GPT-6.1 Sol 与 MiniMax M3：费率更低，账单上却输了

MiniMax M3的要价只是GPT-6.1 Sol要价的一小部分——每百万输入词元 0.30 美元对 2.00 美元，每百万输出词元 1.20 美元对 10.00 美元——而按真正运行的那套计价表来算，它也更便宜：在 Artificial Analysis 的 v4.3.2 评测中，每项任务 0.508 美元对 0.724 美元。这是一场实实在在的胜利，而这也正是该论点的全部，因为同一套测量在把更低的账单交给 M3 的同时，也把 22.6 分的指数领先优势交给了 GPT-6.1 Sol，而那套衡量模型能否完成智能体工作、而非仅仅描述它的基准测试，则把这一差距变成了一堵墙。该厂商于 2026 年 9 月 29 日发布了 GPT-6.1 Sol。该公司于 2026 年 5 月 31 日发布了 M3——其拥有 4280 亿参数的开源权重模型。

两者都在运行中，都已标价，也都只差一次API调用。接下来是决定二者取舍的算术，以及算术并非全部实情的两个地方。

每个模型实际上是什么

GPT-6.1 Sol 是 OpenAI 当前在推理与软件工程领域的旗舰模型——一款闭源模型，在它所取代的 GPT-6 Sol 发布仅一周后问世，并以与其前代相同的 2.00 美元 / 10.00 美元标价出售。它的缓存输入价格为 0.10 美元，仅为 GPT-6 Sol 缓存命中收费的一半；而 OpenAI 在谈及智能体编程而非聊天时所指向的，正是这款模型。

MiniMax M3 是一个混合专家模型，总参数量达 4280 亿，每个 token 激活 230 亿参数，以 MiniMax 社区许可证发布——这是一次开放权重发布，采用带有非商业色彩的自定义许可证，而非 OSI 认可的许可证。为它提供服务的推理服务商众多：Artificial Analysis 记录到 M3 有十五家托管方，而 GPT-6.1 Sol 只有八家。这种广度正是开放权重的实际优势所在，也是 M3 上的价格竞争比这款闭源模型更为迅速的原因。

价目表，以及推翻它的计量表

把两份已公布的费率卡摆在一起一对比，差距显而易见。

• 输入 — GPT-6.1 Sol 每 100 万 $2.00，对比 MiniMax M3 每 100 万 $0.30；M3 便宜 85%
• 输出 — 每 100 万 $10.00，对比每 100 万 $1.20；M3 便宜 88%
• 缓存输入 — 每 100 万 $0.10，对比每 100 万 $0.06
• 每个 AA 任务的成本 — $0.724 对比 $0.508；M3 便宜 30%，而不是 85%
• 每个任务的输出 token 数 — 38,128 对比 48,192；M3 多写 26%
• 每个任务用时 — 640 秒 对比 486 秒
• 上下文窗口 — 1,050,000 对比 1,048,576 个 token；实际上持平
• 最大输出 — 128,000 个 token 对比 512,000；M3 会写出一篇非常长的回答
• 可接受的输入 — 文本、图像和文件 对比 文本、图像和视频
• Index 排名 — GPT-6.1 Sol 在 147 个模型中排第 10，而 MiniMax M3 排第 62

顶部那两条便宜的行是采购表会看到的内容。第三行才是真正买单的那一行，它说明 85–88% 的费率卡优势会变成 30% 的现实优势，因为 M3 每项任务会输出更多 token，也因为一项任务并不是固定不变的工作量。费率卡按 token 定价；工作则按任务计价。任何止步于前两行的比较，都是在用错误的单位比较错误的数字。

那百分之三十不再重要之处

任务成本足够接近，因此对于批量文本以外的任何场景，指数差距都具有决定性。Artificial Analysis 将 GPT-6.1 Sol 评为 51.83，将 MiniMax M3 评为 29.22——相差 22.6 分，而且这一差距并非在整个测试套件中均匀分布。在要求模型操作终端、编辑代码仓库并验证自身工作的评估中，这两个模型不在同一类别：

• Terminal-Bench 4.0 — GPT-6.1 Sol 0.5606 vs MiniMax M3 0.0202
• Terminal-Bench Science — 0.5810 vs 0.0048
• AA-Omniscience — 41.53 vs 1.35
• MMLU-Pro — 0.8595 vs 0.7856
• AutomationBench — 0.6487 vs 0.2125
• τ²-bench — 本次运行中未公布 GPT-6.1 Sol 的数据，而 M3 为 0.8889
• GPQA Diamond — 本次运行中未公布 GPT-6.1 Sol 的数据，而 M3 为 0.9293
• CritPT — 0.3171 vs 0.0371

仔细读一读，因为这不是一场全面胜利，而例外之处才是有意思的部分。MiniMax M3 在 τ²-bench（工具使用与客服对话评估）上得分为 0.8889，在 GPQA Diamond 上得分为 0.9293——这一研究生水平的科学成绩超过了本次特定运行中公布的每一个 OpenAI 数据。M3 是一个有能力的推理者，也是一个不错的对话式工具使用者。在 Terminal-Bench 4.0 上，它得分为 0.0202。那不是“更差”；那是一个根本无法把多步骤代码仓库任务连贯维持下来的模型，而对 token 的任何折扣，都不会让模型失败的任务比模型完成的任务更便宜。

每任务数据背后隐藏着一项二阶成本。M3 每任务记录 48,192 个输出 token，首次回答时间为 23.0 秒，而 GPT-6.1 Sol 为 332.0 秒——小模型几乎立刻开始输出，然后再进行长时间推理。如果你的工作负载对延迟敏感但较为浅层，这一点对 M3 有利。如果它是智能体式的，那么 token 数量就是你要付出的代价，最终得分才是你得到的结果。

我们自己的 GPT-6.1 Sol 模型卡也以你实际会用来做路由决策的那种形式列出了同样的数字：$2.00 / $10.00 的费率、1,050,000 token 的上下文窗口、4.54 秒的首 token p50 延迟，以及同一页上呈现的 Artificial Analysis 指数与基准测试板块。

开放权重在这里价值几何

M3 可下载，是支持它的最强论据，而值得精确说明的是：这究竟换来了什么。它换来的是许可条款，让你能在自己的边界内运行模型——如果数据不能外流，这一点很有用——也换来了来自十五家独立托管方的价格竞争。它并不能给你带来廉价的部署：4280 亿参数、230 亿激活，仍然需要相当可观的推理硬件，而 MiniMax 社区许可证是一份附带条件的自定义许可证，并非无限制许可。对大多数团队而言，“开放权重”意味着托管推理上更划算的价格，而不是机架里多一台机器。

MiniMax M3 的 OrcaRouter 卡片上展示了实际提供的各项数据：$0.30 / $1.20 的价格、1,048,576 token 的上下文窗口、512,000 token 的最大输出、文本/图像/视频输入，以及在为其提供路由的各服务商中七天合计 5,640 万 token 的调用量。

两者共用一个按键

这次比较之所以实际上只是改配置而非迁移，是因为两个模型都能通过同一个 OrcaRouter 端点访问——一个 API 即可接入 200 多个模型，并以 0% 加价透传供应商的目录价，这意味着 MiniMax 的价格变动会在供应商发布当天就落到你的账单上，而不是等到某个经销商重新谈价的时候。这对 M3 来说比对其竞争对手更重要：选择路由到开放权重模型的全部理由，就在于其价格和托管方列表都在变动，而只有透传式计价才能跟踪一个移动的目标。

自动故障转移是另一半。M3 由众多可靠性参差不齐的提供商共同提供服务，当某个主机性能下降时，路由层可以把请求转移到另一台主机上，而调用方并不知道它落在了哪台主机上。这才是诚实地采用一个 Terminal-Bench 分数表明“不适合关键路径”的模型的方式——把它放在重试成本低廉的地方。

如果今天必须选一个，你选哪个？

如果工作是批量文本——抽取、摘要、分类、对话，以及任何输出是散文、失败模式是句子写错而非构建失败的任务——MiniMax M3 就是正确的默认选择，而那百分之三十是实打实的钱。把 GPQA 和 τ²-bench 的分数当作你的依据：这是一个恰好很便宜的能力强劲的模型。

如果任务是智能体式的——代码仓库、终端、工具链，任何带验证步骤的环节——那么 Terminal-Bench 4.0 上的 0.0202 就直接出局，而 GPT-6.1 Sol 以每任务 0.724 美元拿下 0.5606，即便每 token 贵 85%，也是更划算的选择。价目表从来都不是你真正要买的东西。

有用的答案是：你不必只选一次。把浅层任务路由到 M3，把智能体层路由到 GPT-6.1 Sol，并让两者共用同一份凭证——当任务一开始是抽取、随后变成修复工作时，路由 DSL 会把这两者组合成一次调用。