GPT-Rosalind vs GPT-6.1 Sol: Samma labb säljer dig två dörrar in i biologin

GPT-Rosalind and GPT-6.1 Sol come from the same company, run through the same API surface, and are separated by a factor of two and a half on output tokens. Only one of them requires you to fill in a form. That is the whole comparison in a sentence, and the rest of this article is about why the sentence is less useful than it looks. GPT-Rosalind has existed since 16 April 2026 and GPT-6.1 Sol since 29 September 2026; what changed in October is that O​penAI started handing Rosalind to universities for free through ChatGPT Business seats while still withholding API access, which forces every lab to answer a question it did not have to answer in September: when do you pay 2.5× for a specialist, and when do you route the work to the cheap general model and accept the loss? When a specialist's access terms change after launch, the change is logged with its dates and sources in the AI Incident Archive, next to the other model and vendor incidents we track.

Two O​penAI models with different onboarding

Börja med vad var och en begär av dig före den första förfrågan, eftersom det avgör om prisjämförelsen ens är tillgänglig för dig.

• Inträdeskrav — GPT-Rosalind: granskning för betrodd åtkomst, institutionsverifiering, ingen publicerad servicenivå. GPT-6.1 Sol: inga utöver ett faktureringskonto.

• Var den körs — GPT-Rosalind: ChatGPT, Codex och API:et, för godkända organisationer. GPT-6.1 Sol: Plus-, Pro-, Business-, Enterprise- och Edu-nivåerna i ChatGPT Work och Codex, samt API:et — uttryckligen inte konsumentprodukten Chat.

• Akademisk väg — GPT-Rosalind: upp till 30 kostnadsfria ChatGPT Business-platser i upp till tolv månader enligt det akademiska abonnemanget från 15 oktober, med API-åtkomst exkluderad. GPT-6.1 Sol: endast normala kommersiella villkor.

• Vad grinden skyddar — GPT-Rosalind: modellens biologiska förmåga. GPT-6.1 Sol: ingenting; det är en allmän modell och säljs till vem som helst med ett kort.

That last row is the one that matters for planning. A gate that exists because a model is dangerous on a specific subject tells you something about where its capability is concentrated. GPT-6.1 Sol does not carry that kind of gate, and the absence is informative: O​penAI's own positioning for it is agentic coding, computer use and document-heavy professional work, one tier below GPT-6 Astra. Biology is not in the pitch.

Prislistan, i de enda enheter som avgör något

Listpriser per miljon tokens är det minst användbara sättet att jämföra en specialist mot en allmän modell, eftersom specialisten är inställd på att använda färre tokens och den allmänna modellen är inställd på att vara billig per token. Båda effekterna är verkliga, och de drar i olika riktningar. Här är först de råa siffrorna.

• Indata — GPT-Rosalind $5,00 per 1 miljon mot GPT-6.1 Sol $2,00. Specialisten kostar 2,5 gånger så mycket.

• Utdata — GPT-Rosalind $25,00 per 1M vs GPT-6.1 Sol $10,00. Även 2,5×.

• Cachad indata — GPT-Rosalind $0.50 vs GPT-6.1 Sol $0.10. En 5× skillnad, och den som ackumuleras under en lång agentsession.

• Långa prompter — GPT-6.1 Sol prissätter om en hel förfrågan över 272K indatatoken till 2× indata- och cachepriser och 1,5× utdata. GPT-Rosalind publicerar ingen motsvarande långkontextavgift.

• Kontext — GPT-Rosalind 1 000 000 tokens. GPT-6.1 Sol 1 050 000 tokens med maximalt 128 000 utdata.

• Knowledge cutoff — GPT-6.1 Sol documents 30 April 2026. O​penAI does not publish a comparable cutoff for GPT-Rosalind.

Now the part the sticker price hides. Rosalind's own evaluation material reports token reductions as prominently as score gains: 7.2% fewer tokens on MedChemBench, 31% fewer on GeneBench, 5.3% fewer on LabWorkBench, and a headline figure of 4.42% higher performance per token on LifeSciBench. A 31% token saving on one benchmark does not close a 2.5× price gap. Nothing in O​penAI's published numbers does. The specialist premium is real and it is paid for accuracy, not efficiency.

Vad en naturvetenskaplig uppgift kostar på den generella modellen

GPT-6.1 Sol's launch table includes one row that is directly relevant to a lab, and it is the only place O​penAI puts a cost per task rather than a cost per token. On Terminal-Bench Science 0.1, a set of scientific workflows, O​penAI reports GPT-6.1 Sol more than doubling GPT-6 Sol's score at maximum reasoning effort, at an average of $5.47 per task against $23.21 for Claude Opus 5.5 and $23.80 for Astra.

Två förbehåll innan den siffran används i en budget. Den är leverantörsrapporterad, precis som alla andra siffror i tabellen, och benchmarken mäter vetenskapliga arbetsflöden som ett mjukvaruproblem – att läsa data, köra verktyg, producera ett resultat – inte som ett problem med domänresonemang. Den ligger närmare vad en beräkningsgrupp faktiskt gör hela dagarna än vad en läkemedelskemist gör. Vilket gör den till en rimlig uppskattning för infrastrukturen kring vetenskapen och en dålig uppskattning för själva vetenskapen.

Den distinktionen är det praktiska svaret på hela jämförelsen. GPT-6.1 Sol till $5.47 per uppgift är rätt instrument för koden som tolkar instrumentutdata, anteckningsboken som orkestrerar en svepning, litteraturtriage före ett möte. GPT-Rosalind är instrumentet för frågan som kräver att en modell trimmad på struktur-aktivitetsrelationer har en åsikt.

Ingen av modellerna har en oberoende poäng, och det är inte symmetriskt

Det här är den del av matchningen som nästan alla jämförelser hoppar över. GPT-6.1 Sol lanserades en vecka efter GPT-6 Sol, och vid tidpunkten för skrivandet har Artificial Analysis ingen post för den. Företagets egen formulering är att den "nästan matchar" GPT-6 Astra till en femtedel av priset, vilket är ett positioneringspåstående om en modell som inte har poängsatts oberoende. GPT-Rosalind har inte heller någon oberoende poäng, men av en annan anledning: specialiserade modeller följs inte alls i den allmänna topplistan, så frånvaron är strukturell snarare än tillfällig.

• Oberoende sammansatt — Båda saknas. GPT-6.1 Sol är för ny och inte poängsatt; GPT-Rosalind ligger utanför tavlans omfattning.

• Vendor benchmark suite — GPT-6.1 Sol: DeepSWE v1.1, GDP.pdf, AutomationBench 1.0.6, OSWorld 2.0 and Terminal-Bench Science 0.1, all reported as deltas against O​penAI's own models and against Claude Opus 5.5. GPT-Rosalind: MedChemBench, GeneBench, LabWorkBench, BixBench and LifeSciBench, all reported against GPT-5.5.

• Oberoende bekräftelse — Inget för någon av dem. Varje siffra i föregående rad producerades av företaget som säljer modellen.

Vad det innebär i praktiken är att du inte kan rangordna dessa två modeller, och ingen tredje part kommer att göra det åt dig inom en snar framtid. Beslutet måste fattas utifrån hur väl de passar uppgiften och tillgång, inte utifrån en jämförelse av poäng. Den som ger dig en tabell som placerar Rosalind och Sol på samma axel har hittat på axeln.

Det besvärliga mellantinget: de flesta labb behöver båda köerna

En forskningsorganisation hanterar inte bara en sorts förfrågan. Den hanterar en lång svans av vanligt arbete – parsning, plottning, refaktorering av analysskriptet, sammanfattning av artikeln, utkast till metoddelen – och en kort topp av förfrågningar där domänanpassningen är hela poängen. Det är i svansen som tokens finns. En enda sekvenseringspipeline kan göra av med fler tokens på loggparsning än på den biologiska fråga som motiverade den.

Med det som utgångspunkt är den förnuftiga konfigurationen inte ett val mellan de två modellerna; det är en uppdelning med en regel. Svansen går till den billiga allmänna modellen, som finns tillgänglig idag, inte kräver någon granskning och kostar $2.00 / $10.00 med $0.10 för cachad indata. Huvudet går till specialisten, som kostar 2,5× och är värd det för exakt de förfrågningar där en allmän modells svar skulle vara trovärdigt men fel.

Det felbeteende som designen måste skydda mot är tyst glidning mellan köerna. Om specialistnyckeln är hastighetsbegränsad eller specialistrutten felar, kommer en naiv reservkedja utan problem att besvara en biologifråga med den allmänna modellen, och utdata kommer att se ut som ett specialistersvar. Det är värre än ett fel, eftersom ett fel är synligt. Regeln du vill ha är: namngiven rutt för specialisten, hårt fel när den inte är tillgänglig, allmän modell endast för förfrågningar som medvetet dirigerades dit.

Var OrcaRouter passar in, och var det inte gör det

GPT-6.1 Sol is on OrcaRouter at the provider's list price — $2.00 input, $10.00 output and $0.10 cached input per million tokens, with 0% markup, which means O​penAI's pricing changes reach our catalogue on the day they are published rather than at the next contract renewal. The 272K long-prompt repricing carries through as a tier on the same model entry, so a request that crosses the threshold is billed at the higher tier rather than surprising you on an invoice.

GPT-Rosalind is not on OrcaRouter, is not on any third-party router, and is reachable only through O​penAI's trusted-access programme. We are not going to blur that. What our side of the split buys you is the boring half: one key and one bill for GPT-6.1 Sol alongside 200+ other models, automatic failover so a provider hiccup moves a request instead of killing a run, and a routing DSL that lets you write the split-queue rule down as configuration rather than as a convention in a wiki. Model fusion is the other lever worth knowing about here — a panel that includes both a cheap general model and an expensive specialist, answering together, is a way to get a second opinion on a borderline result without paying specialist rates for every request.

Hur detta löser sig

Two things would collapse the ambiguity, and both are plausible within a quarter. An independent evaluation of GPT-6.1 Sol would tell you whether "nearly matches Astra" is true on tasks you care about; until then the claim is a positioning statement with a price attached. And any move by O​penAI to include API access in the academic plan would change the arithmetic inside universities overnight — free specialist capacity in a lab that currently has free chat seats and no pipeline access.

I avsaknad av båda handlar regeln om förfrågans utformning snarare än modellkvalitet. Om ett felaktigt svar kostar dig ett experiment, en inlämning eller en återkallelse, är specialistens 2,5× billigt, och att det kräver granskning är ett filter som du borde vara glad över att det finns. Om ett felaktigt svar kostar dig en omkörning är GPT-6.1 Sol tillgänglig idag till en femtedel av Astrapriset, med en kontext på 1,05 miljoner token, och ingen behöver godkänna dig för att använda den.