GPT-6.1 Sol 对比 Claude Opus 5：指数仅差一点，价格却高 2.5 倍

在百分制上，一分之差将他们分开，而其中一方的价格是另一方的两倍半。在 Artificial Analysis Intelligence Index 上，GPT-6.1 Sol —— Open​AI 于 2026-09-29 发布的版本 —— 得分为 51.8。Claude Opus 5，自 2026-07-24 起一直是 Anthrop​ic 的旗舰模型，得分为 50.8。价目表显示，GPT-6.1 Sol 为每百万 token 2.00 美元和 10.00 美元，而 Claude Opus 5 为 5.00 美元和 25.00 美元。这并不是一个强模型与一个便宜模型之间的比较。这是两个独立评估者无法将其区分超过一分的模型，却以相差 2.5 倍的价格出售——而有趣的问题不是哪一个更好，而是这个指数未能区分二者中的哪一个。

下面的每个数字，要么是记录在我们模型档案中的 Artificial Analysis 测量值，要么是供应商自己发布的数字，要么是对两张费率表进行算术运算得出的结果。如果某个数字是供应商自己的，且外部无人复现过，句子中会说明这一点。

这两者实际上是什么

Claude Opus 5 是 Anthropic 的顶级通用模型：拥有 1,000,000 token 的上下文窗口和 128,000 的输出 token，支持文本、图像和文件输入，并具备自适应推理能力——调用方设定的是投入程度（effort level），而不是温度参数。公司将其定位为适用于端到端软件工程、代码审查，以及大量使用工具的长链路多步骤智能体会话的模型。

GPT-6.1 Sol 在 GPT-6 系列中比 OpenAI 自家的旗舰模型——GPT-6 Astra——低一个层级；它比其所取代的模型 GPT-6 Sol 晚六周发布，价格同为 $2.00/$10.00。它具备 1,050,000 个 token 的上下文窗口、相同的 128,000 输出上限、相同的文本、图像和文件输入面，以及从 low 到 max 的五档推理强度级别，其中 medium 为默认档。

把这两段并排读一下，规格行几乎一模一样。差异都藏在细则里，其中有三处很关键：

• 采样参数——两个模型都不接受 temperature 或 top_p。二者都用 effort 档位取而代之。如果你的代码传入了 temperature，两者都会拒绝，因此二者都无法即插即用地替换旧有集成。

• 上下文上限——GPT-6.1 Sol 为 1,050,000 个 token，而 Claude Opus 5 为 1,000,000 个。百分之五的差距；在实际使用中无关紧要，也不是这一决定的关键所在。

• 推理强度默认值——GPT-6.1 Sol 默认采用中等强度；Claude Opus 5 的自适应思考会自行分配思考深度。下文关于各项指数对比的一切都对此十分敏感，这也是稍后会提到的注意事项。

两者均在其上进行测量的五个轴

这正是关于这对组合的大多数文章会弄错的地方，因为它们把一方的厂商数字和另一方的第三方数字混在一起。下面五行全部来自 Artificial Analysis，全部出自同一个评估方，而且都是针对这两个模型的：

• AA Intelligence Index — GPT-6.1 Sol 51.8（第 10 名，第 93.2 百分位），对比 Claude Opus 5 50.8（第 11 名，第 92.5 百分位）。仅差一分。

• Humanity's Last Exam — 52.9% 对 54.9%。Claude Opus 5 领先两分。

• SciCode——54.2%，对比 56.4%。与 Claude Opus 5 相差 2.2 个百分点。

• 长上下文召回 — 83% 对 79.33%。GPT-6.1 Sol 领先 3.7 个百分点。

• Terminal-Bench 4.0 — 56.06% 对 48.99%。GPT-6.1 Sol 领先七个点。

三比二，差距在一到七个百分点之间，价格却是2.5倍。有{{1}}第六条轴{{/1}}是Claude Opus 5独自占据的——{{2}}GPQA Diamond达到93.2%{{/2}}——还有{{3}}第七条则是它在另一方向上独自占据{{/3}}：{{4}}Artificial Analysis在其Coding Index上给Claude Opus 5打出78分，第98.6百分位，排名第2{{/4}}。GPT-6.1 Sol在我们的记录中根本没有出现在那条轴上，所以没有数字可以放在它旁边，而根据厂商演示材料编造一个数字，正是{{5}}本博客不会做的{{/5}}举动。

溢价仍然站得住脚的地方

如果这就是事情的全貌，那么一个百分点的指数差距，并不足以成为支付2.5倍价格的充分理由。但事实并非如此，无论指数怎么说，Claude Opus 5 在三个方面都是更值得购买的选择。

第一处是上方的那一行 Coding Index。在评测者自己的综合评分中，于 138 个模型里排名第 2、处于第 98.6 百分位，这是一个关于某类特定工作的具体论断，而这正是大多数在这个价位上采购的团队所从事的那类工作。我们针对 anthropic/claude-opus-5 的 OrcaRouter 模型页面显示其在 Codex 基准测试中“排名第 1”，每项任务平均成本为 1.09 美元——这是我们自己的服务数据，而非厂商的说辞，也提醒着我们：每 token 的价格并不等于每项工作的价格。

第二个是批处理。Claude Opus 5 享有 50% 的批处理折扣，折算下来输入为 $2.50、输出为 $12.50；而且批处理模式允许 30 万个输出 token，相比之下交互路径只有 12.8 万个。在 $2.50/$12.50 的价格下，它的输入价格已不再是 GPT-6.1 Sol 的 2.5 倍——而是高出 25%。对于任何能够容忍排队的工作负载——离线索引、批量分类、夜间测试生成——本文的整个论点都会大幅缩水，而且是朝着有利于 Anthrop​ic 的方向缩水。

第三个是温和的多模态乘数。Anthropic 自己公布的数字显示，Claude Opus 5 在 OSWorld 2.0 上达到 70.6%，在 SWE-bench Verified 上达到 96.0%，在 SWE-bench Pro 上达到 79.2%。这些是厂商报告的数字，针对的是 7 月发布的模型，此处没有任何外部人士复现过，而且这些维度与上文的 Artificial Analysis 各行并不重叠——因此不能把它们加进那张评分卡。它们唯一值得一读之处，是表明 Anthropic 声称在计算机使用和仓库级工程方面尤其具备实力，而这正是这款模型定价所面向的买家。

费率卡，包括只有其中一张才有的那一行

Claude Opus 5 在其整个百万 token 窗口内一律收取 $5.00 和 $25.00，缓存读取为 $0.50，缓存写入为 $10.00。GPT-6.1 Sol 在最多 272,000 个提示 token 内收取 $2.00 和 $10.00，超过这条线后则对整个请求重新定价为 $4.00 和 $15.00，其中缓存读取从 $0.10 变为 $0.20，缓存写入从 $2.50 变为 $5.00。由此产生的价格倒挂，是从任一模型购买长上下文时的实际后果：

• 一个 250,000 token 的提示词——GPT-6.1 Sol 仍处于第一档，价格为 $2.00/$10.00，而对比对象为 $5.00/$25.00。这是本次对比中最便宜的大上下文请求。

• 一个 300,000 token 的提示词——GPT-6.1 Sol 已上调至 $4.00/$15.00，而 Claude Opus 5 原地未动。差距在输入侧从 2.5× 收窄至 1.25×，在输出侧收窄至 1.67×。

• 缓存读取 — GPT-6.1 Sol 每百万 $0.10，而 Claude Opus 5 为 $0.50，且都落在两款模型的首档价位内。在一次反复重读同一前缀的长时智能体会话中，这一行对账单的影响比那些主推费率更大。

• 缓存写入 — $2.50 对比 $10.00。方向一致，数量级相同。

这是一个真实且并不光鲜的论点：2.5× 这个宣传亮点只有在短提示词下才能达到。一旦工作负载超过 272,000 个 token，GPT-6.1 Sol 的定价也会像高端模型一样，而诚实的比较就变成了“一个缓存便宜得多的高端模型”对“一个采用固定价目表的高端模型”。

为什么单凭一点不应自行决定这件事

上方的指数行并非在同一天采集，而这一点在此处比在大多数对比中都更为重要。GPT-6.1 Sol 的 Artificial Analysis 记录所载评估日期为 2026-09-28。Claude Opus 5 的记录则为 2026-07-23——早了九周，且其所在的测评框架在这段时间窗口内经过了修订。

我们自己的记录中就有这一点的明显迹象。此前的报道称 Claude Opus 5 在 Intelligence Index 上得分为 61，并位居榜单首位。我们今天读到的目录记录则将同一模型列为 50.8，排名第 11。两者皆可能为真：该指数已经过修订，而综合得分对评测者所选择的推理努力程度很敏感——Claude Opus 5 的最高成绩是在最大努力程度下取得的，而我们收录的记录根本没有标注任何努力程度设置。GPT-6.1 Sol 的 51.8 也存在同样的模糊性。

这对购买决策的意义有限但重要。两个模型相隔九周评估，基于一个不断变化的综合评分，且未说明投入设置，这样的一分差距并不能证明一个模型比另一个更聪明。这五行所确立的是，它们处于同一档位——而在价格高出 2.5 倍的情况下得到同一档位的结果，是采购事实，而非性能事实。

路由哪一个

拿你原本打算购买的那个模型，去和另一个模型做对比测试。这话听起来像是老生常谈，但这正是目前证据唯一真正支持的做法，而且这两个模型都能从同一个兼容 Open​AI 的端点访问——openai/gpt-6.1-sol和 anthropic/claude-opus-5都挂在 OrcaRouter 上——所以这场测试不过是改一下模型字符串，既不用签第二份合同，也不用重写代码。价格就是提供商的标价，零加价：$2.00/$10.00，其中超过 272K 的分层完全按 Open​AI 的设定执行；$5.00/$25.00，其中批量折扣完全按 Anthrop​ic 的设定执行——这也意味着厂商一旦调价，我们这边当天就会生效，而不是等到下一个计费周期。在两者都被路由的地方，底层还有自动故障转移，当两者中更便宜的那个正承载着生产路径时，这一点就很值得拥有。

如果你在拥有自己的选择标准之前需要一个默认方案，那么证据支持的划分如下。当工作负载是长提示词或终端与工具类任务时，选择 GPT-6.1 Sol——Long-Context Recall 和 Terminal Bench 4.0 这两行是表格中差距最大的两项，而对于会反复读取前缀的智能体会话，$0.10 缓存是一个很大的杠杆。当工作负载是仓库级编码、批处理可接受，或提示词能容纳在 128,000 个 token 以内，且我们自己的测试场测得的每任务成本 $1.09 正是你的财务团队已经批准的数字时，选择 Claude Opus 5。

这组对比得出的结论，比两家厂商中任何一方所乐见的都要更微弱。按独立测评来看，这两者实际上旗鼓相当；但在价格上则不然，而价格正是其中一方无法靠辩解绕开的维度。