GPT-6.1 Sol 对比 Fugu Max：相同的输入价格，以及一个通常意义上并不存在的模型

Sakana AI 的 Fugu Max和 OpenAI 的 GPT-6.1 Sol的输入 token 价格均为每百万 2.00 美元。价目表上的相似之处仅止于此——Fugu Max 每百万输出为 6.00 美元，而 GPT-6.1 Sol 为 10.00 美元；Fugu Max 的输出价格便宜 40%，却没有公布任何经第三方复现的基准分数。这两个事实之所以能出现在同一句话里，是因为 2026 年 9 月 11 日发布的 Fugu Max，并不是 GPT-6.1 Sol 意义上的模型。它是一个编排器：一个端点，从模型池中挑选模型、调用它并返回答案。将其 token 价格与单个检查点的 token 价格进行比较，就是在比较两种恰好以相同方式计价的不同事物。

以下内容取自 Sakana 为 Fugu Max 提供的自家发布材料，以及 Open​AI 关于 GPT-6.1 Sol 的模型文档。如果某个数字是厂商自己给出的，且外界无人复现过，那么包含该数字的句子会说明这一点。如果根本没有数字，这一点也会说明。

一种架构，而非检查点

Sakana 自己的说法颇为独特，值得直接引用而非转述：Fugu Max 是一种架构，而非单一模型。该系统持有一个模型池，会把传入的请求路由到它判断成本最低且具备相应能力的那个选项，然后返回单一答案。没有可下载的 Fugu Max 检查点，没有固定的参数数量，也无法从外部得知某次具体调用究竟是哪个模型作答的——Sakana 并不公布路由轨迹。

那种设计有一个在本次比较中最值得首先命名的属性：端点的能力并非固定不变。当池发生变化、当路由器的策略发生变化，以及当其下方的模型被升级或撤下时，它都会变化。某个检查点的基准分数描述的是该检查点。某个路由器的基准分数描述的是该路由器在被测量当天的配置状态，这是一种范围更窄的说法。

GPT-6.1 Sol 则相反。它是一个单一的快照标识符，gpt-6.1-sol，没有带日期的变体，拥有 1,050,000 个 token 的上下文窗口、128,000 的最大输出，支持文本、图像和文件输入，以及五种推理强度级别，默认是中等。你周一测到什么，周五就得到什么。

两张费率卡并排显示，并标出不同的行：

• 输入 — 两者均为每百万 $2.00。完全相同。

• 输出 — Fugu Max 为 6.00 美元，而 GPT-6.1 Sol 为 10.00 美元。Fugu Max 便宜 40%。

• 缓存输入——Sakana 的发布页面并未标明 Fugu Max 的缓存输入价格；坊间流传着 0.25 美元这一数字，但我们所查看的页面上并没有，因此我们不把它视为已确认。GPT-6.1 Sol 的价格为每百万 0.10 美元，相比 GPT-6 Sol 收取的 0.20 美元减半。

• 长提示词重新定价 — 当提示词超过 272,000 个 token 时，GPT-6.1 Sol 会将整个请求重新定价为 $4.00/$15.00。Fugu Max 则完全不公布任何长度分层。

• 更高的一档 — Sakana 还提供 Fugu Ultra v2，价格为 $5.00/$30.00，缓存输入为 $0.50，适合希望路由器在每次调用上花费更多的调用方。

经不起自身算术检验的论断

Sakana 对 Fugu Max 的主打宣传是，它的价格比 Claude Sonnet 5、GPT-5.6 Terra 和 Kimi K3 低 40% 到 60%。对照这三者的标价核算下来，算术成立——这一点没问题。

第二个说法才是需要仔细读的那个。Sakana 将 Fugu Max 描述为“以低两到六倍的成本，逼近顶尖模型”。按实际适用的标价计算，Fugu Max 与它点名的三款模型之间的原始差距在 1.7 到 2.5 倍之间，而不是两到六倍。如此宽泛的区间，却与一组只覆盖其窄端的模型并列引用，这是营销区间，而不是实测区间。对于 Sakana 心中所想的某些其他比较来说，它很可能成立；但对同一句话中的这项比较来说，它并不成立。

事实并非如此：Sakana 隐藏了自己的推理过程。它在发布材料中公布了十张散点图。透明度问题则另当别论：这些图并未附带任何已公布的基准分数，因此读者无法核对其中任何一个点的位置。

六次中奖，以及一个可供你核对的号码

Sakana 的发布页面重点展示了六项基准测试。其中五项被呈现为胜利，却没有公布具体数字。第六项 SWEFish 是 Sakana 自家的基准测试——任务由公司定义，结果也由公司报告。内部基准测试并非毫无价值；它是发布方向性信号的一种合理方式。但它不是独立证据，而且它是这组基准里唯一一个至少还能被引用的数字。

相比之下，GPT-6.1 Sol 的独立记录虽单薄却真实。Artificial Analysis 在其智能指数上为它打出 51.8 分——在 147 个模型中排名第 10，位列第 93.2 百分位——在 Humanity's Last Exam 上得分 52.9%，Long-Context Recall 为 83%，SciCode 为 54.2%，Terminal-Bench 4.0 为 56.06%。这五项均为第三方测量结果，而该模型的权重从不发生变动。

最近的一项进展值得注意，因为这是该模型获得的第一个独立评分，而且它晚于本博客此前的报道：GPT-6.1 Sol 发布时，还没有任何独立评估方公布过任何内容。Artificial Analysis 此后发布了上文中的那组数据。这一走向并不出人意料——该模型落在 OpenAI 为它设定的位置上，处于前沿的中段，而非高于自家旗舰——但如今它已被实测，而不再只是宣称，这与 Fugu Max 今天的处境是两回事。

编排器的代币价格不包括什么

这是费率卡无法体现的那部分比较，也正是为什么便宜40%的输出 token 并不自动意味着任务成本降低40%的原因。

按请求逐一决策的路由器有时会判断失误，而应对错误决策的标准补救手段是重试或升级。两者都要消耗 token。一次通过就给出答案的单一检查点只计费一次。Sakana 并未公布每个已应答请求背后的底层调用次数、请求升级所占的比例，也没有公布路由决策本身的 token 开销——因此在任何 Fugu Max 的路由器先选择较弱模型再逐步攀升的工作负载上，每完成一个任务的实际成本并不是 $2.00/$6.00 乘以你看到的 token 数，而是 $2.00/$6.00 乘以你看不到的 token 数。

质量方面同样如此，而且是在更重要的那个方向上。GPT-6.1 Sol 的失败，是一个已知模型在你的提示词上的失败，可复现，也可提前衡量。Fugu Max 的失败，则有一部分是其路由器的失败，而路由器是你无法检查、无法设定版本、也无法锁定的组件。对于错误答案的代价高于生成它所耗费的 token 的工作负载——大多数专业工作都是如此——这是真实的风险敞口，而非理论上的。

反过来看，这一点也值得说明。如果 Sakana 的路由器确实好用，那么它买到的是原本要按标价从前沿模型那里获取的能力，而且只需支付一个混合费率。这确实是一款有用的产品。问题在于，“如果路由器好用”就是其全部主张，而并没有公开的路由器评估可供对照核实。一个池子里包含 NVIDIA Nemotron——Sakana 于 2026 年 8 月宣布的合作——而池中其余模型却未具名，且没有逐次调用的追踪记录，这样的系统，其质量只有靠把自己的流量跑一遍才能发现。

GPT-6.1 Sol 真正暴露在哪里

两行，而且这两行都对 GPT-6.1 Sol 不利。

首先是输出区间顶端的定价。每百万输出 $10.00 是 OpenAI 选择的 Sonnet 级别价格，这并不便宜。在会产生长回答的工作负载上——长篇起草、大批量代码生成、文档综合——Fugu Max 收取的每百万 $6.00，意味着你选择的是每百万多花 $4.00。按每季度十亿输出 token 计算，那就是 $4,000，而且是一笔实打实的支出项。

第二项是长提示词档位。超过 272,000 个 token 后，整个 GPT-6.1 Sol 请求都会重新定价为 $4.00/$15.00，即输入翻倍、输出上涨 50%。Fugu Max 没有发布对应的档位，因此在真正较长的提示词上，Fugu Max 的价目表反而更简单——但有一个长期适用的提醒：“没有公布档位”和“没有档位”并不是同一回事。

还有第三种风险敞口，既不是价格，也不是性能：可用性。据报道，Fugu Max 在欧盟和欧洲经济区因 GDPR 相关工作尚未完成而不可用，这使其无论得分如何，都无法成为欧洲部署的一个选项。GPT-6.1 Sol 提供美国和欧盟数据驻留，但有一个附加条件：在欧盟驻留下无法使用 Open​AI 的快速模式——这是一个范围有限但真实存在的限制，也提醒人们，这两个模型的可用性情况都不是一句话能说清的。

呼叫其中一个，操控另一个

GPT-6.1 Sol 已在 OrcaRouter 上线，模型名为 openai/gpt-6.1-sol，按 OpenAI 的标价、0% 加价——每百万 token 2.00 美元和 10.00 美元，缓存输入 0.10 美元，超过 272K 的档位也完全按 OpenAI 的设定执行。由于路由层是原样透传供应商价格而非加价，OpenAI 的费率一旦变动，这里当天就会同步生效，而不用等到下一个计费周期。底层还配有自动故障转移，这是 以低成本了解 2.00 美元的输入价格在你的流量上表现如何，而无需让它成为你唯一的通道。

Fugu Max 不在 OrcaRouter 上，我们也不托管它。它可以通过 Sakana 自己的 API 访问，而按 Sakana 自己的说法，将现有的 Fugu 集成升级到 Fugu Max 只需改一个参数。如果你已经是 Fugu 客户，试用它的成本几乎为零，这使得它成为这类用户显而易见的第一步。

这一组合所赢得的结论是：Fugu Max 值得进行一次试点，但尚不值得投入生产，因为其唯一的性能证据来自供应商，而供应商自己的基准测试只是六项亮点之一。GPT-6.1 Sol 是更稳妥的默认选择，因为它的独立评分确实存在，它的失败可归因于单一模型，而且它的上限是一个已公布的数字，而非一个集合。为一个行为可预测的系统每百万输出 token 多付 4.00 美元，未必是更差的交易——而如果 Sakana 公布一份路由追踪和一份第三方评估，这一判定应立即重新审视。