Dots vs GPT-5.6 Sol: En prenumeration och en prislista från samma företag

Företaget säljer två saker som båda utifrån ser ut som "en OpenAI-modell". Dots är den ständigt aktiva agent som tillkännagavs på DevDay den 29 september 2026: varje dot får sin egen molndator och webbläsare, når över 4 000 appar via företagets konnektorekosystem, finns i ChatGPT, Slack och Teams och körs på GPT-6 Astra, som är modellen företaget namnger i sitt eget lanseringsmaterial. GPT-5.6 Sol är en API-modell med förbrukningsmätning, tillgänglig sedan den 9 juli 2026: ett kontextfönster på 1 050 000 tokens, upp till 128 000 tokens utdata per svar, text-, bild- och filinmatning med text som utdata, verktygsanrop, strukturerad utdata och ett konfigurerbart reglage för resonemangsinsats. Den första är en prenumeration vars inkluderade kvot ingen har offentliggjort; den andra är ett prisblad med fyra siffror på. Det är den skillnaden, inte ett glapp i benchmarkresultat, som den här jämförelsen egentligen handlar om.

Så den användbara frågan är inte vilken av dem som är smartare. Det är vilken du kan planera utifrån, och vilken som i tysthet avgör hur mycket av ditt arbete som överhuvudtaget är möjligt.

Det enda som skiljer dem åt

En prick har ingen tokenmätare. Du kan inte se hur många tokens den brände, eftersom det inte är enheten den säljs i. GPT-5.6 Sol har inget annat än en tokenmätare — varje förmåga den har är prissatt per miljon tokens, och dess enda hårda arkitektoniska gräns, fönstret på 1 050 000 tokens, är också gränsen för hur mycket av ett problem du kan ge den i ett svep.

Den asymmetrin förklarar nästan varje praktisk skillnad mellan dem. När man inte kan mäta något kan man inte förutsäga det, och man kan inte flytta det. När man kan mäta något kan man jämföra det med ett billigare syskon och byta, eftersom det enda som ändras är en identifierarsträng.

Vad GPT-5.6 Sol publicerar

• Kontext och utdata — 1 050 000 tokens in, 128 000 tokens ut, vilket räcker för ett helt arkiv eller ett års korrespondens i ett enda anrop

• Indatayta — text, bild och fil in, text ut, med vision, verktygsanrop, JSON och resonemang alla listade som förstklassiga förmågor

• Pris — 4,00 USD per miljon indatatoken och 20,00 USD per miljon utdatatoken under en prompt på 272 000 token, som stiger till 8,00 och 30,00 USD över den gränsen; cachade läsningar kostar 0,40 USD per miljon, cacheskrivningar 5,00 USD

• Oberoende underlag – ett Artificial Analysis Coding Index på 77,4, tredje av 138 uppmätta modeller, och ett Intelligence Index på 47, trettonde av 145; 94,1 på GPQA Diamond och 84 på långkontextåterkallning, alla tredjepartssiffror redovisas med sin källa i vår katalog i stället för leverantörssiffror

• Observerat beteende i vår egen trafik – en median på 1,72 sekunder till första token över ett sjudagarsfönster, cirka 171 utdata-tokens per sekund och 88,99 miljoner tokens dirigerade under den veckan

De siffrorna är inte ett säljargument; de är en specifikation. Du kan prissätta ett jobb utifrån den här modellen innan du kör det, och du kan kontrollera svaret efteråt, eftersom varje enhet räknas någonstans.

Vad Dots inte publicerar

OpenAI har sagt exakt en sak om vad en dot kostar: den första ingår i Pro och Business Premium, med utökade gränser under den första månaden och utan att ChatGPT:s användningsgränser tas i anspråk för konversationer med din dot. Allt annat är okvantifierat. Det finns ingen kvotangivelse, inget pris för en andra dot, ingen publicerad taxa för snabbare eller större kapacitet, och ingen kostnad per uppgift någonstans i lanseringsmaterialet. Pro 500-nivån för 500 dollar per månad är en användningskvot plus Ultrafast-läget, inte en taxa per dot, så inte ens det dyraste abonnemanget i OpenAI:s tabell omvandlas till en kostnad per enhet agentarbete.

Tolka det som en beskrivning av en produktkategori snarare än en lucka i dokumentationen. En punkt prissätts som en plats, inte som en arbetsbelastning. Platser är lätta att budgetera och omöjliga att optimera; det är hela avvägningen.

Två räkningar, varav en du kan förutse

Ställer man de två kostnadsmodellerna bredvid varandra är skillnaden inte storleken, utan formen. Kostnaden för GPT-5.6 Sol är en rät linje genom origo som blir brantare efter 272 000 indatatokens. Kostnaden för A dot är en platt linje som inte säger dig något om hur långt du har kommit — förrän den ändras.

Den andra egenskapen är den som överraskar team. En kapacitetsändring, en ändring av hastighetsnivå eller en ändring av vad den första punkten omfattar kommer som ett supportmejl och ett nytt pris, utan någon motsvarighet till en prislisteändring du kan diffa. En ändring av tokenpris är en siffra som rör sig; en prenumerationsändring är en policy som rör sig. Båda är legitima, och bara en av dem är något du kan modellera i ett kalkylblad.

Var de två formerna hör hemma i en och samma pipeline

En punkt förtjänar sin plats i arbete som inte har någon naturlig enhet: att jaga en punkt mellan tre appar under fyra dagar, ett projekt som rör sig när ingen tittar på det. GPT-5.6 Sol förtjänar sin plats i arbete som har det. Att extrahera strukturerade poster från ett långt arkiv, att granska ett stort kodförråd i ett svep, att generera ett långt dokument från en lång källa – dessa uppgifter har en början, ett slut och ett antal tokens, och fönstret på 1,05 miljoner tokens är anledningen till att vissa av dem är möjliga överhuvudtaget, snarare än en bekvämlighet för dem som redan var det.

OrcaRouter ligger helt och hållet på den avgiftsbelagda sidan av den linjen. Modellen dirigeras som openai/gpt-5.6-sol till OpenAI:s listpris som förmedlas vidare utan påslag, i samma katalog som över 200 andra modeller bakom en enda nyckel, med automatisk redundansväxling mellan uppströmsleverantörer och en routing-DSL för att skicka en enskild begäran till den modell som bör svara på den. Det du inte får med det är något inuti en dot: det finns inget Dots API, ingen modellidentifierare att rikta en begäran mot, och inget sätt att byta ut intelligensen som körs under en. Katalogen når prislistan och stannar där.

Vilket köp är ett misstag?

Att köpa en dot med förväntan att optimera den är ett misstag, eftersom ytan du skulle optimera inte är exponerad. Att köpa GPT-5.6 Sol med förväntan att den ska driva ett projekt åt dig är samma misstag i motsatt riktning — en modell som svarar när den anropas är inte en arbetare som fortsätter när du slutar anropa.

De team som gör detta rätt behandlar de två som olika poster med olika verb kopplade till sig: en prenumeration för arbetet som måste fortsätta ske, och en mätarbaserad modell för arbetet som måste räknas. Prenumerationen är den du avslutar; mätaren är den du prognostiserar. Att veta vilken som är vilken innan du förbinder dig är större delen av beslutet.