Historia GPT-6.1 Sol w DevRev to tak naprawdę opowieść o tym, gdzie GPT-6 Astra nie występuje

OpenAI opublikowało w tym tygodniu historię klienta zatytułowaną „DevRev zapewnia autonomiczną samoobsługę dzięki GPT-6.1 Sol”, a najbardziej informacyjne zdanie w niej wcale nie dotyczy GPT-6.1 Sol. To zdanie, w którym mówi się, że inżynierowie sprzedaży DevRev używają GPT-6 Astra do budowania demówek na stoiska konferencyjne. Dyrektor ds. technologii DevRev, Ahmed Bashir, opisuje firmę, która podzieliła swój portfel modeli na dwie części: model średniej klasy obsługuje produkcyjną ścieżkę wsparcia, a model czołowy odpowiada za to, na co potencjalny klient patrzy przez dziewięćdziesiąt sekund. To użyteczniejszy dowód niż jakikolwiek benchmark we wpisie, ponieważ jest to decyzja wdrożeniowa podjęta przez kogoś, kto ma rachunek do zapłacenia.

Znaczenie ma timing. GPT-6.1 Sol został udostępniony 29 września 2026 r. na DevDay, tydzień po GPT-6 Sol, w cenie 2,00 USD za milion tokenów wejściowych i 10,00 USD za milion tokenów wyjściowych. Własny materiał DevRev o partnerstwie z OpenAI ma datę aktualizacji 2 listopada 2026 r., a historia klienta to pierwszy przypadek, gdy nazwana usługa produkcyjna umieściła na ścieżce obsługi klienta model średniej klasy, a nie flagowy. To nie jest premiera. To pierwsza referencja wdrożeniowa.

Co DevRev faktycznie uruchamia

DevRev buduje dwa produkty na tej samej podstawie. Computer to współpracownik AI, który odpowiada i działa na danych biznesowych; Operator to agent, który wykonuje zatwierdzoną akcję lub kieruje żądanie do właściwej osoby. Oba potrzebują tych samych trzech rzeczy, zanim model zostanie dopuszczony do klienta: kontekstu firmy, uprawnień zgodnych z rolą danej osoby oraz akcji, które można cofnąć. Model dostarcza rozumowanie, planowanie i wybór narzędzi. Resztę dostarcza harness DevRev, a Agent Studio to miejsce, w którym klient opisuje w rozmowie, jak narzędzie powinno się zachowywać, a następnie utrwala sztywnymi regułami te elementy, które nie mogą się zmieniać.

Dwie właściwości w tej historii są warte więcej niż pochwały. Działania są odwracalne. Odpowiedzi podają swoje źródła. To dwa tryby awarii, które powstrzymują przedsiębiorstwa przed pozwoleniem agentowi na zamknięcie zgłoszenia, a DevRev twierdzi, że obie są zachowaniem produktu, a nie zachowaniem modelu. Jeśli oceniasz jakiegokolwiek agenta samoobsługowego, to są pytania, które należy zadać, i żaden ranking na nie nie odpowiada.

Liczba, która zostanie przypisana do tej historii, pochodzi z lipca i nie dotyczy Sol.

Wyszukaj materiały na temat DevRev i OpenAI, a znajdziesz uderzającą parę liczb: o 48% większa dokładność i 4,4 razy mniej tokenów na każdą poprawną odpowiedź. Są prawdziwe, zostały opublikowane i nie mają nic wspólnego z GPT-6.1 Sol.

Te liczby pochodzą z wydania z 9 lipca 2026 r. ogłaszającego Enterprise-Bench — otwarty benchmark agentów przedsiębiorstw, który DevRev opracował wspólnie z Laude Institute i opublikował w Harbor harness. W tym porównaniu Computer firmy DevRev uzyskał 94,3% wobec 63,6% na zbiorze danych XL i zużywał około 5 598 tokenów na poprawną odpowiedź wobec 24 461. Było to wyraźnie porównanie harness kontra harness, przy czym oba systemy działały na tym samym modelu bazowym. DevRev przypisał tę różnicę swojej architekturze wyszukiwania i pamięci współdzielonej, a nie modelowi znajdującemu się pod spodem. Porównano go również z Claude Code, a nie z czymkolwiek, co OpenAI udostępniło we wrześniu.

Historia klienta OpenAI wspomina o Enterprise-Bench, a Bashir mówi, że GPT-6.1 Sol wypada na nim dobrze. To stwierdzenie jakościowe. Nie podano wyniku, wycinka zbioru danych ani porównania. Każdy, kto dokleja lipcowe liczby do listopadowej historii, mierzy coś innego na innym modelu w innym kwartale. Uczciwa interpretacja jest węższa i wciąż interesująca: DevRev ma benchmark, który zbudował dokładnie pod tę decyzję, i odmówił opublikowania w nim wiersza Sol.

Czego historia nie mówi

W poście OpenAI nie ma odsetka rozwiązań, liczby zgłoszeń, percentyla opóźnień, liczby tokenów ani ceny. Jak na historię klienta o autonomicznej samoobsłudze, brakuje tu całej tablicy wyników.

Najbliższa opublikowana wartość to proof of concept BILL firmy DevRev, w którym BILL raportował 70% współczynnika rozwiązywania przez AI rzeczywistych zapytań klientów na podstawie własnej oceny. Materiały DevRev wskazują również na 77% redukcję liczby tokenów oraz spadek z około dziewięciu minut do około 1,5 minuty w przypadku pytań wieloetapowych, mierzony względem własnego wcześniejszego podejścia. Są to dane raportowane przez dostawcę i nieodtworzone, a żadna z nich nie jest powiązana z generacją modelu obecnie używana w produkcji. Traktuj je jako kształt twierdzenia, a nie jego rozmiar.

Własne ograniczenie Bashira jest tym, którego należy się trzymać: „Te rzeczy muszą być w stanie działać i kończyć się same w ciągu sekund, a nie minut”. Interakcja wsparcia, której rozumowanie zajmuje dwadzieścia minut, nie jest samoobsługą, niezależnie od tego, jaki wynik osiągnie. To zdanie wyjaśnia wybór modelu lepiej niż jakakolwiek tabela benchmarków.

Arytmetyka, którą dział wsparcia może sprawdzić

Weź rutynowe zgłoszenie: 20 000 tokenów wejściowych pobranego kontekstu, 2 000 tokenów wyjściowych, w tym rozumowania. W cenniku GPT-6.1 Sol to 0,04 USD za wejście i 0,02 USD za wyjście, czyli około sześciu centów. To samo zapytanie w GPT-6 Astra, przy 10,00 USD za wejście i 50,00 USD za wyjście, to 0,20 USD plus 0,10 USD, czyli około trzydziestu centów. To samo zadanie, pięciokrotnie wyższy rachunek.

Sześć centów to dolna granica, a nie prognoza. Tokeny rozumowania są rozliczane jako dane wyjściowe, ponowienia są rozliczane podwójnie, a każda pętla narzędziowa mnoży oba te czynniki. Ale chodzi o ten stosunek i przetrwa on wszystkie trzy zastrzeżenia. Własne, raportowane przez dostawcę dane kosztowe OpenAI wskazują ten sam kierunek: w Terminal-Bench Science 0.1 OpenAI wyceniło GPT-6.1 Sol na 5,47 USD za zadanie wobec 23,80 USD dla GPT-6 Astra i 23,21 USD dla Claude Opus 5.5, przy czym Sol uzyskał 57,02% przy maksymalnym wysiłku wobec 68,1% Astra. Kupujesz jedenaście punktów zdolności za czterokrotnie wyższą kwotę, a w kolejce zgłoszeń wsparcia jedenasty punkt to zwykle lepsza parafraza, a nie rozwiązane zgłoszenie.

To jest kalkulacja, wokół której zbudowany jest model cenowy OrcaRouter: cena katalogowa dostawcy przekazywana bez marży, więc stawka taka jak $2.00 i $10.00 to kwota, którą płacisz, a zmiana ceny dostawcy obowiązuje tego samego dnia, a nie dopiero przy kolejnym odnowieniu umowy. Oba modele działają za jednym kluczem, co oznacza, że podział, którego DevRev dokonał w swojej architekturze — tani model na ścieżce wolumenowej, drogi model tam, gdzie odpowiedź jest produktem — jest decyzją o routingu, a nie drugim zakupem. W krokach, w których błędne wywołanie narzędzia jest kosztowne, przełączenie awaryjne na silniejszy model na poziomie pojedynczego żądania to różnica między złym popołudniem a złym tygodniem.

Dlaczego model średniej klasy trafia na ścieżkę produkcyjną

Odruchowo czytamy to jako historię o kosztach. Po części to historia o opóźnieniu. GPT-6.1 Sol działa z zawsze włączonym rozumowaniem na pięciu poziomach wysiłku, od niskiego po maksymalny, domyślnie średni, i w ogóle nie przyjmuje parametrów temperature ani top_p. To usuwa pokrętło strojenia, po które większość zespołów sięga, gdy agent wydaje się wolny, i sprawia, że przepustnicą staje się poziom wysiłku. Między niskim a maksymalnym różnica w czasie do pierwszego tokenu odpowiedzi jest mierzona w minutach, nie w milisekundach.

Niezależne liczby układają się tam, gdzie można by się spodziewać w przypadku modelu w tym segmencie. W Artificial Analysis Intelligence Index v5.0.1 GPT-6.1 Sol uzyskuje 55 punktów przy maksymalnym wysiłku, przy 56 tokenach na sekundę, 1,27 USD za ukończone zadanie indeksu i 63,7 mln tokenów wyjściowych w całym przebiegu. W naszej własnej siedmiodniowej telemetrii wykazuje medianę czasu do pierwszego tokenu na poziomie 937 ms, wskaźnik błędów 5,7% i 39,5 tokenu wyjściowego na sekundę, co stanowi profil, na którym można oprzeć proces obsługi: nie najszybszy dostępny model, ale wystarczająco przewidywalny, by można było dostosować do niego rozmiar kolejki.

Okno kontekstu to druga połowa tego wyboru. Przy 1 050 000 tokenów i limicie wyjściowym 128 000 tokenów akta sprawy, ich historia i pobrana wiedza mieszczą się w jednym żądaniu. To właśnie sprawia, że agent rozumujący „na podstawie danych na żywo” jest możliwy bez rozbudowanej warstwy dzielenia na fragmenty — i to od tej części karty specyfikacji faktycznie zależy 70-procentowy wskaźnik rozwiązania.

Co zamieniłoby to w studium przypadku

Trzy rzeczy przeniosłyby to z logo na stronie do dowodów, na których można oprzeć plan. Opublikowany wskaźnik rozwiązań dla Operator, na nazwanym zbiorze danych, z umieszczonym obok wskaźnikiem eskalacji do człowieka. Rozkład opóźnień, a nie średnia, ponieważ p95 to punkt, w którym samoobsługa zawodzi. Oraz ablacja Sol kontra Astra na Enterprise-Bench, skoro DevRev już dysponuje harnessem i już pokazał, że opublikuje wyniki, gdy sprzyjają jego architekturze.

Bashir wskazuje na dwie rzeczy, które chce mieć w następnej kolejności: Decisions API — do drobnych decyzji wymagających osądu, które są kosztowne do zakodowania jako reguły, ale nie wymagają głębokiego rozumowania — oraz Ultrafast, poziom szybkości 6× OpenAI w cenie 12,00 USD za wejście i 60,00 USD za wyjście za milion tokenów, dostępny do kupienia od 8 października. Oba są próbami kupienia niskiego opóźnienia bez kupowania inteligencji, co jest właściwym instynktem w przypadku kolejki wsparcia i przeciwieństwem tego, za czym goni większość planów rozwoju agentów.

Wzorzec, na który warto uważać, nie dotyczy konkretnie DevRev. Chodzi o to, że pierwsze nazwane wdrożenie produkcyjne GPT-6.1 Sol umieściło tani model tam, gdzie są klienci, a drogi model tam, gdzie są potencjalni klienci. Jeśli to stanie się normalnym kształtem stosu agentów korporacyjnych — koń roboczy na ścieżce wolumenowej, flagowy produkt na potrzeby demonstracji — to ciekawe pytanie dla każdego dostawcy przestanie brzmieć „który model jest najmądrzejszy”, a zacznie brzmieć „jak czysto można przenieść żądanie między nimi”.