GPT-Rosalind vs GPT-6.1 Sol: Hetzelfde lab verkoopt je twee deuren naar de biologie

GPT-Rosalind en GPT-6.1 Sol komen van hetzelfde bedrijf, lopen via hetzelfde API-oppervlak en verschillen met een factor tweeënhalf in outputtokens. Slechts één van beide vereist dat je een formulier invult. Dat is de hele vergelijking in één zin, en de rest van dit artikel gaat over waarom die zin minder nuttig is dan hij lijkt. GPT-Rosalind bestaat sinds 16 april 2026 en GPT-6.1 Sol sinds 29 september 2026; wat in oktober veranderde, is dat O​penAI Rosalind gratis via ChatGPT Business-seats aan universiteiten begon te verstrekken, terwijl API-toegang nog steeds werd onthouden, waardoor elk lab een vraag moet beantwoorden die het in september niet hoefde te beantwoorden: wanneer betaal je 2,5× voor een specialist, en wanneer stuur je het werk naar het goedkope algemene model en accepteer je het verlies? Wanneer de toegangsvoorwaarden van een specialist na de lancering veranderen, wordt de wijziging met de bijbehorende datums en bronnen vastgelegd in the AI Incident Archive, naast de andere model- en leveranciersincidenten die we volgen.

Twee O​penAI-modellen met verschillende onboarding

Begin met wat elk van hen van je vraagt voordat je de eerste aanvraag doet, want dat bepaalt of de prijsvergelijking überhaupt voor je beschikbaar is.

• Toegangsvoorwaarde — GPT-Rosalind: beoordeling voor trusted access, institutionele verificatie, geen gepubliceerd serviceniveau. GPT-6.1 Sol: geen vereisten naast een factureringsaccount.

• Waar het draait — GPT-Rosalind: ChatGPT, Codex en de API, voor goedgekeurde organisaties. GPT-6.1 Sol: Plus-, Pro-, Business-, Enterprise- en Edu-niveaus in ChatGPT Work en Codex, plus de API — expliciet niet het consumenten-Chatproduct.

• Academische route — GPT-Rosalind: tot 30 gratis ChatGPT Business-seats voor maximaal twaalf maanden onder het academische plan van 15 oktober, met API-toegang uitgesloten. GPT-6.1 Sol: alleen normale commerciële voorwaarden.

• Wat de poort beschermt — GPT-Rosalind: de biologiecapaciteit van het model. GPT-6.1 Sol: niets; het is een algemeen model en wordt aan iedereen met een creditcard verkocht.

Die laatste rij is degene die ertoe doet voor de planning. Een poort die bestaat omdat een model gevaarlijk is op een specifiek onderwerp, zegt iets over waar de capaciteit ervan geconcentreerd is. GPT-6.1 Sol heeft dat soort poort niet, en het ontbreken ervan is veelzeggend: O​penAI's eigen positionering ervoor is agentisch coderen, computergebruik en documentintensief professioneel werk, één niveau onder GPT-6 Astra. Biologie staat niet in de pitch.

De tariefkaart, in de enige eenheden die er echt toe doen

Stickerprijzen per miljoen tokens zijn de minst nuttige manier om een specialist met een algemeen model te vergelijken, omdat de specialist erop is afgestemd minder tokens te gebruiken en het algemene model erop is afgestemd goedkoop per token te zijn. Beide effecten zijn reëel, en ze werken in tegengestelde richtingen. Hier zijn eerst de ruwe cijfers.

• Invoer — GPT-Rosalind $5,00 per 1 mln vs GPT-6.1 Sol $2,00. De specialist is 2,5× zo duur.

• Uitvoer — GPT-Rosalind $25,00 per 1 miljoen vs GPT-6.1 Sol $10,00. Ook 2,5×.

• Gecachte invoer — GPT-Rosalind $0,50 vs GPT-6.1 Sol $0,10. Een verschil van 5×, en juist dat ene tikt aan over een lange agentsessie.

• Lange prompts — GPT-6.1 Sol rekent voor een volledig verzoek boven 272K invoertokens een tarief van 2× de invoer- en cachetarieven en 1,5× de uitvoer. GPT-Rosalind publiceert geen gelijkwaardige toeslag voor lange context.

• Context — GPT-Rosalind 1.000.000 tokens. GPT-6.1 Sol 1.050.000 tokens met 128.000 maximale output.

• Kennisafsluitdatum — GPT-6.1 Sol documenteert 30 april 2026. OpenAI publiceert geen vergelijkbare afsluitdatum voor GPT-Rosalind.

Nu het deel dat de stickerprijs verbergt. Rosalinds eigen evaluatiemateriaal rapporteert tokenreducties even prominent als scorewinsten: 7,2% minder tokens op MedChemBench, 31% minder op GeneBench, 5,3% minder op LabWorkBench, en een opvallend cijfer van 4,42% hogere prestatie per token op LifeSciBench. Een tokenbesparing van 31% op één benchmark dicht een prijsverschil van 2,5× niet. Niets in de gepubliceerde cijfers van OpenAI doet dat. De specialistenpremie is reëel en wordt betaald voor nauwkeurigheid, niet voor efficiëntie.

Wat een wetenschappelijke taak kost op het algemene model

De lanceringstabel van GPT-6.1 Sol bevat één rij die direct relevant is voor een lab, en het is de enige plek waar OpenAI een prijs per taak in plaats van per token vermeldt. Op Terminal-Bench Science 0.1, een reeks wetenschappelijke workflows, meldt OpenAI dat GPT-6.1 Sol bij maximale redeneerinspanning meer dan het dubbele van de score van GPT-6 Sol haalt, tegen een gemiddelde van $5,47 per taak tegenover $23,21 voor Claude Opus 5.5 en $23,80 voor Astra.

Twee kanttekeningen voordat dat getal in een budget wordt gebruikt. Het is door de leverancier opgegeven, net als elk ander cijfer in die tabel, en de benchmark meet wetenschappelijke workflows als een softwareprobleem — gegevens lezen, tooling draaien, een resultaat produceren — niet als een probleem van domeinredenering. Het ligt dichter bij wat een computationele groep de hele dag doet dan bij wat een medicinale chemicus doet. Wat het een redelijke schatting maakt voor de infra rond de wetenschap en een slechte schatting voor de wetenschap zelf.

Dat onderscheid is het praktische antwoord op de hele vergelijking. GPT-6.1 Sol tegen $5,47 per taak is het juiste instrument voor de code die instrumentuitvoer parseert, de notebook die een sweep orkestreert, de literatuurselectie voorafgaand aan een vergadering. GPT-Rosalind is het instrument voor de vraag waarbij een model dat op structuur-activiteitsrelaties is afgestemd, een mening moet hebben.

Geen van beide modellen heeft een onafhankelijke score, en dat is niet symmetrisch.

Dit is het deel van de vergelijking dat bijna elke vergelijking overslaat. GPT-6.1 Sol werd een week na GPT-6 Sol gelanceerd, en op het moment van schrijven heeft Artificial Analysis er geen vermelding voor. Het bedrijf zelf zegt dat het GPT-6 Astra "bijna evenaart" voor een vijfde van de prijs, wat een positioneringsclaim is over een model dat niet onafhankelijk is gescoord. GPT-Rosalind heeft ook geen onafhankelijke score, maar om een andere reden: gespecialiseerde modellen worden helemaal niet op de algemene ranglijst bijgehouden, dus het ontbreken is structureel in plaats van tijdelijk.

• Onafhankelijke samengestelde index — Beide afwezig. GPT-6.1 Sol is te nieuw en niet gescoord; GPT-Rosalind valt buiten de scope van het board.

• Benchmarksuite van de leverancier — GPT-6.1 Sol: DeepSWE v1.1, GDP.pdf, AutomationBench 1.0.6, OSWorld 2.0 en Terminal-Bench Science 0.1, allemaal gerapporteerd als delta's ten opzichte van OpenAI's eigen modellen en ten opzichte van Claude Opus 5.5. GPT-Rosalind: MedChemBench, GeneBench, LabWorkBench, BixBench en LifeSciBench, allemaal gerapporteerd ten opzichte van GPT-5.5.

• Onafhankelijke bevestiging — Voor geen van beide. Elk getal in de vorige rij werd geproduceerd door het bedrijf dat het model verkoopt.

In de praktijk betekent dat dat je deze twee modellen niet kunt rangschikken, en geen enkele derde partij gaat dat binnenkort voor je doen. De beslissing moet worden genomen op basis van taakgeschiktheid en toegang, niet op basis van een scorevergelijking. Iedereen die je een tabel geeft waarin Rosalind en Sol op dezelfde as worden geplaatst, heeft de as verzonnen.

Het ongemakkelijke midden: de meeste labs hebben beide wachtrijen nodig

Een onderzoeksorganisatie verwerkt niet één soort verzoek. Ze verwerkt een lange staart van gewoon werk — parsen, plotten, het analyserscript refactoren, het artikel samenvatten, de methodensectie opstellen — en een korte kop van verzoeken waarbij domeintuning het hele punt is. De staart is waar de tokens zitten. Een enkele sequencingpijplijn kan meer tokens besteden aan het parsen van logs dan aan de biologische vraag die er de aanleiding toe vormde.

Afgezet tegen die realiteit is de verstandige configuratie geen keuze tussen de twee modellen; het is een splitsing met een regel. De staart gaat naar het goedkope algemene model, dat vandaag beschikbaar is, geen review nodig heeft en $2.00 / $10.00 kost met $0.10 voor gecachte invoer. De kop gaat naar de specialist, die 2.5× kost en precies de moeite waard is voor de verzoeken waarbij het antwoord van een algemeen model aannemelijk en onjuist zou zijn.

Het faalpatroon waartegen je moet ontwerpen, is stille drift tussen de wachtrijen. Als de specialisten-sleutel aan een snelheidslimiet onderhevig is of de specialisten-route een fout geeft, zal een naïeve fallback-keten zonder meer een biologievraag met het algemene model beantwoorden, en de uitvoer ziet eruit als een specialisten-antwoord. Dat is erger dan een fout, omdat een fout zichtbaar is. De regel die je wilt, is: benoemde route voor de specialist, hard falen wanneer die niet beschikbaar is, het algemene model alleen voor verzoeken die daar bewust naartoe zijn gerouteerd.

Waar OrcaRouter staat, en waar niet.

GPT-6.1 Sol staat op OrcaRouter tegen de lijstprijs van de provider — $2,00 input, $10,00 output en $0,10 gecachte input per miljoen tokens, met 0% opslag, wat betekent dat prijswijzigingen van OpenAI ons assortiment bereiken op de dag dat ze worden gepubliceerd in plaats van bij de volgende contractverlenging. De herprijzing voor lange prompts van 272K blijft doorlopen als een tariefniveau op dezelfde modelregel, zodat een verzoek dat de drempel overschrijdt tegen het hogere tarief wordt gefactureerd in plaats van u op een factuur te verrassen.

GPT-Rosalind staat niet op OrcaRouter, staat op geen enkele router van derden en is alleen bereikbaar via O​penAI's programma voor vertrouwde toegang. Dat gaan we niet vertroebelen. Wat onze kant van de opsplitsing je oplevert, is de saaie helft: one key and one bill voor GPT-6.1 Sol naast 200+ andere modellen, automatic failover zodat een hapering bij een provider een verzoek verplaatst in plaats van een run te laten mislukken, en een routing-DSL waarmee je de split-queue-regel als configuratie kunt vastleggen in plaats van als een afspraak in een wiki. Modelfusie is hier de andere hefboom die je moet kennen — een panel met zowel een goedkoop algemeen model als een dure specialist, die samen antwoorden, is een manier om een tweede mening te krijgen over een resultaat dat op het randje zit, zonder voor elk verzoek specialistentarieven te betalen.

Hoe dit wordt opgelost

Twee dingen zouden de onduidelijkheid wegnemen, en beide zijn binnen een kwartaal aannemelijk. Een onafhankelijke evaluatie van GPT-6.1 Sol zou je vertellen of "bijna evenaart Astra" waar is voor taken die je belangrijk vindt; tot die tijd is de bewering een positioneringsstatement met een prijskaartje. En elke stap van OpenAI om API-toegang op te nemen in het academische plan zou de rekensom binnen universiteiten van de ene op de andere dag veranderen — gratis specialistische capaciteit in een lab dat momenteel gratis chatplekken heeft en geen toegang tot de pipeline.

Als beide ontbreken, gaat de regel over de vorm van het verzoek, niet over modelkwaliteit. Als een fout antwoord je een experiment, een deponering of een intrekking kost, is de 2.5× van de specialist goedkoop, en het feit dat er een beoordeling nodig is, is een filter waarvan je blij mag zijn dat het bestaat. Als een fout antwoord je een nieuwe run kost, is GPT-6.1 Sol vandaag beschikbaar voor een vijfde van de prijs van Astra, met een context van 1.05M tokens, en je hebt niemands goedkeuring nodig om het te gebruiken.