
GPT-6.2 Sol Pro vs GPT-6.1 Sol Pro: Samma prislista, 40 % färre tokens
- GoogleNYGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1M tokens · 90 tok/s
- AnthropicNYAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1M tokens · 97 tok/s
- orcaNYOrca: OrcaC2 1.02026-11-0711 tok/s
- OrcaNYOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1M tokens · 87 tok/s
- OrcaNYOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1M tokens · 134 tok/s
- OrcaNYOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 per 1M tokens · 86 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1M tokens · 124 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1M tokens · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligens
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1M tokens · 192 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligens
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1M tokens · 132 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligens
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligens
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 per 1M tokens · 132 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Intelligens
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Intelligens
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 per 1M tokens · 183 tok/s
Att uppgradera från GPT-6.1 Sol Pro till GPT-6.2 Sol Pro kostar ingenting på prislistan. Båda nivåerna debiterar 2,00 dollar per miljon indatatoken och 10,00 dollar per miljon utdatatoken, båda har ett kontextfönster på 1 050 000 token med maximalt 128 000 utdata, och båda anropar pro-läge som reasoning.mode: pro på basmodellen i stället för som en separat identifierare. Uppgraderingen är ändå värd att göra, och anledningen är den enda siffra som inte förekommer någonstans på OpenAI:s prislista: vid maximal ansträngning GPT-6.2 Sol gör av med 40 360 utdatatoken per Artificial Analysis-indexuppgift där GPT-6.1 Sol gör av med 67 824. Fyrtio procent mindre arbete, samma mätare, 20 % lägre slutnota. Granskat den 18 november 2026, en dag efter att 6.2-generationen lanserades.
Två saker gör detta till ett mer subtilt beslut än etiketten antyder. Det första är att de två modellerna inte skiljs åt av en hårdvarugeneration eller en arkitekturförändring som man kan peka på – kontextfönstret är detsamma, modalitetslistan är densamma, priset är detsamma, och den enda strukturella skillnaden i OpenAI:s dokumentation är en kunskapsgräns som flyttades från 30 april 2026 till 1 juni 2026. Det andra är att förbättringen är ojämn: på de utvärderingar som spelar roll för kodagenter är den stor, och för kalibrering är den negativ. En jämförelse som bara redovisar det sammansatta indexet skulle missa båda.
Vad som faktiskt skiljer sig, i leverantörens egen specifikation
Sida vid sida, från de två modellsidorna på developers.openai.com, lästa den 18 november 2026:
• Pris — $2.00 indata / $0.10 cachad / $2.50 cacheskrivning / $10.00 utdata per miljon token för båda. Över 272 000 indatatoken går båda till $4.00 / $0.20 / $5.00 / $15.00.
• Kontext — 1 050 000 tokens, 922 000 max indata, 128 000 max utdata, för båda.
• Kunskapsgräns — 1 juni 2026 vs 30 april 2026.
• Ansträngningsnivåer – low, medium, high, xhigh, max på båda; båda avvisar reasoning.effort: none.
• Resonemangslägen – standard och pro i Responses API på båda; debitering sker enligt standardtokenpriser och de skiljer sig endast åt i hur mycket arbete som aggregeras.
• Ultrasnabb multiplikator — 3× standard till och med 28 februari 2027, sedan 6× på båda.
• Nytt i 6.2 – rabatterade bakgrundsfönster för slutförande i den offentliga betan av Responses API: 30 % lägre än standard för två timmars uppskov, 40 % lägre för åtta timmar.
Beteendeförändring – från och med GPT-6.2 släpper API:et resonemangsposter när det upptäcker en redigering av prefixet mitt i en konversation, en nedgradering av modellen, ett byte av slutanvändare eller ett organisationsbyte. Att förlora resonemangsposter kan försämra svarskvaliteten och få modellen att upprepa tidigare arbete i nya token.
Den sista raden är den man bör läsa två gånger, eftersom den är en kostnadsfälla förklädd till en korrekthetsanmärkning. Om din applikation redigerar instruktioner mitt i en konversation – vilket många agentloopar gör när de renderar om en systemprompt – kommer 6.2-generationen att kasta bort resonemanget den hade samlat på sig, betala för det igen nästa tur och bryta promptcachen som annars skulle ha gjort upprepningen billig. I en arbetsbelastning i pro-läge, där resonemangstoken utgör majoriteten av utdata, är det skillnaden mellan 40 % besparing och ingen besparing alls. OpenAIs egen rekommendation är att hålla prefixet oförändrat när man ändrar inställningar mellan svar.

De oberoende siffrorna: 2,7 poäng och 20 % per uppgift
Artificial Analysis mätte båda nivåerna med maximal ansträngning i samma testramverk, vilket är det enda sättet som den här jämförelsen kan hålla. Intelligence Index v5.0.1: 57.3 för GPT-6.2 Sol mot 54.6 för GPT-6.1 Sol. Kostnad per indexuppgift: $1.01 mot $1.27. På den aktuella v5.0.1-tavlan ligger GPT-6.2 Sol på 5:e plats av 58 poängsatta poster; GPT-6.1 Sol finns inte längre med på leaderboardens aktuella lista, så jämförelsen vilar på mätningarna per modell snarare än på placeringen.
Inget av dem är ett dramatiskt tal i sig. Det som gör att paret är värt att agera på är att de rörde sig tillsammans – den nyare modellen är både bättre och billigare per enhet slutfört arbete medan prislistan stod helt stilla. Det är kännetecknet för en effektivitetsrelease snarare än en ompositionering, och det är mönstret du vill se innan du migrerar en produktionsväg.
Nu till uppdelningen, där de två modellerna skiljer sig åt mer än vad sammanvägningen antyder:
• Terminal-Bench 4.0 — 60,1 % mot 56,1 %.
• Terminal-Bench Science — 67,6 % mot 58,1 %, ett hopp på 9,5 punkter.
HLE Diamond — 64,0 % mot 58,8 %.
• FrontierCode 2.0 — 44,4 % mot 40,6 %.
• AutomationBench – 71,3 % mot 64,9 %.
• AnalystAgent — 53,8 % mot 50,0 %.
• AA-Omniscience — 40,4 vid 55,4 % hallucination jämfört med 42,0 vid 51,9 % hallucination.
Varje kapacitetsrad förbättras. Kalibreringsraden gör det inte: den nyare modellen är 3,5 procentenheter mer benägen att hävda något som den inte kan belägga. Den avvägningen är nästan gratis i en kodagent som kör ett test innan den deklarerar framgång, och den är en verklig regression i ett forskningsarbetsflöde utan verifieringssteg. Om din användning i pro-läge är av det andra slaget är detta inte en automatisk uppgradering.

Var 40 % kommer ifrån, rad för rad
Pro mode multiplicerar en okänd mängd modellarbete ovanpå ett baslinjeantal tokens, så baslinjen är den enda delen du kan resonera om – och den oberoende datan fastställer dess storlek exakt.
Vid maximal ansträngning får GPT-6.2 Sol i genomsnitt 40 360 utdatatoken per indexuppgift: 22 800 för resonemang och 17 561 för svar. GPT-6.1 Sol får i genomsnitt 67 824: 49 213 för resonemang och 18 611 för svar. Det synliga svaret rörde sig knappt – 6 % kortare. Resonemanget kollapsade med 54 %. Det är hela mekanismen. Den nyare modellen tänker mindre än hälften så länge för att producera ett svar av samma längd, och eftersom resonemangstoken faktureras som utdata är det där besparingen ligger.
Sätter man dollar på det är aritmetiken oglamorös: 40 360 tokens till $10/miljon är cirka $0,40 i utdata, mot $0,72 för den äldre modellen. Indata är dock inte medgörlig. För hela sviten fakturerar GPT-6.2 Sol cirka $0,61 i indata per uppgift mot $0,55 för GPT-6.1 Sol – den läser mer, inte mindre, eftersom både dess volymer för cache-skrivning och cacheläsning ökade. Besparingen på utdata och straffet på indata tar nästan ut varandra och landar i nettosiffran $1,01 mot $1,27. Inget i den förskjutningen kommer från en prissänkning, eftersom det inte fanns någon prissänkning.
Den praktiska varningen är den som pro-läget antyder: eftersom multiplikatorn är okänd och gäller oavsett vad modellen väljer att göra, garanterar en 40 % lägre baslinje inte en 40 % lägre räkning för pro-läget. Den garanterar ett lägre golv. Mät dina egna anrop innan du skriver om en budget.
Migrera utan kodändring
Den mekaniska migreringen är en enda sträng. Båda modellerna accepterar samma parametrar, samma effort-värden, samma Responses API-yta och samma verktygsuppsättning, så bytet är model: "gpt-6.1-sol" till model: "gpt-6.2-sol" med pro-läget konfigurerat på samma sätt. OpenAIs migreringsguide lägger till en obligatorisk kontroll för verktygsanrop: den kräver Responses API, inte Chat Completions, och det var redan sant på 6.1.
Det som inte är en enda sträng är det reasoning-item-beteende som beskrivs ovan. Innan du byter modell bör du granska om något i din loop muterar konversationsprefixet – dynamiska systemprompter, injicerade verktygsdefinitioner som ändrar ordning, kontextborttagning i början per tur. Om så är fallet, åtgärda det först, annars försvinner effektivitetsvinsten under den andra turen.
Utrullningsstrategi spelar också roll, eftersom detta är en dagsgammal nivå med endast en oberoende mätning bakom sig. Den konservativa vägen är att hålla produktionen kvar på 6.1-nivån och utvärdera 6.2 på den trafik du kan granska – en skuggväg, en kanarieprocent, en testsvit som körs mot båda. På OrcaRouter finns openai/gpt-6.1-sol i katalogen till leverantörens listpris med 0 % påslag och automatisk failover mellan leverantörer, så modellen som redan hanterar din trafik kan absorbera en dålig eftermiddag utan att du upptäcker det i produktionen. GPT-6.2 Sol har ännu inte dykt upp i vår katalog per den 18 november, vilket är precis anledningen till att köra utvärderingen som en jämförelse i stället för en direkt övergång.
6.1-nivån förblir också anropbar ett tag: OpenAIs tabell över avvecklingar dirigerar fortfarande arbetesbelastningar för utgående GPT-5 och o3 till gpt-6.1-sol som deras ersättare, med avstängningarna daterade 11 december 2026. En modell som själv är det rekommenderade migreringsmålet för andra modeller avvecklas inte inom kort, så en medveten, avvägd övergång till 6.2 innebär ingen brådska för dig.

Vem ska flytta på sig, och vem ska vänta?
Flytta nu om din arbetsbelastning är terminaltung, verktygsanvändande eller verifieringsstyrd. Hoppet på 9,5 poäng i Terminal-Bench Science och hoppet på 6,4 poäng i AutomationBench är tillräckligt stora för att en canary-körning ska visa dem, och besparingen på 20 % per uppgift kommer utan förhandling eller nytt avtal.
Vänta, om din arbetsbelastning är pro-mode-forskningssyntes där resultatet läses snarare än testas. Kalibreringsregressionen är liten men pekar åt fel håll, och effektivitetsargumentet täcker inte ett fel som du bara upptäcker efter publicering. Vänta, dessutom: om din agentloop skriver om konversationsprefix – åtgärda det först, uppgradera sedan, mät sedan; att uppgradera före åtgärd kommer att få modellen att se sämre ut än den är.
Hur som helst gör versionsnumret mindre nytta här än det verkar. Det här är inte en generation som köpte kapacitet för pengar. Det är en generation som köpte kapacitet med tokens, och räkningen gick för en gångs skull i din favör.
Jämförda i den här artikeln1
Identifierat från den här artikeln · Benchmarks: Artificial Analysis · uppdateras dagligen
