一張生成的雙欄比較記分板,標題為「GPT-6.1 Sol 對 GPT-6 Astra — 記分板」。左欄「GPT-6.1 Sol」:各列為「智慧指數:51.8(最高)」、「每項指數任務成本:$0.72」、「輸入:每 100 萬 $2.00」、「快取輸入:每 100 萬 $0.10」、「輸出:每 100 萬 $10.00」、「發布日期:2026年9月29日」。右欄「GPT-6 Astra」:各列為「智慧指數:52.7(最高)」、「每項指數任務成本:$3.26」、「輸入:每 100 萬 $10.00」、「快取輸入:每 100 萬 $1.00」、「輸出:每 100 萬 $50.00」、「發布日期:2026年9月3日」。頁腳寫著「指數數據依據 Artificial Analysis 的 Intelligence Index v4.3.2,讀取日期為 2026年9月30日;價格依據 OpenAI 公布的價目表。」
Guides & Insights

GPT-6.1 Sol 對決 GPT-6 Astra:索引一分,價目表五倍

作者

jinhao.song

發佈日期

最新模型 · 20查看全部模型 →
基準測試:Artificial Analysis · 每日更新
返回全部文章

GPT-6.1 Sol 與 GPT-6 Astra 是同一個產品系列的中階與旗艦機型,相隔四週推出——Sol 於 2026 年 9 月 29 日、Astra 於 2026 年 9 月 3 日——而直到本週,兩者之間的比較完全建立在 Ope​nAI 自家數據上。如今不再如此。Artificial Analysis 已在相同指數版本上,以最高推理強度評估兩者,結果是 Astra 以 0.84 分領先,同時每次評估執行成本相差 4.5 倍,有利於 GPT-6.1 Sol。在價目表上,比例更為懸殊:Astra 的輸入與輸出價格是 GPT-6.1 Sol 的 5 倍,快取輸入則是 10 倍。本頁要回答的問題是:這筆溢價在哪裡能買到具體可指出的東西,又在哪裡只是為名號付出的代價。

這兩個模型是什麼,以及板子量測了什麼

兩者皆為文字與圖像輸入、文字輸出,具備 1,050,000 個 token 的上下文視窗與 128,000 個最大輸出 token,且都提供五級投入程度階梯——低、中、高、xhigh 與 max——並已移除 GPT-6 Sol 仍接受的none設定。兩者皆不支援微調。關鍵差異在於價目表所列出的那些:Astra 是旗艦層級,GPT-6.1 Sol 是其下層級的更新版,而 OpenAI 對這款較新模型自家的定位說法是「以較低成本為複雜工作提供接近 Astra 的效能」。

Artificial Analysis 在其 Intelligence Index 上對該主張評分——v4.3.2 版中的十項評估,兩個模型皆採用相同版本——並記錄它為每個模型所保留的發布日期。它會以模型頁面標題中指明的最高投入組態來評估兩者。以下就是該比較,外加該指數不會替你計算的成本計算。

• GPT-6.1 Sol — 於 2026-09-29 發布,最大推理強度下智慧指數為 51.8,每百萬 token 輸入 $2.00 / 快取 $0.10 / 快取寫入 $2.50 / 輸出 $10.00。
• GPT-6 Astra — 於 2026-09-03 發布,最大推理強度下智慧指數為 52.7,每百萬 token 輸入 $10.00 / 快取 $1.00 / 快取寫入 $12.50 / 輸出 $50.00。
• 兩者皆不接受 none 推理強度;兩者都會在輸入超過 272,000 個 token 後,將整個請求的輸入與快取費率調整為 2 倍、輸出費率調整為 1.5 倍。Astra 的長上下文級距為輸入 $20.00 / 快取 $2.00 / 輸出 $75.00;GPT-6.1 Sol 則為 $4.00 / $0.20 / $15.00。
• 兩者 — 透過 Responses API 支援網頁搜尋、檔案搜尋、影像生成、程式碼解譯器、託管 Shell、套用修補、技能、電腦操作、MCP 與工具搜尋。

0.84 個指數點,是評估計費的 4.5 倍

A screenshot of the Artificial Analysis model page for GPT-6.1 Sol at maximum reasoning effort, with a class-rank strip above the summary naming the model's Intelligence, Speed, Cost and Verbosity positions out of 221 models, a summary paragraph reporting an Intelligence Index score of 52 against a class median of 26, $2.00 per million input tokens and $10.00 per million output tokens, $0.72 per task to evaluate on the Intelligence Index, and 67 tokens per second against a class average of 74. A lower band on the same page states that Intelligence Index v4.3.2 incorporates ten evaluations and lists them.

榜單上並列著兩個數字,而它們合起來就是完整的論證。GPT-6 Astra 在最大努力下得分 52.7。GPT-6.1 Sol 在最大努力下得分 51.8。每個分數旁,榜單也公布了運行其背後指數的成本:Astra 每項任務 3.26 美元,GPT-6.1 Sol 為 0.72 美元。若讀成一句話——多花 4.5 倍的錢換來 0.84 分——這是兩家公司針對這兩個模型所公布、與決策最相關的數字。

兩個模型也都會公布努力階梯上每個點的分數,這讓比較能以相同支出而非相同設定來進行:

• 最大努力 — GPT-6.1 Sol 51.8,每次執行 $0.72,相較 GPT-6 Astra 52.7、$3.26。
• 極高 — 51.0、$0.39,相較 52.4、$2.31。
• 高 — 50.2、$0.32,相較 50.9、$1.73。
• 中 — 47.8、$0.21,相較 49.6、$1.54。
• 低 — 42.1、$0.13,相較 45.8、$0.82。

A generated two-column scoreboard titled 'GPT-6.1 Sol vs GPT-6 Astra — the scoreboard', with both columns carrying the same six labels. Left column 'GPT-6.1 Sol': Intelligence Index (max) 51.8, cost per index task $0.72, input $2.00 per 1M, cached input $0.10 per 1M, output $10.00 per 1M, released September 29, 2026. Right column 'GPT-6 Astra': Intelligence Index (max) 52.7, cost per index task $3.26, input $10.00 per 1M, cached input $1.00 per 1M, output $50.00 per 1M, released September 3, 2026. A footer reads that index figures are per Artificial Analysis, Intelligence Index v4.3.2, read September 30, 2026, and prices per OpenAI's published rate cards.

把各模型的檔位並排比較,就會浮現一個兩家廠商都沒宣傳的事實:Astra 自家 high 到 max 的差距是 1.8 個指數點,超過 Astra 在 max 與 GPT-6.1 Sol 在 max 之間整體差距的兩倍。換句話說,選 Astra 而非 GPT-6.1 Sol 所換來的分數,還不如在 Astra 上選 max effort 而非 high effort;而後者這種選擇的成本只是前者的一小部分。任何工作負載真的對那 1.8 分敏感的人,應該先檢查 effort 設定,再去看模型那一欄。

Astra 的高階定位在哪裡仍能換來實質價值

綜合分數很接近;個別評估則不然。以最大努力逐列評分,GPT-6 Astra 在十項中六項佔優勢,而它佔優勢的正是那些涉及行動而非回答的項目。

• AutomationBench-AA,跨工具的多步驟工作流程 — Astra 為 0.685,GPT-6.1 Sol 為 0.649。Astra 領先 3.6 分。
• Terminal-Bench 4.0,真實環境中的終端機作業 — 0.591 對 0.561。Astra 領先 3.0 分。
• SciCode — 0.565 對 0.542。Astra 領先 2.3 分。
• Humanity's Last Exam — 0.547 對 0.529。Astra 領先 1.8 分。
• AA-Omniscience — 43.4 對 41.5,且在相同題組上,Astra 的幻覺率為 0.513,GPT-6.1 Sol 為 0.543。Astra 不僅更準確,也更願意表示自己不知道。
• AA-Briefcase v1.1,專業交付成果 — Elo 1568.9 對 1564.2。Astra 領先 4.7 分。

這個模式足夠一致,可以據此規劃:當任務要求模型理清一長串動作——操作終端機、執行多工具工作流程、產出文件形式的交付成果——Astra 的領先幅度確實存在,且在不同測試框架中可重複。當任務是一回合就能回答的知識性問題時,領先幅度大致就消失了。

較便宜的模型勝出之處,包括快取行在內

GPT-6.1 Sol 並不是各方面都稍遜一籌的 Astra。在獎勵長篇材料閱讀與推理能力的評測上,它領先;而在價目表上,它領先的幅度,是指數根本看不出來的。

• GDPval-AA,以專家產出評分的專業工作——GPT-6.1 Sol 的 Elo 為 1575.1,Astra 為 1541.9。成本僅五分之一的那個模型領先 33 點,也是該列中最大的單一獨立勝績。
• AA-LCR v1.1,長上下文推理——0.830 對 0.807。GPT-6.1 Sol 領先。
• GDP.pdf——在 0.310 完全平手,正如CritPt 在 0.317。
• 快取輸入——每百萬個 token 為 $0.10,Astra 為 $1.00。這是決定代理經濟效益的一列,卻完全不在該指數中。
• 輸出速度——在同一次評估執行中為每秒 66.8 個 token,對上 56.95;輸出 token 用量為 6,720 萬,Astra 則為 6,000 萬。兩款模型都不快;GPT-6.1 Sol 是兩者中較快的。

一個 Agent 月,依兩張費率卡計價

以一個會重送穩定前綴的工作負載為例:每月 4,000 萬個輸入 token,其中 85% 由快取提供,外加 400 萬個輸出 token。依照 GPT-6.1 Sol 的價目表,這會是快取讀取 $3.40、未快取輸入 $12.00,以及輸出 $40.00——$55.40,也就是當月費用。依照 GPT-6 Astra 的價目表,同樣的流量會是快取讀取 $34.00、未快取輸入 $60.00,以及輸出 $200.00——$294.00。工作負載完全相同;帳單金額卻是 5.3 倍。

有兩個門檻會改變這套算術,而且兩者都值得在遷移決策之前而非之後先計價。第一個是單一請求中的 272,000 個輸入 token:一旦超過,整個請求就會以兩倍的輸入與快取費率,以及 1.5 倍的輸出費率重新計價,這會讓 GPT-6.1 Sol 變成 $4.00 / $0.20 / $15.00,Astra 變成 $20.00 / $2.00 / $75.00。第二個是 effort 等級階梯本身——把 GPT-6.1 Sol 從 max 降到 xhigh,會讓其索引執行成本從 $0.72 降到 $0.39,換得 0.8 分;把 Astra 從 max 降到 high,則會把 $3.26 降到 $1.73,換得 1.8 分。在快取密集的代理迴圈中,effort 設定是比模型欄位更大的成本槓桿,而這與這兩個模型通常被比較的方式正好相反。

該執行哪一個,以及你實際上可以呼叫什麼

從證據來看,這種分工比行銷說法所暗示的更清楚。把必須撐過漫長動作鏈的工作——終端機工作階段、工具密集的自動化、只要出現一段幻覺段落代價就很高的文件交付物——交給 GPT-6 Astra,並考慮以 high 而非 max 執行,除非你已實測那多出的 1.8 分會落在你的任務上。把所有知識密集、快取密集或以讀取為主的工作交給 GPT-6.1 Sol:它在專業工作評分上更好、長上下文推理更好、速度更快,而且在真正帳單中占大宗的計費項目上便宜五到十倍。

A screenshot of the OrcaRouter model catalogue filtered to the query gpt-6, headed '3 models - 1 providers - one API key, one bill', showing three OpenAI cards side by side: openai/gpt-6-luna described as the fast, cost-efficient model in the GPT-6 series, openai/gpt-6-sol described as the cost-efficient high-end model positioned below the flagship, and openai/gpt-6-astra described as the flagship for demanding long-horizon work. Each card carries vision, tools and reasoning tags and a base-rate block; the GPT-6 Astra card reads $10.00 input, $50.00 output, $1.00 cache read and $12.50 cache write per million tokens.

你今天能呼叫到的,才是誠實的部分。OrcaRouter 以 OpenAI 自家的牌價提供 GPT-6 Astra——輸入 $10.00、輸出 $50.00、快取讀取 $1.00 與快取寫入 $12.50 的費率,且 272K 重新定價規則完全依照供應商公布的方式轉嫁——同時也提供 GPT-6 Sol 與 GPT-6 Luna。它不提供 GPT-6.1 Sol:公開目錄會回傳「model not found」給openai/gpt-6.1-sol,而我們不會去描述一個我們無法路由的模型。由於供應商牌價是原樣轉嫁、未加任何加成,等到該模型上架那天,在我們這邊就會按 OpenAI 的費率計價,無需重新定價步驟;今天這場對決中可用的那一半,就是旗艦模型,只要一組 API 金鑰即可取用,並有路由 DSL可供使用,如果你想把便宜模型和昂貴模型組成單一呼叫,而不是每次請求都在兩者之間做選擇。

最該留意的是這份比較所缺的那一列。無論是廠商提供的數字還是獨立指數,都無法告訴你自家流量在這兩個層級上會有什麼表現;唯一便宜的查明方式,就是在由容錯移轉(failover)掌控全場的情況下,讓兩邊跑同一組任務。當兩邊都可呼叫時,這就是一鍵可做的實驗;在那之前,它只是半個實驗。

本文中的比較2

根據本文內容識別 · 基準測試:Artificial Analysis · 每日更新