GPT-6.1 Sol 对决 GLM-5.3：权重已发布，账单却纹丝未动

OpenAI 发布了GPT-6.1，时间是 2026 年 9 月 29 日，在 DevDay 主题演讲上；而 Z.ai 发布了GLM-5.3，比这早六周，即 2026 年 8 月 18 日，随后又将该 checkpoint 延迟一周才放出。这一延迟已经结束：zai-org/GLM-5.3自 8 月 25 日起就一直在 Hugging Face 上，是一个约 7530 亿参数的 BF16/FP8 checkpoint，其中每个 token 约激活 400 亿参数，下载量此后已突破 140 万次。因此，自 8 月以来大多数对比一直在追问的那个问题——这是开源模型还是租用服务？——如今有了答案，而这个答案并没有改变这笔账。在独立榜单上，GPT-6.1 Sol 得分为 51.8，每完成一项索引任务的成本为 0.72 美元；GLM-5.3 得分为 44.8，成本为 2.01 美元。现在你可以拥有这个按 token 计价更便宜的模型，却仍要为每项完成的工作多付近三倍的钱。

每个模型实际上是什么

GPT-6.1 Sol 是 Open​AI 的中端 GPT-6 模型，比旗舰 GPT-6 Astra 低一档，但高于经济型 GPT-6 Luna。它拥有 1,050,000 个 token 的上下文窗口，输出上限为 128,000 个 token，知识截止日期为 2026 年 4 月 30 日，并接受文本、图像和文件作为输入。推理强度从 low 到 max，默认值为 medium；none 和 minimal 这些 GPT-6 Sol 曾接受的值现在会返回错误，Open​AI 自己的迁移指南通过告知开发者改用 low来解决这一点。其价格为每百万输入 token 收费 2.00 美元，每百万输出 token 收费 10.00 美元，缓存输入为 0.10 美元。

GLM-5.3 是 Z.ai 当前面向软件工程和长周期智能体任务的旗舰模型，它与 GLM-5.2 基于相同的专家混合底座，性能提升来自后训练，而非更大的模型。它是文本输入、文本输出——任何价位都不支持视觉——上下文窗口为 100 万 token，输出上限为 128,000 token，且思考模式永久开启。它没有非推理模式，这对延迟敏感的调用而言是一项硬性约束。Z.ai 官方标价为每百万 token 输入 $1.40、输出 $4.40，缓存输入 $0.26；我们自己的目录中定价为 $1.26 和 $3.96，缓存读取 $0.234，因此厂商价目表上的数字更为保守，也更适合作为讨论的依据。

费率表，以及颠覆它的那一行

每个维度一行，每行均包含两侧：

• 输入 — GPT-6.1 Sol 每 100 万 $2.00 对比 GLM-5.3 每 100 万 $1.40；GLM 便宜 30%
• 输出 — GPT-6.1 Sol 每 100 万 $10.00 对比 GLM-5.3 每 100 万 $4.40；GLM 便宜 56%
• 缓存输入 — GPT-6.1 Sol 每 100 万 $0.10 对比 GLM-5.3 每 100 万 $0.26；排序反转，Sol 便宜 2.6 倍
• 长上下文条款 — 当输入 token 超过 272,000 时，GPT-6.1 Sol 会对整个请求重新定价，输入和缓存按 2×、输出按 1.5× 计费；而 GLM-5.3 在公布的卡片上没有同等条款
• 上下文和输出 — 1,050,000 输入 / 128,000 输出 对比 100 万输入 / 128,000 输出；相差 5%，无关紧要
• 模态 — 文本、图像和文件输入，文本输出 对比 仅文本
• 推理下限 — GPT-6.1 Sol 低、中（默认）、高、xhigh、max 对比 GLM-5.3 始终开启，没有可下调的下限
• 权重 — 闭源，仅 API 对比 开放，可下载，FP8
• 独立评分，Artificial Analysis v4.3.2 在最大 effort 下 — 51.8 对比 44.8
• 每项索引任务的独立成本 — $0.72 对比 $2.01
• 索引运行的输出 token 数 — 6700 万 对比 2.1 亿

<img src="2.png" alt="一张生成的双栏对比记分板，标题为“GPT-6.1 Sol vs GLM-5.3——记分板”。左栏“GPT-6.1 Sol”：各行分别显示“智能指数：51.8”“每个指数任务成本：0.72 美元”“输入价格：每 100 万 2.00 美元”“输出价格：每 100 万 10.00 美元”“指数运行中的输出 token 数：6700 万”“权重：闭源”。右栏“GLM-5.3”：各行分别显示“智能指数：44.8”“每个指数任务成本：2.01 美元”“输入价格：每 100 万 1.40 美元”“输出价格：每 100 万 4.40 美元”“指数运行中的输出 token 数：2.1 亿”“权重：在 Hugging Face 上开源”。页脚写着“依据 Artificial Analysis v4.3.2 在最大 effort 下的独立数据；厂商目录价格。”OrcaRouter 标志位于右下角。" /> 最后一组数据正是这场较量分出胜负的地方，而且这一影响绝非微不足道。

2.1 亿 token 的难题

Artificial Analysis 对其榜单上的每一个模型都运行同一套十项评测，并公布每个得分背后的 token 计数。GLM-5.3 完成该次运行生成了约 2.1 亿个输出 token。GPT-6.1 Sol 生成了 6700 万个。按照榜单上各模型自身所属的对比类别来看，GLM-5.3 的 2.1 亿高于约 1.4 亿的类别中位数，而 Sol 的 6700 万则远低于其被评分所在旗舰类别约 8100 万的中位数。由于输出是每一张费率表中昂贵的一端，GLM-5.3 在输出项上作为宣传亮点的 56% 折扣一旦与实测数据对照便不复成立：它以 0.44 倍的价格输出了 3.1 倍的 token，而 3.1 × 0.44 等于 1.37——尽管费率表明显更便宜，GLM-5.3 在这一工作负载上却是更贵的模型。

董事会自己给出的每任务成本数据证实了这一方向和大致的幅度。2.01 美元对 0.72 美元是 2.8 倍，比单看 token 比例所暗示的差距更大，因为 GLM-5.3 在每项任务的输入和缓存项上也付出更多。值得精确说明这能证明什么、不能证明什么：该指数运行是十项固定评估，它们上面的冗长度并不等同于你实际流量上的冗长度。但对买家来说，计费的是 token，而在任何模型必须产出长答案的任务集上，这种差异的形态都是一样的。

部分抵消来自缓存输入这一项。GLM-5.3 的缓存读取价格为 $0.26，基础价格为 $1.40；GPT-6.1 Sol 的缓存读取价格为 $0.10，基础价格为 $2.00——在这一费率上，Sol 以 2.6 倍的优势胜出，而这一费率主导着任何具有稳定前缀的工作负载。如果你的流量是大型固定语料库，答案只有一段话，那么 GLM-5.3 显然就是更便宜的选择，你应该选它。如果你的流量看起来像这两个模型都为之打造的那类流量——智能体循环、仓库级编辑、长生成输出——那么在 3 倍的 token 比率面前，缓存输入的优势就沦为噪声。

供应商编号落在哪里

Z.ai 的发布数据很亮眼，而且一如既往地未经复现。Terminal-Bench 2.1 为 88.2，DeepSWE v1.1 为 66.9，CyberGym 为 84.5，ExploitBench 为 54.4，AutomationBench 为 48.2，GDPval-AA v2 为 1769 Elo。唯一值得读两遍的数据是 Terminal-Bench 3.0 的 28.3——这是后继基准，也是对旧基准上 88.2 的修正。一个模型可以在其后训练所针对的基准上表现优异，而在同一基准的下一代上表现平平。

OpenAI 为 GPT-6.1 Sol 公布的各项数据，完全是围绕每完成一项任务的成本、而非原始分数来呈现的：DeepSWE v1.1 在推理投入更低的情况下，比 GPT-6 Sol 的最好成绩高出 6.4 个百分点；AutomationBench 1.0.6 在中等推理投入下比 Claude Opus 5.5 高出 2.2 分；OSWorld 2.0 在最高推理投入下比 GPT-6 Sol 高出七分；Terminal-Bench Science 0.1 以不到一半的每任务成本，成绩达到 GPT-6 Sol 的两倍以上。请注意，这些用的都是 OpenAI测试框架、OpenAI设置和OpenAI选定的基准集，且没有任何一项经过独立复现。

两家供应商公布的结果集之间重合很少，而唯一可用的直接对比是在同一个基准上：Z.ai 报告在 DeepSWE v1.1 上为 66.9，OpenAI 报告 GPT-6 Sol——即 6.1 所取代的模型——为 68.8，并报告 6.1 Sol 相较其自身前代提升了 6.4 点。在供应商报告的对比上相差两分，而在 OpenAI 自身的提升差值上相差约六分。这近乎一次受控比较，并且它说明了独立委员会所说的：能力上接近持平，完成任务的成本上差距很大。

一个 API，还是两个契约

这两款模型都托管在 OrcaRouter 上，而这是这一组合中不寻常的地方。GPT-6.1 Sol 在发布当天就以 OpenAI 自己的标价进入了目录——每百万 token 2.00 美元和 10.00 美元，缓存输入 0.10 美元，272,000 token 后升至 4.00 美元和 15.00 美元的档位也完全按供应商所列原样传递——而 GLM-5.3 与它并列，价格为 1.26 美元和 3.96 美元，缓存读取为 0.234 美元。两者都没有任何加价：平台原样传递提供商的标价，这就是为什么供应商降价当天就会体现在我们这边，而不是等到经销商重新议价之后。

对这对特定组合而言，这一点比大多数情况都更重要。在它们之间做选择，不是“哪个更好”——而是你自己输出长度上的一个阈值，而一旦 Z.ai 提高其费率卡，或 Open​AI 改变 6.1 档位的分层边界，这个阈值就会第一次移动。把两者都放在同一个密钥之后，在它们之间自动故障转移，并用一条通过配置而非部署来更改的路由规则，才能让你在真实流量上测试那个阈值，而不是为它争论不休。如果 Sol 的缓存那一行在你的工作负载中胜出，就按它路由；如果你的回答长度保持较短，而 GLM-5.3 没有上下文断崖的固定费率卡在这一细分中胜出，那就改按它路由——同一个密钥，没有第二份合同，没有第二笔账单。

如果今天必须选一个，你选哪个？

• 长篇幅生成输出、智能体循环、输出密集型工作 —— GPT-6.1 Sol，而一旦把 token 数算进去，差距接近三倍。这里正是费率表说谎、而实测不说谎的地方。
• 稳定前缀、简短回答 —— GLM-5.3。其缓存输入费率和输入费率确实更优，而啰嗦根本没机会造成伤害。
• 任何超过 272,000 输入 token 的请求 —— GLM-5.3，因为 GPT-6.1 Sol 在该阈值处会对整个请求重新计价，而 GLM-5.3 的费率表没有对应的阶梯。
• 任何以图像或文档作为视觉输入的内容 —— GPT-6.1 Sol。GLM-5.3 仅支持文本，这里差距不小。
• 在你自己边界内进行推理，或对冲供应商条款变化的风险 —— GLM-5.3，而且现在下载已经存在，不再是空头承诺。要为硬件预留预算：该 checkpoint 是一个大型 FP8 产物，自托管是资本层面的决策，而非 API 层面的决策。
• 对延迟敏感的调用 —— 两者都需谨慎。GLM-5.3 无法关闭推理；GPT-6.1 Sol 的下限是 low，而它在独立榜单上的首 token 时间实测为 332 秒，榜单中位数则为 3.7。