-6.1 Sol documents 30 April 2026. O​penAI does not publish a comparable cutoff for GPT-Rosalind.

Now the part the sticker price hides. Rosalind's own evaluation material reports token reductions as prominently as score gains: 7.2% fewer tokens on MedChemBench, 31% fewer on GeneBench, 5.3% fewer on LabWorkBench, and a headline figure of 4.42% higher performance per token on LifeSciBench. A 31% token saving on one benchmark does not close a 2.5× price gap. Nothing in O​penAI's published numbers does. The specialist premium is real and it is paid for accuracy, not efficiency.

Combien coûte une tâche scientifique sur le modèle général

GPT-6.1 Sol's launch table includes one row that is directly relevant to a lab, and it is the only place O​penAI puts a cost per task rather than a cost per token. On Terminal-Bench Science 0.1, a set of scientific workflows, O​penAI reports GPT-6.1 Sol more than doubling GPT-6 Sol's score at maximum reasoning effort, at an average of $5.47 per task against $23.21 for Claude Opus 5.5 and $23.80 for Astra.

Deux mises en garde avant que ce chiffre ne soit utilisé dans un budget. Il est déclaré par le fournisseur, comme toutes les autres données de ce tableau, et le benchmark mesure les flux de travail scientifiques comme un problème logiciel — lire des données, exécuter des outils, produire un résultat — et non comme un problème de raisonnement propre au domaine. Il est plus proche de ce que fait réellement toute la journée une équipe de calcul que de ce que fait un chimiste médicinal. Ce qui en fait une estimation correcte pour la plomberie autour de la science et une mauvaise estimation pour la science elle-même.

Cette distinction est la réponse pratique à l’ensemble de la comparaison. GPT-6.1 Sol à 5,47 $ par tâche est l’instrument approprié pour le code qui analyse la sortie d’un instrument, le notebook qui orchestre un balayage, le tri de la littérature avant une réunion. GPT-Rosalind est l’instrument pour la question qui exige qu’un modèle ajusté sur les relations structure-activité ait un avis.

Aucun des deux modèles n’a de score indépendant, et ce n’est pas symétrique.

C'est la partie de la confrontation que presque toutes les comparaisons omettent. GPT-6.1 Sol a été lancé une semaine après GPT-6 Sol, et au moment de la rédaction, Artificial Analysis n'a pas d'entrée pour lui. La formulation de l'entreprise elle-même est qu'il « correspond presque » à GPT-6 Astra pour un cinquième du prix, ce qui est une affirmation de positionnement sur un modèle qui n'a pas été évalué indépendamment. GPT-Rosalind n'a pas non plus de score indépendant, mais pour une raison différente : les modèles spécialisés ne sont pas du tout suivis dans le classement général, de sorte que l'absence est structurelle plutôt que temporaire.

• Composite indépendant — Les deux absents. GPT-6.1 Sol est trop récent et non évalué ; GPT-Rosalind est hors du périmètre du comité.

• Vendor benchmark suite — GPT-6.1 Sol: DeepSWE v1.1, GDP.pdf, AutomationBench 1.0.6, OSWorld 2.0 and Terminal-Bench Science 0.1, all reported as deltas against O​penAI's own models and against Claude Opus 5.5. GPT-Rosalind: MedChemBench, GeneBench, LabWorkBench, BixBench and LifeSciBench, all reported against GPT-5.5.

• Corroboration indépendante — Aucune pour l'un ou l'autre. Chaque chiffre de la ligne précédente a été produit par l'entreprise qui vend le modèle.

Cela signifie en pratique que vous ne pouvez pas classer ces deux modèles, et qu’aucun tiers ne le fera pour vous de sitôt. La décision doit être prise en fonction de l’adéquation à la tâche et de l’accès, et non d’une comparaison de scores. Quiconque vous remet un tableau plaçant Rosalind et Sol sur le même axe a inventé cet axe.

Le juste milieu inconfortable : la plupart des laboratoires ont besoin des deux files d'attente

Une organisation de recherche ne traite pas un seul type de requête. Elle traite une longue traîne de travail ordinaire — parsing, tracé de graphiques, refactorisation du script d’analyse, résumé de l’article, rédaction de la section méthodes — et une courte tête de requêtes où l’adaptation au domaine est tout l’enjeu. C’est dans la traîne que se trouvent les tokens. Un seul pipeline de séquençage peut dépenser plus de tokens pour le parsing des journaux que pour la question biologique qui l’a motivé.

Rapporté à cette réalité, la configuration raisonnable n’est pas un choix entre les deux modèles ; c’est une répartition avec une règle. La queue revient au modèle général bon marché, disponible aujourd’hui, ne nécessitant aucune revue et coûtant 2,00 $ / 10,00 $ avec 0,10 $ d’entrée mise en cache. La tête revient au spécialiste, qui coûte 2,5× plus cher et vaut le coup précisément pour les requêtes où la réponse d’un modèle général serait plausible et fausse.

Le mode de défaillance contre lequel il faut concevoir est une dérive silencieuse entre les files d’attente. Si la clé du spécialiste est soumise à une limitation de débit ou si la route du spécialiste renvoie une erreur, une chaîne de repli naïve répondra volontiers à une question de biologie avec le modèle général, et la sortie ressemblera à une réponse de spécialiste. C’est pire qu’une erreur, car une erreur est visible. La règle à appliquer est : route nommée pour le spécialiste, échec dur lorsqu’elle est indisponible, modèle général uniquement pour les requêtes qui y ont été acheminées délibérément.

Où OrcaRouter se situe, et où il ne se situe pas

GPT-6.1 Sol is on OrcaRouter at the provider's list price — $2.00 input, $10.00 output and $0.10 cached input per million tokens, with 0% markup, which means O​penAI's pricing changes reach our catalogue on the day they are published rather than at the next contract renewal. The 272K long-prompt repricing carries through as a tier on the same model entry, so a request that crosses the threshold is billed at the higher tier rather than surprising you on an invoice.

GPT-Rosalind is not on OrcaRouter, is not on any third-party router, and is reachable only through O​penAI's trusted-access programme. We are not going to blur that. What our side of the split buys you is the boring half: one key and one bill for GPT-6.1 Sol alongside 200+ other models, automatic failover so a provider hiccup moves a request instead of killing a run, and a routing DSL that lets you write the split-queue rule down as configuration rather than as a convention in a wiki. Model fusion is the other lever worth knowing about here — a panel that includes both a cheap general model and an expensive specialist, answering together, is a way to get a second opinion on a borderline result without paying specialist rates for every request.

Comment cela se résout

Two things would collapse the ambiguity, and both are plausible within a quarter. An independent evaluation of GPT-6.1 Sol would tell you whether "nearly matches Astra" is true on tasks you care about; until then the claim is a positioning statement with a price attached. And any move by O​penAI to include API access in the academic plan would change the arithmetic inside universities overnight — free specialist capacity in a lab that currently has free chat seats and no pipeline access.

En l’absence des deux, la règle concerne la forme de la requête plutôt que la qualité du modèle. Si une mauvaise réponse vous coûte une expérience, un dépôt ou une rétractation, le 2,5× du spécialiste est bon marché, et le fait qu’il nécessite une validation est un filtre dont vous devriez vous réjouir de l’existence. Si une mauvaise réponse vous coûte une nouvelle exécution, GPT-6.1 Sol est disponible aujourd’hui au cinquième du prix d’Astra, avec un contexte de 1,05 M de tokens, et personne n’a besoin de vous approuver pour l’utiliser.