การ์ดชื่อเรื่องที่สร้างขึ้นซึ่งมีข้อความว่า 'GPT-6.2 Sol Pro vs GPT-6.1 Sol Pro: อัตราค่าใช้จ่ายเดียวกัน ใช้โทเค็นน้อยลง 40%' โดยแสดงจำนวนโทเค็นเอาต์พุตต่องานดัชนีลดลงจาก 67,824 เหลือ 40,360 และป้ายสองป้ายที่ระบุว่า Intelligence Index ขยับจาก 54.6 เป็น 57.3 และต้นทุนต่องานลดลงจาก $1.27 เหลือ $1.01 เหนือบรรทัดที่ระบุว่าอัตราอินพุต $2.00 และเอาต์พุต $10.00 เท่ากันทั้งสองระดับ
Guides & Insights

GPT-6.2 Sol Pro เทียบกับ GPT-6.1 Sol Pro: เรตการ์ดเดียวกัน ใช้โทเค็นน้อยลง 40%

ผู้เขียน

jinhao.song

วันที่เผยแพร่

โมเดลล่าสุด · 20ดูโมเดลทั้งหมด →
เบนช์มาร์ก: Artificial Analysis · อัปเดตทุกวัน
กลับไปยังโพสต์ทั้งหมด

การอัปเกรดจาก GPT-6.1 Sol Pro เป็น GPT-6.2 Sol Proไม่มีค่าใช้จ่ายใด ๆ ในรายการราคา ทั้งสองระดับคิดราคา $2.00 ต่อหนึ่งล้านโทเคนอินพุต และ $10.00 ต่อหนึ่งล้านโทเคนเอาต์พุต ทั้งคู่มีหน้าต่างบริบท 1,050,000 โทเคน พร้อมเอาต์พุตสูงสุด 128,000 และทั้งคู่เรียกใช้โหมด pro เป็น reasoning.mode: pro บนโมเดลพื้นฐาน แทนที่จะเป็นตัวระบุแยกต่างหาก อย่างไรก็ตาม การอัปเกรดก็ยังคุ้มค่าที่จะทำ และเหตุผลก็คือตัวเลขตัวหนึ่งที่ไม่ปรากฏที่ใดเลยในตารางราคาของ OpenAI: ที่ความพยายามสูงสุด GPT-6.2 Sol ใช้ 40,360 โทเคนเอาต์พุตต่องานดัชนี Artificial Analysis หนึ่งงาน ในขณะที่ GPT-6.1 Sol ใช้ 67,824 ทำงานน้อยลงสี่สิบเปอร์เซ็นต์ มิเตอร์เดิม ลดบิลลง 20% เมื่อจบ รีวิวเมื่อวันที่ 18 พฤศจิกายน 2026 หนึ่งวันหลังจากรุ่น 6.2 เปิดตัว

สองสิ่งทำให้การตัดสินใจนี้ละเอียดอ่อนกว่าที่สติกเกอร์บ่งชี้ สิ่งแรกคือโมเดลทั้งสองไม่ได้ถูกแยกจากกันด้วยฮาร์ดแวร์รุ่นใหม่หรือการเปลี่ยนแปลงสถาปัตยกรรมที่ชี้เฉพาะได้ — หน้าต่างบริบทเท่ากัน รายการมอดัลลิตีเท่ากัน ราคาเท่ากัน และความแตกต่างเชิงโครงสร้างเพียงอย่างเดียวในเอกสารของ OpenAI คือวันตัดข้อมูลความรู้ที่เลื่อนจาก 30 เมษายน 2026 เป็น 1 มิถุนายน 2026 สิ่งที่สองคือการปรับปรุงไม่สม่ำเสมอ: ในการประเมินที่สำคัญสำหรับเอเจนต์เขียนโค้ดนั้นมีขนาดใหญ่ และในด้านการปรับเทียบนั้นเป็นลบ การเปรียบเทียบที่รายงานเฉพาะดัชนีรวมจะพลาดทั้งสองเรื่อง

อะไรกันแน่ที่แตกต่างในข้อกำหนดของผู้ขายเอง

เทียบเคียงกัน จากหน้าของโมเดลทั้งสองบน developers.openai.com ซึ่งอ่านเมื่อวันที่ 18 พฤศจิกายน 2026:

• ราคา — อินพุต $2.00 / แคช $0.10 / เขียนแคช $2.50 / เอาต์พุต $10.00 ต่อล้านโทเค็นสำหรับทั้งสองแบบ เมื่ออินพุตเกิน 272,000 โทเค็น ทั้งสองแบบจะเปลี่ยนเป็น $4.00 / $0.20 / $5.00 / $15.00

• บริบท — 1,050,000 โทเค็น, อินพุตสูงสุด 922,000, เอาต์พุตสูงสุด 128,000, ทั้งสองอย่าง

• วันตัดข้อมูลความรู้ — 1 มิถุนายน 2026 เทียบกับ 30 เมษายน 2026

• ระดับความพยายาม — low, medium, high, xhigh, max ทั้งสองรองรับ; ทั้งสองปฏิเสธ reasoning.effort: none

• โหมดการให้เหตุผล — standard และ pro ใน Responses API ของทั้งสองแบบ คิดค่าบริการในอัตราโทเค็นมาตรฐาน และแตกต่างกันเพียงปริมาณงานที่ถูกนำมารวมเท่านั้น

ตัวคูณ Ultrafast — 3× ของมาตรฐานจนถึงวันที่ 28 กุมภาพันธ์ 2027 จากนั้นเป็น 6× ทั้งสองรายการ

• ใหม่ใน 6.2 — หน้าต่างการทำงานเบื้องหลังให้เสร็จสิ้นแบบมีส่วนลดใน Responses API public beta: ต่ำกว่ามาตรฐาน 30% สำหรับการเลื่อนออกไปสองชั่วโมง และต่ำกว่ามาตรฐาน 40% สำหรับแปดชั่วโมง

• การเปลี่ยนแปลงพฤติกรรม — ตั้งแต่ {{1}}GPT-6.2{{/1}} เป็นต้นไป API จะทิ้งรายการการให้เหตุผลเมื่อตรวจพบ{{2}}การแก้ไขคำนำหน้าบทสนทนากลางบทสนทนา{{/2}} การลดระดับโมเดล การเปลี่ยนผู้ใช้ปลายทาง หรือการเปลี่ยนองค์กร การสูญเสียรายการการให้เหตุผลอาจทำให้คุณภาพคำตอบลดลง และทำให้โมเดลทำงานซ้ำในส่วนก่อนหน้าด้วยโทเค็นใหม่

บรรทัดสุดท้ายนั้นคือบรรทัดที่ต้องอ่านสองครั้ง เพราะมันเป็นกับดักด้านต้นทุนที่ปลอมตัวมาเป็นหมายเหตุเรื่องความถูกต้อง หากแอปพลิเคชันของคุณแก้ไขคำสั่งระหว่างบทสนทนา — ซึ่งลูปของเอเจนต์จำนวนมากทำเมื่อเรนเดอร์พรอมต์ระบบใหม่ — เจนเนอเรชัน 6.2 จะทิ้งการให้เหตุผลที่สะสมไว้ จ่ายค่ามันอีกครั้งในเทิร์นถัดไป และทำให้แคชพรอมต์ที่ปกติจะทำให้การทำซ้ำมีต้นทุนต่ำนั้นเสียไป ในภาระงานโหมดโปรซึ่งโทเคนการให้เหตุผลเป็นส่วนใหญ่ของเอาต์พุต นั่นคือความแตกต่างระหว่างการประหยัด 40% กับการไม่ประหยัดเลย คำแนะนำของ OpenAI เองคือให้คงพรีฟิกซ์ไว้ไม่เปลี่ยนแปลงเมื่อคุณเปลี่ยนการตั้งค่าระหว่างการตอบกลับ

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.

ตัวเลขอิสระ: 2.7 คะแนน และ 20% ต่องาน

Artificial Analysis วัดทั้งสองระดับที่ความพยายามสูงสุดบนฮาร์เนสเดียวกัน ซึ่งเป็นวิธีเดียวที่การเปรียบเทียบนี้จะใช้ได้ Intelligence Index v5.0.1: 57.3 สำหรับ GPT-6.2 Sol เทียบกับ 54.6 สำหรับ GPT-6.1 Sol ค่าใช้จ่ายต่องานในดัชนี: $1.01 เทียบกับ $1.27 บนบอร์ด v5.0.1 ปัจจุบัน GPT-6.2 Sol อยู่ในอันดับ 5 จาก 58 รายการที่ได้คะแนน; GPT-6.1 Sol ไม่ปรากฏอยู่ในรายการสดของกระดานผู้นำอีกต่อไป ดังนั้นการเปรียบเทียบจึงอิงจากการวัดรายโมเดลมากกว่าอันดับ

ทั้งสองค่าไม่ได้เป็นตัวเลขที่สะดุดตาในตัวเอง สิ่งที่ทำให้คู่นี้ควรค่าแก่การลงมือทำคือมันขยับไปด้วยกัน — โมเดลใหม่ทั้งดีกว่าและถูกกว่าต่อหน่วยของงานที่ทำเสร็จ ขณะที่รายการราคายังคงนิ่งสนิท นั่นคือลักษณะเฉพาะของการเปิดตัวเพื่อประสิทธิภาพ มากกว่าการปรับตำแหน่งผลิตภัณฑ์ และเป็นรูปแบบที่คุณอยากเห็นก่อนจะย้ายเส้นทางการผลิต

ตอนนี้มาดูรายละเอียดกัน ซึ่งเป็นจุดที่โมเดลทั้งสองแตกต่างกันมากกว่าที่คะแนนรวมบ่งชี้ไว้:

• Terminal-Bench 4.0 — 60.1% เทียบกับ 56.1%

• Terminal-Bench Science — 67.6% เทียบกับ 58.1% เพิ่มขึ้น 9.5 จุด

• HLE Diamond — 64.0% เทียบกับ 58.8%

• FrontierCode 2.0 — 44.4% เทียบกับ 40.6%

• AutomationBench — 71.3% เทียบกับ 64.9%

• AnalystAgent — 53.8% เทียบกับ 50.0%

• AA-Omniscience — 40.4 ที่อัตราการหลอน 55.4% เทียบกับ 42.0 ที่อัตราการหลอน 51.9%

ทุกแถวของความสามารถดีขึ้น แถวของการปรับเทียบไม่ดีขึ้น: โมเดลใหม่มีโอกาสสูงกว่า 3.5 จุดที่จะยืนยันสิ่งที่มันไม่สามารถรองรับได้ การแลกเปลี่ยนนี้แทบไม่มีต้นทุนภายในเอเจนต์เขียนโค้ดที่รันการทดสอบก่อนประกาศความสำเร็จ และเป็นการถดถอยจริงภายในเวิร์กโฟลว์การวิจัยที่ไม่มีขั้นตอนการตรวจสอบ หากการใช้งาน pro-mode ของคุณเป็นแบบที่สอง นี่ไม่ใช่การอัปเกรดอัตโนมัติ

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.

40% มาจากไหน ทีละบรรทัด

โหมด Pro จะคูณปริมาณงานของโมเดลที่ไม่ทราบจำนวนเข้าไปบนจำนวนโทเค็นฐาน ดังนั้นจำนวนโทเค็นฐานจึงเป็นส่วนเดียวที่คุณใช้เหตุผลวิเคราะห์ได้ — และข้อมูลอิสระก็ระบุขนาดของมันได้อย่างแม่นยำ

ที่ระดับความพยายามสูงสุด GPT-6.2 Sol ใช้โทเค็นเอาต์พุตเฉลี่ย 40,360 โทเค็นต่องานดัชนี: เป็นโทเค็นการให้เหตุผล 22,800 และคำตอบ 17,561 ส่วน GPT-6.1 Sol เฉลี่ย 67,824 โทเค็น: การให้เหตุผล 49,213 และคำตอบ 18,611 คำตอบที่มองเห็นแทบไม่ขยับ — สั้นลง 6% แต่การให้เหตุผลลดฮวบลง 54% นั่นคือกลไกทั้งหมด โมเดลใหม่ใช้เวลาคิดน้อยกว่าครึ่งหนึ่งเพื่อสร้างคำตอบที่มีความยาวเท่ากัน และเนื่องจากโทเค็นการให้เหตุผลถูกคิดค่าใช้จ่ายเป็นเอาต์พุต นั่นคือจุดที่การประหยัดอยู่

ลองคิดเป็นดอลลาร์ดู แล้วตัวเลขก็ไม่ได้สวยหรูอะไร: 40,360 โทเคนที่ราคา $10/ล้าน คิดเป็นเอาต์พุตประมาณ $0.40 เทียบกับ $0.72 สำหรับโมเดลรุ่นเก่า แต่ฝั่งอินพุตไม่เป็นใจเลย เมื่อดูทั้งชุดทดสอบ GPT-6.2 Sol เรียกเก็บค่าอินพุตประมาณ $0.61 ต่องาน เทียบกับ $0.55 ของ GPT-6.1 Sol — มันอ่านมากขึ้น ไม่ใช่น้อยลง เพราะปริมาณการเขียนแคชและการอ่านแคชของมันเพิ่มขึ้นทั้งคู่ การประหยัดจากเอาต์พุตกับภาระที่เพิ่มจากอินพุตแทบจะหักกลบกันจนเหลือตัวเลขสุทธิ $1.01 เทียบกับ $1.27 ไม่มีส่วนใดของการเปลี่ยนแปลงนี้ที่มาจากการลดราคา เพราะไม่มีการลดราคาเกิดขึ้น

คำเตือนในทางปฏิบัติคือสิ่งที่โหมด pro บอกเป็นนัยไว้: เนื่องจากไม่ทราบตัวคูณ และมันใช้กับสิ่งที่โมเดลตัดสินใจจะทำไม่ว่าอะไรก็ตาม baseline ที่เล็กลง 40% จึงไม่ได้การันตีว่าบิลในโหมด pro จะเล็กลง 40% มันการันตีเพียงพื้นค่าใช้จ่ายที่ถูกกว่าเท่านั้น วัดปริมาณการเรียกใช้ของคุณเองก่อนที่จะเขียนงบประมาณใหม่

การย้ายโดยไม่ต้องแก้ไขโค้ด

การย้ายแบบเชิงกลไกคือสตริงเดียว โมเดลทั้งสองรับพารามิเตอร์เดียวกัน ค่า effort เดียวกัน พื้นผิว Responses API เดียวกัน และชุดเครื่องมือเดียวกัน ดังนั้นการสลับคือจาก model: "gpt-6.1-sol" เป็น model: "gpt-6.2-sol" โดยกำหนดโหมด pro ให้เหมือนกันทุกประการ คู่มือการย้ายของ OpenAI เพิ่มการตรวจสอบที่จำเป็นหนึ่งรายการสำหรับการเรียกใช้เครื่องมือ: ต้องใช้ Responses API ไม่ใช่ Chat Completions และสิ่งนั้นเป็นจริงอยู่แล้วบน 6.1

สิ่งที่ไม่ได้เป็นสตริงเดียวนั้นคือพฤติกรรมของ reasoning-item ที่อธิบายไว้ข้างต้น ก่อนที่คุณจะสลับโมเดล ให้ตรวจสอบว่ามีสิ่งใดในลูปของคุณที่เปลี่ยนแปลงส่วนนำของบทสนทนาหรือไม่ — เช่น พรอมต์ระบบแบบไดนามิก คำจำกัดความของเครื่องมือที่ถูกแทรกซึ่งทำให้ลำดับเปลี่ยน หรือการตัดทอนบริบทที่ด้านหน้าของแต่ละเทิร์น หากเป็นเช่นนั้น ให้แก้ส่วนนั้นก่อน ไม่เช่นนั้นประโยชน์ด้านประสิทธิภาพจะหายไปในเทิร์นที่สอง

แนวทางการเปิดใช้งานก็สำคัญเช่นกัน เพราะนี่เป็นเทียร์ที่เพิ่งมีอายุได้หนึ่งวันและมีผลการวัดที่เป็นอิสระเพียงหนึ่งรายการรองรับ แนวทางที่ระมัดระวังคือคงระบบ production ไว้ที่เทียร์ 6.1 และประเมิน 6.2 กับทราฟฟิกที่คุณตรวจสอบได้ — เส้นทางแบบ shadow, เปอร์เซ็นต์แบบ canary, ชุดทดสอบที่รันกับทั้งสองเวอร์ชัน บน OrcaRouter, openai/gpt-6.1-sol อยู่ในแคตตาล็อกที่ราคาตามรายการของผู้ให้บริการ โดยมีมาร์กอัป 0% และมี failover อัตโนมัติข้ามผู้ให้บริการ ดังนั้นโมเดลที่รับทราฟฟิกของคุณอยู่แล้วจึงสามารถรองรับช่วงเวลาที่แย่ได้ โดยที่คุณไม่ต้องค้นพบมันในระบบ production GPT-6.2 Sol ยังไม่ปรากฏในแคตตาล็อกของเรา ณ วันที่ 18 พฤศจิกายน ซึ่งเป็นเหตุผลพอดีที่ควรทำการประเมินในลักษณะการเปรียบเทียบมากกว่าการสลับใช้งานเต็มรูปแบบ

ระดับ 6.1 ยังคงเรียกใช้งานได้ต่อไปอีกระยะหนึ่ง ตารางการเลิกใช้งานของ OpenAI ยังคงกำหนดเส้นทางเวิร์กโหลด GPT-5 และ o3 ที่กำลังจะเลิกใช้งานไปยัง gpt-6.1-sol เพื่อใช้เป็นตัวแทน โดยการปิดบริการเหล่านั้นมีกำหนดวันที่ 11 ธันวาคม 2026 โมเดลที่ตัวมันเองเป็นเป้าหมายการย้ายที่แนะนำสำหรับโมเดลอื่น ๆ ไม่ได้กำลังจะถูกเลิกใช้งานในทันที ดังนั้นการย้ายไปยัง 6.2 อย่างตั้งใจและรอบคอบจึงไม่มีเหตุให้คุณต้องเร่งรีบใด ๆ

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.

ใครควรย้าย และใครควรรอ

ย้ายเลยตอนนี้หากภาระงานของคุณใช้ terminal หนัก ใช้เครื่องมือ หรือต้องผ่านการตรวจสอบก่อนดำเนินการ การเพิ่มขึ้น 9.5 จุดของ Terminal-Bench Science และ 6.4 จุดของ AutomationBench ถือว่าใหญ่พอที่การรันแบบ canary จะแสดงให้เห็น และการประหยัด 20% ต่องานก็เกิดขึ้นได้โดยไม่ต้องเจรจาหรือทำสัญญาใหม่

เดี๋ยวก่อน ถ้าภาระงานของคุณคือการสังเคราะห์งานวิจัยแบบ pro-mode ที่ผลลัพธ์ถูกอ่านมากกว่าจะถูกทดสอบ การถดถอยของคาลิเบรชันนั้นเล็ก แต่ชี้ไปในทางที่ผิด และเหตุผลด้านประสิทธิภาพไม่ได้ครอบคลุมข้อผิดพลาดที่คุณจะค้นพบหลังการเผยแพร่เท่านั้น เดี๋ยว อีกอย่าง ถ้าลูปของเอเจนต์ของคุณเขียนคำนำหน้าบทสนทนาใหม่ — แก้สิ่งนั้นก่อน จากนั้นค่อยอัปเกรด แล้วจึงวัดผล; การอัปเกรดก่อนแก้จะทำให้โมเดลดูแย่กว่าที่เป็นจริง

ไม่ว่าจะมองแบบไหนก็ตาม หมายเลขเวอร์ชันตรงนี้ก็ไม่ได้มีบทบาทมากเท่าที่หน้าตามันดูเหมือน นี่ไม่ใช่รุ่นที่ซื้อความสามารถมาด้วยเงิน แต่เป็นรุ่นที่ซื้อความสามารถมาด้วยโทเค็น และครั้งนี้ค่าใช้จ่ายก็พลิกมาเข้าข้างคุณสักครั้ง

การเปรียบเทียบในบทความนี้1

ตรวจพบจากบทความนี้ · เบนช์มาร์ก: Artificial Analysis · อัปเดตทุกวัน

© 2026 OrcaRouter

สำหรับผู้ให้บริการ

ให้บริการแพลตฟอร์มการอนุมานอยู่หรือไม่ นำโมเดลของคุณขึ้น OrcaRouter

[email protected]

เข้าร่วมคอมมูนิตี้ของเรา

Discord[email protected]XLinkedInGitHubYouTube