
GPT-6.1 Sol 對決 GPT-6 Astra:索引一分,價目表五倍
- Google新Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 每百萬 tokens · 90 tok/s
- Anthropic新Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 每百萬 tokens · 96 tok/s
- orca新Orca: OrcaC2 1.02026-11-0717 tok/s
- Orca新OrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 每百萬 tokens · 88 tok/s
- Orca新OrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 每百萬 tokens · 133 tok/s
- Orca新OrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 每百萬 tokens · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 每百萬 tokens · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 每百萬 tokens · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百萬 tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百萬 tokens · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447智能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 每百萬 tokens · 192 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929智能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 每百萬 tokens · 159 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733智能
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740智能
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 每百萬 tokens · 118 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955智能
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855智能
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 每百萬 tokens · 221 tok/s
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 OpenAI 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

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。

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。

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
