GPT-6 Sol 与 Grok 4.7：更便宜的 Token，成本却高出三倍

2026 年 9 月，两款模型相隔一天发布，而在标价上它们并不接近。Grok 4.7于 9 月 21 日上线，定价为每百万输入 token 2.00 美元、每百万输出 token 6.00 美元。GPT-6 Sol于 9 月 22 日上线，输入价格同为 2.00 美元，输出则为 10.00 美元。Grok 的输出便宜了 40%。大多数对比正是完全依据这一点来选择它，而这恰恰是那个不该看的数字。

决定这场配对的数字，并不在两家任何一家的价目表上。它是 2.4 亿对 7700 万——Artificial Analysis 运行其 Intelligence Index 时，两个模型各自生成的输出 token 数。回答同一组问题，Grok 4.7 消耗的 token 量略高于后者的三倍。再乘以每 token 的费率，那个输出更便宜的模型，每个完成任务的成本最终是 3.74 美元，而另一个是 1.06 美元。单 token 更便宜，账单却高出三倍还多。

每个模型实际上是什么

Grok 4.7 是 xAI 推出的 Grok 4.6 继任者，定位为其最强的编程与知识工作模型，拥有 500,000 token 的上下文窗口，支持文本和图像输入、文本输出，推理强度可在 low、medium、high 和 xhigh 之间配置。xAI 未披露参数数量。据报告，它接受的预训练截止时间为 2026 年 6 月，并延续补充训练至 8 月。

GPT-6 Sol 是 OpenAI 的中端 GPT-6 模型——低于旗舰级的 GPT-6 Astra，高于经济型的 GPT-6 Luna——拥有 1,050,000 个 token 的上下文窗口、922,000 个 token 的最大输入、128,000 个 token 的输出上限，以及 2026 年 4 月 20 日的知识截止日期。它支持文本和图像输入、文本输出，推理强度从 none 到 max，OpenAI 将其定价描述为永久而非促销。

上下文窗口的差距并不小。Sol 的大约是它的两倍。这只对某一类工作负载有影响，而这类负载并不是大多数人会跑的那种。

费率表，以及颠覆它的那一行

• Input — GPT-6 Sol 每百万个词元 2.00 美元，而 Grok 4.7 每百万个词元 2.00 美元；完全相同

• 输出 — GPT-6 Sol 每百万个token 10.00美元，而 Grok 4.7 每百万个token 6.00美元；Grok 便宜40%

• 缓存输入 — GPT-6 Sol 每百万个 token 0.20 美元，而 Grok 4.7 为每百万个 token 0.50 美元；Sol 的缓存读取便宜 2.5 倍，这与输出费率所暗示的正好相反

• 缓存写入 — GPT-6 Sol 每百万 token 2.50 美元，而 Grok 4.7 的费率未在同一表格中公布

• 上下文窗口 — GPT-6 Sol 1,050,000 tokens，而 Grok 4.7 为 500,000 tokens

• 长上下文附加费 — 对于超过 272,000 个输入 token 的请求，GPT-6 Sol 会对整个请求重新定价，输入和缓存费率按 2 倍计、输出按 1.5 倍计；而 Grok 4.7 则在 200,000 个输入 token 时将每项费率都翻倍，同样针对整个请求

• 知识截止日期——GPT-6 Sol 为 2026 年 4 月 20 日，而 Grok 4.7 的预训练截止日期据报道为 2026 年 6 月，补充训练持续至 8 月

• 推理强度 — GPT-6 Sol：无、低、中（默认）、高、极高、最大，对比 Grok 4.7：低、中（默认）、高、极高

• 模态 — 输入文本和图像，输出文本，两者皆然

缓存这一档才是买家真正该盯住的。Grok 的输出价格更低，但它的缓存输入价格是 Sol 的两倍半，而冗长的 agent 历史和反复出现的系统提示词，恰恰都落在缓存输入这一块。对于以反复读取庞大稳定上下文为主的工作负载而言，两者之间的差距会比 6 美元对 10 美元所暗示的小得多——而一旦在此基础上再套上 token 用量比，排序就会颠倒过来。

为什么 2.4 亿个令牌就是全部

Artificial Analysis 测得，Grok 4.7 在 xhigh 下于其索引运行中生成了约 2.4 亿个输出 token，而同一榜单上模型的中位数约为 8800 万。其自身的总结称该模型“显著偏慢且非常冗长”。在同一测试框架上测得的 GPT-6 Sol 生成了 7700 万——在榜单上被描述为“相当简洁”。

该榜单还直接报告了后果。Grok 4.7 在 Intelligence Index 上得分为 46，每任务成本为 3.74 美元。在其高设置下，得分同样为 46，每任务成本为 2.73 美元。GPT-6 Sol 得分为 48，每任务成本为 1.06 美元。相同的 Intelligence Index，相同的测试框架，却存在两到三点五倍的成本差异，而这是任何价目表都没有显示的。

在把这些数字当作一次干净的正面对比之前，有两点需要提醒。这两个页面是在同一天抓取的，但榜单的总数并不相同——Grok 的页面显示的是一个包含 212 个模型的类别，而另一份单独的 Grok 列表报告的排名是在 655 个之中——因此这两个分数并不能保证出自同一个索引版本。而且这两个数字都不是厂商自报的数据：Artificial Analysis 运行的是自己的评测框架，这正是重点所在，但两份列表中的推理设置并不相同（Grok 为 xhigh，Sol 为 max），所以请把 500% 的成本差距当作结论，而把两个点的指数差距当作近似值。

xAI 发布了什么，以及没有人核查过什么

xAI 自家的发布数据很亮眼，而且和所有厂商的发布数据一样，未经复现。CursorBench 4.0 在 xhigh 下为 46.3%，对比 Grok 4.6 的 40.4%。Terminal-Bench 4.0 为 38.0%，对比 20.3%——这是本次发布中单项提升最大的一项。DeepSWE v1.1 在 high 下为 71.0%，对比 65.2%。EEBench 为 64.0%，对比 53.0%。这些都是 xAI 自己的测试框架、xAI 自己的设置、xAI 自己的报告。

OpenAI 为 GPT-6 Sol 给出的数字遵循同样的模式，也应该打同样的折扣。区别在于，Sol 比 Grok 多一份独立证据：Artificial Analysis 的每任务成本数据，它是根据实测的 token 消耗量计算出来的，而非取自厂商的评分表。在这样一番比较中，能站得住脚的是这个数字。

对于这两个模型，还没有人发表过在同一批任务、同一套测试框架、同一努力程度设置下的正面对比。如果你看到这样的对比，就检查一下这三个变量中哪一个发生了变化。

为一个月的缓存智能体流量定价

以一个大部分由稳定上下文组成的工作负载为例：一个编码智能体带有 60,000 token 的系统提示词和仓库摘要，每月在 5,000 次调用中被重新读取，每次返回 4,000 个输出 token。假设缓存有效，且稳定前缀按缓存费率计费。

在 GPT-6 Sol 上：3 亿个缓存输入 token，每百万 $0.20，合计 $60.00。2000 万个输出 token，每百万 $10.00，合计 $200.00。总计 $260.00。

在 Grok 4.7 上：同样 3 亿个缓存输入 token，按每百万 $0.50 计算，为 $150.00。2000 万个输出 token，按每百万 $6.00 计算，为 $120.00。总计 $270.00。

几乎完全相同——而这还是在 token 量保持不变的前提下，这已经是很宽松的假设了。在索引运行中，Grok 4.7 的实测冗长度是 Sol 的三倍。哪怕只给输出量乘上 1.5 倍，Grok 的账单也会达到 330.00 美元，而 Sol 为 320.00 美元，并且差距还会从那里继续拉大。更低输出费率的优势经不起缓存加上冗长度的考验；哪怕只有缓存，也勉强撑不住。

这里没有任何内容是在声称这两个模型通过 OrcaRouter 的价格——两者都不在我们的目录中。GPT-6 Sol 可通过 OpenAI 自家的 API 访问，Grok 4.7 则通过 xAI 的 API 访问；Grok 系列的其余型号，包括 Grok 4.6，都可以通过我们进行路由 按 xAI 的标价、采用透传模式。这番计算的意义在于，你编写的升级规则应当基于你自己流量上每个已完成任务的成本，而不是基于价目表——而路由层正是让你无需再签一份合同就能测试该规则的东西。

每个所属的地方

• 高吞吐量、缓存上下文的智能体工作负载——GPT-6 Sol。缓存输入这一项以 2.5 倍的差距有利于 Sol，而输出量这一项对 Grok 的优势还高于这个倍数，且两者会叠加。

• 在需要本次发布中已公布的最强 Terminal-Bench 提升的编码工作里——Grok 4.7 就是拥有那个数字的模型，而且这数字很大。只需为 token 做预算，而不是费率。

• 超过 500,000 tokens 的长文档 — GPT-6 Sol，而且差距悬殊。Grok 的窗口在 Sol 的一半处就结束了。

• 对延迟敏感的路径——两者都不合适。Artificial Analysis 列出 Grok 4.7 的输出速度为每秒 39.2 个输出 token，并称其明显偏慢。在你认定 Sol 更快之前，先看看当前榜单上 Sol 自己的速度数据。

• 如果有人给你看了一个逐 token 的对比，并以“所以 Grok 更便宜”结尾——那它就早结束了一步。下一步是 token 数量。