Um cartão de título gerado com o texto 'GPT-6.2 Sol Pro vs GPT-6.1 Sol Pro: mesma tabela de preços, 40% menos tokens', mostrando os tokens de saída por tarefa de índice caindo de 67.824 para 40.360 e duas etiquetas indicando o Intelligence Index passando de 54,6 para 57,3 e o custo por tarefa caindo de US$ 1,27 para US$ 1,01, acima de uma linha que afirma que a tarifa de US$ 2,00 por entrada e US$ 10,00 por saída é idêntica em ambos os níveis.
Guides & Insights

GPT-6.2 Sol Pro vs GPT-6.1 Sol Pro: Mesma Tabela de Preços, 40% Menos Tokens

Autor

jinhao.song

Data de publicação

Modelos mais recentes · 20Ver todos os modelos →
Benchmarks: Artificial Analysis · atualizado diariamente
Voltar para todas as publicações

Atualizar do GPT-6.1 Sol Pro para o GPT-6.2 Sol Pronão custa nada na tabela de preços. Ambos os níveis cobram US$ 2,00 por milhão de tokens de entrada e US$ 10,00 por milhão de saída, ambos têm uma janela de contexto de 1.050.000 tokens com saída máxima de 128.000, e ambos acionam o modo pro como reasoning.mode: pro no modelo base, em vez de como um identificador distinto. A atualização vale a pena de qualquer forma, e o motivo é o único número que não aparece em lugar nenhum na tabela de preços da OpenAI: no esforço máximo, GPT-6.2 Sol gasta 40.360 tokens de saída por tarefa do índice Artificial Analysis, enquanto o GPT-6.1 Sol gasta 67.824. Quarenta por cento menos trabalho, mesmo medidor, 20% de desconto na conta no final. Avaliado em 18 de novembro de 2026, um dia após o lançamento da geração 6.2.

Duas coisas tornam esta uma decisão mais sutil do que o adesivo sugere. A primeira é que os dois modelos não são separados por uma geração de hardware ou por uma mudança de arquitetura que você possa apontar — a janela de contexto é a mesma, a lista de modalidades é a mesma, o preço é o mesmo, e a única diferença estrutural na documentação da OpenAI é um cutoff de conhecimento que passou de 30 de abril de 2026 para 1º de junho de 2026. A segunda é que a melhoria é desigual: nas avaliações que importam para agentes de programação, ela é grande, e na calibração, é negativa. Uma comparação que reporte apenas o índice composto deixaria ambas de fora.

O que realmente difere, na especificação do próprio fornecedor

Lado a lado, das duas páginas de modelos em developers.openai.com, lido em 18 de novembro de 2026:

Preço — $2,00 de entrada / $0,10 em cache / $2,50 de gravação em cache / $10,00 de saída por milhão de tokens em ambos. Acima de 272.000 tokens de entrada, ambos passam para $4,00 / $0,20 / $5,00 / $15,00.

• Contexto — 1.050.000 tokens, 922.000 de entrada máxima, 128.000 de saída máxima, em ambos.

• Data limite de conhecimento — 1 de junho de 2026 vs 30 de abril de 2026.

• Níveis de esforço — low, medium, high, xhigh, max em ambos; ambos rejeitam reasoning.effort: none.

• Modos de raciocínio — standard e pro na API Responses em ambos, com cobrança pelas tarifas padrão de tokens e diferindo apenas na quantidade de trabalho agregada.

• Multiplicador ultrarrápido — 3× o padrão até 28 de fevereiro de 2027, depois 6× em ambos.

• Novo na 6.2 — janelas de conclusão em segundo plano com desconto no beta público da Responses API: 30% abaixo do padrão para um adiamento de duas horas, 40% abaixo para oito horas.

• Mudança de comportamento — a partir do GPT-6.2, a API descarta itens de raciocínio quando deteta uma edição de prefixo no meio da conversa, um downgrade de modelo, uma alteração de usuário final ou uma alteração de organização. A perda de itens de raciocínio pode degradar a qualidade das respostas e fazer com que o modelo repita trabalho anterior em novos tokens.

Essa última linha é a que deve ser lida duas vezes, porque é uma armadilha de custo disfarçada de nota de correção. Se seu aplicativo edita instruções no meio da conversa — o que muitos loops de agente fazem quando renderizam novamente um prompt de sistema —, a geração 6.2 descartará o raciocínio que havia acumulado, pagará por ele novamente no turno seguinte e quebrará o cache de prompt que, de outra forma, teria tornado a repetição barata. Em uma carga de trabalho no modo pro, em que os tokens de raciocínio são a maioria da saída, essa é a diferença entre a economia de 40% e nenhuma economia. A própria orientação da OpenAI é manter o prefixo inalterado quando você altera configurações entre respostas.

Screenshot of OpenAI's documentation page for GPT-6.2 Sol, showing the model ID gpt-6.2-sol, a 1,050,000-token context window with 922,000 maximum input and 128,000 maximum output, a 1 June 2026 knowledge cutoff, and text-token pricing of $2 input, $0.10 cached input, $2.50 cache write and $10 output per million.

Os números independentes: 2,7 pontos e 20% por tarefa

A Artificial Analysis mediu ambos os níveis com esforço máximo no mesmo harness, que é a única forma de essa comparação ser válida. Intelligence Index v5.0.1: 57,3 para o GPT-6.2 Sol contra 54,6 para o GPT-6.1 Sol. Custo por tarefa do índice: $1,01 contra $1,27. No quadro atual v5.0.1, o GPT-6.2 Sol ocupa o 5º lugar entre 58 entradas pontuadas; o GPT-6.1 Sol não aparece mais na lista ao vivo do leaderboard, então a comparação se baseia nas medições por modelo e não na classificação.

Nenhum desses dois é um número dramático por si só. O que torna o par digno de ação é que eles se moveram juntos — o modelo mais novo é ao mesmo tempo melhor e mais barato por unidade de trabalho concluído, enquanto a tabela de preços permaneceu perfeitamente imóvel. Essa é a assinatura de um lançamento de eficiência, e não de um reposicionamento, e é o padrão que você quer ver antes de migrar um caminho de produção.

Agora o detalhamento, que é onde os dois modelos divergem mais do que o composto sugere:

• Terminal-Bench 4.0 — 60,1% vs 56,1%.

• Terminal-Bench Science — 67,6% contra 58,1%, um salto de 9,5 pontos.

• HLE Diamond — 64,0% vs 58,8%.

• FrontierCode 2.0 — 44,4% vs 40,6%.

• AutomationBench — 71,3% contra 64,9%.

• AnalystAgent — 53,8% vs 50,0%.

• AA-Omniscience — 40,4 com 55,4% de alucinação vs. 42,0 com 51,9% de alucinação.

Todas as linhas de capacidade melhoram. A linha de calibração não: o modelo mais novo tem 3,5 pontos percentuais a mais de probabilidade de afirmar algo que não consegue sustentar. Essa troca é quase gratuita dentro de um agente de programação que executa um teste antes de declarar sucesso, e é uma regressão real dentro de um fluxo de trabalho de pesquisa sem etapa de verificação. Se o seu uso no modo pro for do segundo tipo, esta não é uma atualização automática.

A generated two-column comparison scoreboard titled 'GPT-6.2 Sol vs GPT-6.1 Sol', with the left column GPT-6.2 Sol at 57.3 on the Intelligence Index, $1.01 cost per task, 40,360 output tokens per task, 60.1 percent on Terminal-Bench 4.0, 40.4 on AA-Omniscience and $2 input and $10 output per million, and the right column GPT-6.1 Sol at 54.6, $1.27, 67,824 tokens, 56.1 percent, 42.0 and the same $2 and $10 price, with a footer attributing the measurements to Artificial Analysis and the pricing to OpenAI.

De onde vêm os 40%, linha por linha

O modo Pro multiplica uma quantidade desconhecida de trabalho do modelo sobre uma contagem base de tokens, então a base é a única parte sobre a qual você pode raciocinar — e os dados independentes a dimensionam com precisão.

No esforço máximo, o GPT-6.2 Sol tem uma média de 40.360 tokens de saída por tarefa de indexação: 22.800 de raciocínio e 17.561 de resposta. O GPT-6.1 Sol tem uma média de 67.824: 49.213 de raciocínio e 18.611 de resposta. A resposta visível quase não mudou — 6% mais curta. O raciocínio despencou 54%. Esse é o mecanismo inteiro. O modelo mais novo pensa por menos da metade do tempo para produzir uma resposta do mesmo comprimento e, como os tokens de raciocínio são cobrados como saída, é aí que está a economia.

Coloque dólares nisso e a aritmética não tem glamour: 40.360 tokens a US$ 10/milhão dão cerca de US$ 0,40 de saída, contra US$ 0,72 do modelo mais antigo. A entrada, porém, não colabora. Em toda a suíte, o GPT-6.2 Sol cobra cerca de US$ 0,61 de entrada por tarefa, contra US$ 0,55 do GPT-6.1 Sol — ele lê mais, não menos, porque seus volumes de gravação em cache e leitura de cache aumentaram. A economia na saída e a penalidade na entrada quase se anulam no valor líquido de US$ 1,01 contra US$ 1,27. Nada nessa transferência vem de um corte de preço, porque não houve corte de preço.

O aviso prático é o que o pro mode implica: como o multiplicador é desconhecido e se aplica a tudo o que o modelo decidir fazer, uma linha de base 40% menor não garante uma fatura 40% menor no pro mode. Garante um piso mais barato. Meça suas próprias chamadas antes de reescrever um orçamento.

Migrando sem alteração de código

A migração mecânica é uma única string. Ambos os modelos aceitam os mesmos parâmetros, os mesmos valores de esforço, a mesma superfície da API Responses e o mesmo conjunto de ferramentas, então a troca é de model: "gpt-6.1-sol" para model: "gpt-6.2-sol" com o modo pro configurado de forma idêntica. O guia de migração da OpenAI acrescenta uma verificação obrigatória para chamada de ferramentas: ele exige a API Responses, não o Chat Completions, e isso já era verdade no 6.1.

O que não é uma única string é o comportamento do item de raciocínio descrito acima. Antes de trocar o modelo, audite se algo no seu loop muta o prefixo da conversa — prompts de sistema dinâmicos, definições de ferramentas injetadas que reordenam, corte de contexto por turno no início. Se mutar, corrija isso primeiro ou o ganho de eficiência evapora no segundo turno.

A postura de rollout também importa, porque este é um tier com apenas um dia de existência e uma única medição independente por trás dele. O caminho conservador é manter a produção no tier 6.1 e avaliar o 6.2 no tráfego que você consegue verificar — uma rota shadow, um percentual de canário, uma suíte de testes executada contra ambos. No OrcaRouter, openai/gpt-6.1-sol está no catálogo ao preço de lista do provedor com 0% de markup e failover automático entre provedores, então o modelo que já está atendendo seu tráfego pode absorver uma tarde ruim sem que você descubra isso em produção. O GPT-6.2 Sol não apareceu no nosso catálogo até 18 de novembro, e é exatamente por isso que se deve executar a avaliação como uma comparação, e não como uma troca definitiva.

O nível 6.1 também continua disponível para chamadas por um tempo: a tabela de descontinuações da OpenAI ainda encaminha as cargas de trabalho do GPT-5 e do o3 que estão sendo descontinuadas para gpt-6.1-sol como substituto, com essas desativações datadas de 11 de dezembro de 2026. Um modelo que é ele próprio o alvo de migração recomendado para outros modelos não está sendo descontinuado de forma iminente, então uma mudança deliberada e ponderada para o 6.2 não custa nada em termos de urgência.

Screenshot of the OrcaRouter model page for GPT-6.1 Sol, showing the model ID openai/gpt-6.1-sol, a 1,050,000-token context window with 128,000 maximum output, and pricing of $2.00 input and $10.00 output per million tokens at provider list price.

Quem deve se mover e quem deve esperar

Migre agora se a sua carga de trabalho for intensiva em terminal, com uso de ferramentas ou condicionada por verificações. O salto de 9,5 pontos no Terminal-Bench Science e o salto de 6,4 pontos no AutomationBench são grandes o suficiente para que uma execução canário os revele, e a economia de 20% por tarefa chega sem negociação nem novo contrato.

Espere, se sua carga de trabalho é síntese de pesquisa em modo pro, em que a saída é lida em vez de testada. A regressão de calibração é pequena, mas aponta na direção errada, e o argumento de eficiência não cobre um erro que você só descobre depois da publicação. Espere, além disso, se o loop do seu agente reescreve prefixos de conversação — corrija isso primeiro, depois faça a atualização, depois meça; atualizar antes de corrigir fará o modelo parecer pior do que é.

De qualquer forma, o número da versão está fazendo menos trabalho aqui do que parece. Esta não é uma geração que comprou capacidade com dinheiro. É uma geração que comprou capacidade com tokens, e a conta virou a seu favor, pela primeira vez.

Comparados neste artigo1

Detectado a partir deste artigo · Benchmarks: Artificial Analysis · atualizado diariamente