
GPT-6.2 Sol Pro vs GPT-6.1 Sol Pro: stesso listino prezzi, 40% di token in meno
- GoogleNUOVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1M di token · 90 tok/s
- AnthropicNUOVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1M di token · 97 tok/s
- orcaNUOVOOrca: OrcaC2 1.02026-11-0711 tok/s
- OrcaNUOVOOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1M di token · 88 tok/s
- OrcaNUOVOOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1M di token · 134 tok/s
- OrcaNUOVOOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 per 1M di token · 86 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1M di token · 124 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1M di token · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M di token · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M di token · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligenza
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1M di token · 192 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligenza
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1M di token · 132 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligenza
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligenza
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 per 1M di token · 131 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Intelligenza
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Intelligenza
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 per 1M di token · 185 tok/s
Passando da GPT-6.1 Sol Pro a GPT-6.2 Sol Pro non costa nulla sul listino prezzi. Entrambi i livelli fatturano 2,00 $ per milione di token di input e 10,00 $ per milione di output, entrambi dispongono di una finestra di contesto di 1.050.000 token con un massimo di 128.000 token di output, ed entrambi richiamano la modalità pro come reasoning.mode: pro sul modello di base anziché come identificatore distinto. L'aggiornamento vale comunque la pena, e il motivo è l'unico dato che non compare da nessuna parte nel tariffario di OpenAI: al massimo sforzo, GPT-6.2 Sol spende 40.360 token di output per ogni attività dell'indice Artificial Analysis, mentre GPT-6.1 Sol ne spende 67.824. Il 40% di lavoro in meno, stesso contatore, 20% in meno in bolletta alla fine. Recensito il 18 novembre 2026, un giorno dopo l'uscita della generazione 6.2.
Due cose rendono questa una decisione più sottile di quanto suggerisca l'adesivo. La prima è che i due modelli non sono separati da una generazione hardware né da un cambiamento architetturale che si possa indicare: la finestra di contesto è la stessa, l'elenco delle modalità è lo stesso, il prezzo è lo stesso, e l'unica differenza strutturale nella documentazione di OpenAI è un knowledge cutoff spostato dal 30 aprile 2026 al 1 giugno 2026. La seconda è che il miglioramento è disomogeneo: sulle valutazioni che contano per gli agenti di coding è ampio, mentre sulla calibrazione è negativo. Un confronto che riportasse solo l'indice composito mancherebbe entrambe le cose.
Che cosa differisce davvero, nella specifica del fornitore stesso
Affiancate, dalle due pagine dei modelli su developers.openai.com, consultate il 18 novembre 2026:
Prezzo — $2.00 input / $0.10 in cache / $2.50 scrittura cache / $10.00 output per milione di token su entrambi. Oltre 272.000 token di input, entrambi passano a $4.00 / $0.20 / $5.00 / $15.00.
• Contesto — 1.050.000 token, 922.000 input massimo, 128.000 output massimo, su entrambi.
• Data limite delle conoscenze — 1º giugno 2026 vs 30 aprile 2026.
• Livelli di sforzo — low, medium, high, xhigh, max su entrambi; entrambi rifiutano reasoning.effort: none.
• Modalità di ragionamento — standard e pro nella Responses API su entrambe, con fatturazione alle tariffe standard per token e unica differenza nella quantità di lavoro aggregato.
• Moltiplicatore ultrarapido — 3× lo standard fino al 28 febbraio 2027, poi 6× su entrambi.
• Novità nella 6.2 — finestre di completamento in background scontate nella beta pubblica dell'API Responses: 30% in meno rispetto allo standard per un differimento di due ore, 40% in meno per otto ore.
Cambiamento di comportamento — a partire da GPT-6.2 l'API elimina gli elementi di ragionamento quando rileva una modifica del prefisso a metà conversazione, un downgrade del modello, un cambio di utente finale o un cambio di organizzazione. La perdita degli elementi di ragionamento può degradare la qualità delle risposte e far sì che il modello ripeta il lavoro precedente in nuovi token.
Quell'ultima riga è quella da leggere due volte, perché è una trappola di costo mascherata da nota di correttezza. Se la tua applicazione modifica le istruzioni a metà conversazione — cosa che molti loop di agenti fanno quando renderizzano di nuovo un prompt di sistema — la generazione 6.2 scarterà il ragionamento che aveva accumulato, lo pagherà di nuovo al turno successivo e romperà la cache dei prompt che altrimenti avrebbe reso economica la ripetizione. Su un carico di lavoro in pro-mode, dove i token di ragionamento costituiscono la maggior parte dell'output, questa è la differenza tra un risparmio del 40% e nessun risparmio affatto. La guida di OpenAI stessa è di mantenere il prefisso invariato quando si modificano le impostazioni tra una risposta e l'altra.

I numeri indipendenti: 2,7 punti e 20% per attività
Artificial Analysis ha misurato entrambi i livelli al massimo sforzo sullo stesso harness, che è l'unico modo perché questo confronto regga. Intelligence Index v5.0.1: 57,3 per GPT-6.2 Sol contro 54,6 per GPT-6.1 Sol. Costo per attività dell'indice: 1,01 $ contro 1,27 $. Sulla classifica attuale v5.0.1 GPT-6.2 Sol si colloca al 5° posto su 58 voci valutate; GPT-6.1 Sol non compare più nell'elenco live della leaderboard, quindi il confronto si basa sulle misurazioni per singolo modello anziché sulla posizione.
Nessuno dei due è un numero eclatante di per sé. Ciò che rende la coppia meritevole di intervento è che si sono mossi insieme — il modello più recente è al contempo migliore e più economico per unità di lavoro completato, mentre il listino prezzi è rimasto perfettamente immobile. Questo è il segno distintivo di un rilascio di efficienza anziché di un riposizionamento, ed è il pattern che vuoi vedere prima di migrare un percorso produttivo.
Passiamo ora alla ripartizione, dove i due modelli divergono in misura maggiore di quanto suggerisca il valore composito:
• Terminal-Bench 4.0 — 60,1% vs 56,1%.
• Terminal-Bench Science — 67,6% vs 58,1%, un balzo di 9,5 punti.
• HLE Diamond — 64,0% vs 58,8%.
• FrontierCode 2.0 — 44,4% contro 40,6%.
• AutomationBench — 71,3% vs 64,9%.
• AnalystAgent — 53,8% vs 50,0%.
• AA-Omniscience — 40,4 con il 55,4% di allucinazioni rispetto a 42,0 con il 51,9% di allucinazioni.
Ogni riga di capacità migliora. La riga di calibrazione no: il modello più recente ha una probabilità superiore di 3,5 punti di affermare qualcosa che non è in grado di supportare. Quel compromesso è quasi a costo zero all'interno di un agente di programmazione che esegue un test prima di dichiarare il successo, ed è una vera regressione all'interno di un flusso di lavoro di ricerca senza una fase di verifica. Se il tuo utilizzo in modalità pro è del secondo tipo, questo non è un aggiornamento automatico.

Da dove viene il 40%, riga per riga
La modalità Pro moltiplica una quantità sconosciuta di lavoro del modello sopra un conteggio di token di base, quindi la base è l'unica parte su cui puoi ragionare — e i dati indipendenti la quantificano con precisione.
Allo sforzo massimo, GPT-6.2 Sol genera in media 40.360 token di output per attività di indicizzazione: 22.800 di ragionamento e 17.561 di risposta. GPT-6.1 Sol ne genera in media 67.824: 49.213 di ragionamento e 18.611 di risposta. La risposta visibile è rimasta quasi invariata: il 6% più breve. Il ragionamento è crollato del 54%. È tutto qui il meccanismo. Il modello più recente pensa per meno della metà del tempo per produrre una risposta della stessa lunghezza e, poiché i token di ragionamento vengono fatturati come output, è lì che risiede il risparmio.
Mettiamoci i dollari e l’aritmetica è poco affascinante: 40.360 token a 10 $/milione equivalgono a circa 0,40 $ di output, contro 0,72 $ per il modello precedente. L’input, però, non collabora. Su tutta la suite, GPT-6.2 Sol addebita circa 0,61 $ di input per attività contro 0,55 $ per GPT-6.1 Sol — legge di più, non di meno, perché i volumi sia di scrittura sia di lettura della cache sono aumentati. Il risparmio sull’output e la penalità sull’input si annullano quasi, portando alla cifra netta di 1,01 $ contro 1,27 $. Nulla in quel trasferimento deriva da un taglio dei prezzi, perché non c’è stato alcun taglio dei prezzi.
L'avvertenza pratica è quella implicita nella modalità pro: poiché il moltiplicatore è sconosciuto e si applica a qualunque cosa il modello decida di fare, una baseline inferiore del 40% non garantisce un costo in modalità pro inferiore del 40%. Garantisce solo un limite minimo più basso. Misura le tue chiamate prima di riscrivere un budget.
Migrazione senza modifiche al codice
La migrazione meccanica è una singola stringa. Entrambi i modelli accettano gli stessi parametri, gli stessi valori di effort, la stessa superficie dell'API Responses e lo stesso set di strumenti, quindi la sostituzione consiste nel passare da model: "gpt-6.1-sol" a model: "gpt-6.2-sol" con la modalità pro configurata in modo identico. La guida alla migrazione di OpenAI aggiunge un controllo obbligatorio per il tool calling: richiede l'API Responses, non Chat Completions, e questo era già vero su 6.1.
Ciò che non è un'unica stringa è il comportamento dell'elemento di ragionamento descritto sopra. Prima di cambiare modello, verifica se qualcosa nel tuo ciclo modifica il prefisso della conversazione — prompt di sistema dinamici, definizioni di strumenti iniettate che riordinano, ritaglio del contesto per turno all'inizio. Se lo fa, correggi prima quello, altrimenti il guadagno di efficienza svanisce al secondo turno.
Anche l'impostazione del rollout è importante, perché questo è un tier che esiste da un giorno, con una sola misurazione indipendente alle spalle. La via conservativa è mantenere la produzione sul tier 6.1 e valutare 6.2 sul traffico che puoi verificare — una rotta shadow, una percentuale canary, una suite di test eseguita su entrambi. Su OrcaRouter, openai/gpt-6.1-sol è a catalogo al prezzo di listino del provider con markup dello 0% e failover automatico tra provider, così il modello che sta già gestendo il tuo traffico può assorbire un pomeriggio negativo senza che tu lo scopra in produzione. GPT-6.2 Sol non è comparso sul nostro catalogo al 18 novembre, che è esattamente il motivo per eseguire la valutazione come confronto anziché come passaggio diretto.
Anche il livello 6.1 resta invocabile per un po': la tabella delle deprecazioni di OpenAI indirizza ancora i carichi di lavoro di GPT-5 e o3 in dismissione verso gpt-6.1-sol come loro sostituto, con tali disattivazioni datate 11 dicembre 2026. Un modello che è esso stesso la destinazione di migrazione consigliata per altri modelli non verrà ritirato a breve, quindi un passaggio deliberato e misurato a 6.2 non ti costa nulla in termini di urgenza.

Chi dovrebbe muoversi, e chi dovrebbe aspettare
Passa subito all'azione se il tuo carico di lavoro è a forte componente terminale, fa uso di strumenti o è vincolato alla verifica. Il balzo di 9,5 punti in Terminal-Bench Science e quello di 6,4 punti in AutomationBench sono abbastanza ampi perché un'esecuzione canary li evidenzi, e il risparmio del 20% per attività arriva senza trattative né nuovi contratti.
Aspetta, se il tuo carico di lavoro è {{1}}sintesi di ricerca in modalità pro in cui l'output viene letto anziché testato{{/1}}. La regressione di calibrazione è {{2}}piccola ma va nella direzione sbagliata{{/2}}, e l'argomentazione sull'efficienza non copre un errore che scopri solo dopo la pubblicazione. Aspetta, inoltre, se il ciclo del tuo agente riscrive i prefissi delle conversazioni — correggi prima quello, poi aggiorna, poi misura; aggiornare prima di correggere farà sembrare il modello peggiore di quanto sia.
In ogni caso, il numero di versione qui sta facendo meno lavoro di quanto sembri. Non è una generazione che ha comprato capacità con i soldi. È una generazione che ha comprato capacità con i token, e per una volta il conto si è mosso a tuo favore.
Confrontati in questo articolo1
Rilevato da questo articolo · Benchmark: Artificial Analysis · aggiornato ogni giorno
