GPT-6.1 Sol 對決 Claude Opus 5：指數僅差一點，價格卻貴了兩倍半

在百分制量表上，它們只相差一分，而其中一個的價格是另一個的兩倍半。在 Artificial Analysis 智慧指數上，GPT-6.1 Sol——OpenAI 於 2026-09-29 發布——得分為 51.8。Claude Opus 5自 2026-07-24 起為 Anthropic 的旗艦模型，得分為 50.8。GPT-6.1 Sol 的價目表是每百萬個詞元 2.00 美元與 10.00 美元，而 Claude Opus 5 則是 5.00 美元與 25.00 美元。這不是一個強大模型與一個便宜模型之間的比較。而是兩個獨立評測者無法區分出超過一分的模型，卻以相差 2.5 倍的價格販售——而有趣的問題不是哪一個更好，而是這個指數未能分辨的，究竟是這兩者中的哪一個。

下列每個數字，可能是記載於我們模型紀錄中的 Artificial Analysis 測量值、廠商自行發布的數字，或是對兩份費率表所做的計算。若某個數字是廠商自行提供的，且外部無人重現過，句子中會加以註明。

這兩者實際上是什麼

Claude Opus 5 是 Anthropic 最頂級的通用型模型：具備 1,000,000 個 token 的上下文視窗、128,000 個輸出 token，支援文字、圖像與檔案輸入，並採用自適應推理——由呼叫方設定投入程度，而非溫度。這是該公司定位用於端到端軟體工程、程式碼審查，以及大量使用工具、長時間多步驟代理工作階段的模型。

GPT-6.1 Sol 在 GPT-6 系列中比 OpenAI 自家的旗艦——GPT-6 Astra——低一階，且是在它所取代的模型 GPT-6 Sol 推出六週後才上市，價格同為 $2.00/$10.00。它搭載 1,050,000 詞元的上下文視窗、同樣 128,000 的輸出上限、相同的文字、圖像與檔案輸入介面，以及從低到最高共五個推理投入等級，預設為中等。

把那兩段並排對照，規格列幾乎一模一樣。差異都在細則裡，而其中三點很重要：

• 取樣參數 — 兩個模型都不接受 temperature 或 top_p。兩者都以努力程度調節鈕加以取代。如果你的程式碼傳入 temperature，兩者都會拒絕，因此兩者都無法直接替換既有的整合。

• 上下文上限 — GPT-6.1 Sol 為 1,050,000 個 token，Claude Opus 5 則是 1,000,000 個。相差百分之五；實務上無關緊要，而這也不是這項決定的關鍵所在。

• 投入程度預設值 — GPT-6.1 Sol 預設為中等；Claude Opus 5 的自適應思考會自行分配深度。下方索引比較的一切都對此相當敏感，而這正是後文會提到的但書。

兩者皆是在其上進行測量的五個軸向

這正是大多數關於這個組合的評測文章會出錯的地方，因為它們把其中一方的廠商數據，跟另一方的第三方數據混在一起。下面這五列全都是 Artificial Analysis，全都來自同一個評測機構，而且兩個模型皆是如此：

• AA Intelligence Index — GPT-6.1 Sol 51.8（排名第 10，第 93.2 百分位）對上 Claude Opus 5 50.8（排名第 11，第 92.5 百分位）。只差一分。

• Humanity's Last Exam — 52.9% 對 54.9%。Claude Opus 5 以兩分之差領先。

• SciCode — 54.2% 對 56.4%。Claude Opus 5 相差 2.2 個百分點。

• 長上下文召回 — 83% 對 79.33%。GPT-6.1 Sol 領先 3.7 個百分點。

• Terminal-Bench 4.0 — 56.06% 對上 48.99%。GPT-6.1 Sol 領先七個百分點。

三比二，分差介於一到七分之間，價格卻是 2.5 倍。還有第六個軸是只有 Claude Opus 5 獨佔的——GPQA Diamond 達 93.2%——以及第七個軸，只有它在相反的一端獨佔：Artificial Analysis 在其 Coding Index 上給 Claude Opus 5 打了 78 分，第 98.6 百分位，排名第 2。在我們的紀錄中，GPT-6.1 Sol 在那個軸上根本完全沒有列出，所以沒有數字可以放在它旁邊，而從廠商簡報中捏造一個數字，正是本部落格不會做的舉動。

在溢價仍站得住腳的地方

若這就是全貌，單單一分的指數差距，會是支撐支付 2.5 倍價格的薄弱理由。但事實並非如此，而且有三個地方，無論指數怎麼說，Claude Opus 5 都是更值得入手的選擇。

首先是上方那一列 Coding Index。在評測者自家的綜合指標中，於 138 個模型中排名第 2、位居第 98.6 百分位，這是針對某一特定類型工作的具體主張，而這正是多數在這個價位帶採購的團隊正在做的那類工作。我們 OrcaRouter 上 anthropic/claude-opus-5的模型頁面顯示，在 Codex 基準測試中「排名第一」，且每項任務平均成本為 1.09 美元——這是我們自家的服務資料，而非供應商的主張，也提醒了我們：每 token 的價格並不等於每項工作的價格。

第二個是批次處理。Claude Opus 5 享有 50% 的批次折扣，這讓價格降到輸入 $2.50、輸出 $12.50，而且在批次模式下允許 300,000 個輸出詞元，相較於互動路徑的 128,000 個。在 $2.50/$12.50 的價位上，它不再是 GPT-6.1 Sol 輸入價格的兩倍半——而是高出 25%。對於任何能容忍佇列等待的工作負載——離線索引、大量分類、夜間測試生成——本文的整套論證就會大幅縮水，而且是朝著對 Anthropic 有利的方向縮水。

第三個是幅度有限的多模態乘數。Anthropic 自己公布的數據顯示，Claude Opus 5 在 OSWorld 2.0 上達到 70.6%，在 SWE-bench Verified 上達到 96.0%，在 SWE-bench Pro 上則為 79.2%。這些都是廠商自行通報的數字，該模型於七月發布，外界沒有任何人在此重現過這些結果，而且這些評估軸與上方 Artificial Analysis 的各列並不重疊——因此它們無法被計入那張計分卡。它們唯一值得一讀之處，在於顯示 Anthropic 特別宣稱自己在電腦操作與儲存庫規模工程上具備實力，而這正是這款模型定價所鎖定的買家。

費率卡，包括只有其中一張才有的那一行

Claude Opus 5 在其整個百萬 token 視窗中，一律收取 $5.00 與 $25.00，快取讀取為 $0.50，快取寫入為 $10.00。GPT-6.1 Sol 在提示 token 不超過 272,000 時，收取 $2.00 與 $10.00，一旦超過此門檻，整筆請求便重新計價為 $4.00 與 $15.00，快取讀取從 $0.10 調升至 $0.20，快取寫入從 $2.50 調升至 $5.00。由此產生的倒掛現象，就是向這兩個模型任一購買長上下文時的實際後果：

• 250,000 個 token 的提示 — GPT-6.1 Sol 仍處於其第一級距，價格為 $2.00/$10.00，相較於 $5.00/$25.00。這是此比較中最便宜的大型上下文請求。

• 一段 300,000 個 token 的提示詞 — GPT-6.1 Sol 已調整至 $4.00/$15.00，而 Claude Opus 5 仍未變動。輸入端的差距從 2.5× 縮小到 1.25×，輸出端則縮小至 1.67×。

• 快取讀取 — GPT-6.1 Sol 每百萬 $0.10，Claude Opus 5 則為 $0.50，兩者都落在各自模型的第一個級距內。在長時間、會反覆重讀同一前綴的代理式工作階段中，這一列對帳單的影響，比那些主打的費率數字還大。

• 快取寫入 — $2.50 對比 $10.00。方向相同，數量級相同。

那是個真實卻不討喜的論點：2.5 倍的宣傳數字只有在短提示下才達得到。一旦工作負載超過 272,000 個 token，GPT-6.1 Sol 的定價也像高階模型，而誠實的比較就變成「一個快取便宜得多的頂級模型」對上「一個採固定費率價目表的頂級模型」。

為什麼單憑一點不該決定這件事

上方的這些索引列並非在同一天收集而成，而這一點在此處比在大多數比較中都更為重要。GPT-6.1 Sol 的 Artificial Analysis 紀錄所載的評估日期為 2026-09-28。Claude Opus 5 的紀錄則為 2026-07-23——早了九週，且其評測框架在這段期間曾經過修訂。

我們自己的紀錄中就有一個明顯的徵兆。早先對 Claude Opus 5 的報導把它放在 Intelligence Index 上的 61 分，並列於榜首。我們今天讀到的目錄紀錄則把同一個模型列為 50.8，排名第 11。這兩者都可能是對的：該指數已經修訂過，而綜合分數對評估者所選的推理強度很敏感——Claude Opus 5 是在最高強度下達到巔峰，而我們所持有的紀錄根本沒有標註強度設定。GPT-6.1 Sol 的 51.8 也帶有同樣的模稜兩可。

這對購買決策而言，意義雖然有限，卻很重要。兩個模型相隔九週受評，且依據的是變動中的綜合指標，並在未指明的投入設定下進行，其間一分差距並不能證明其中一個模型比另一個更聰明。這五列真正能證明的是，它們落在同一區間——而以 2.5 倍價格換得同一區間的結果，是採購層面的事實，不是效能層面的事實。

要路由哪一個？

把你原本打算購買的模型拿去和另一個對照測試。這聽起來像老生常談，但這是目前證據唯一真正支持的做法，而且這兩個模型都能從同一個相容於 OpenAI 的端點存取——openai/gpt-6.1-sol 與 anthropic/claude-opus-5 都在 OrcaRouter 上——所以這個測試只是改動模型字串，既不是再簽一份合約，也不是重寫程式。定價採供應商牌價、零加成：$2.00/$10.00，且超過 272K 的級距完全依 OpenAI 的設定套用；$5.00/$25.00，且批次折扣完全依 Anthropic 的設定套用。這也意味著供應商調價時，我們這邊當天就會生效，而不是等到下一個計費週期。在兩者都有路由的地方，底下還有自動容錯移轉；當兩者中較便宜的那個正是承載正式環境路徑的模型時，這點尤其值得擁有。

如果你希望在自己取得實際數據之前先有一個預設值，現有證據所支持的取捨如下。當工作負載屬於長提示、快取密集型，或終端機與工具導向的形態時，請選擇 GPT-6.1 Sol——Long-Context Recall 與 Terminal-Bench 4.0 這兩列是整份比較中差距最懸殊的兩項，而 $0.10 的快取讀取對於會重複讀取前綴的代理式工作階段而言是一大槓桿。當工作負載是儲存庫規模的程式開發、當批次處理可以接受，或當提示能容納於 128,000 個 token 之內，而我們自家測試環境所測得的每項任務成本 $1.09 正是你們財務團隊已經核准的數字時，請選擇 Claude Opus 5。

這組對比所得到的結論，比兩家廠商所希望的都更狹隘。在獨立測量上，這兩者實際上平分秋色；在價格上卻不然，而價格正是其中一方再怎麼辯也無法擺脫的軸線。