GPT-6.1 Sol vs Grok 4.7：全場最便宜的輸出費率，以及最昂貴的對話

Grok 4.7，xAI 的 Grok 4.6 後繼者，於 2026 年 9 月 21 日問世，每百萬輸入詞元 2.00 美元、每百萬輸出詞元 6.00 美元。GPT-6.1 Sol，OpenAI 的中階更新版，則在八天後的 9 月 29 日推出，輸入 2.00 美元、輸出 10.00 美元。輸入價格完全相同，Grok 4.7 的輸出價格便宜 40%，而大多數比較就到此為止。但這正是錯誤的止步之處，因為同一個獨立評測機構如今已對兩個模型進行了端到端測量：Grok 4.7 完成 Artificial Analysis Intelligence Index 大約燒掉 2.4 億個輸出詞元；GPT-6.1 Sol 則燒掉 6,700 萬個。把較便宜的費率乘上三倍半的用量，每詞元價格較低的模型每完成一項任務要花 3.74 美元，而另一個只要 0.72 美元。

兩款模型，相隔八天，還有一張反轉的價目表

Grok 4.7 是 x​AI 最強大的程式編寫與知識工作模型：具備 500,000 個 token 的上下文視窗，根據供應商自家列出的規格，單次回應最多可輸出 450,000 個 token，支援文字、圖像與檔案輸入，推理強度可設定為 低、中（預設）、高與極高。x​AI 並未公開參數數量，據報導其預訓練截止時間為 2026 年 6 月，並持續補充訓練至 8 月。

GPT-6.1 Sol 是 Open​AI 對 GPT-6 Sol 層級的單級更新，定位在 GPT-6 Astra 之下、GPT-6 Luna 之上：具備 1,050,000 個 token 的上下文——約為 Grok 的兩倍——輸出上限為 128,000 個 token，約為 Grok 的三分之一，知識截止日為 2026 年 4 月 30 日，並支援相同的文字、圖像與檔案輸入。其推理階梯從 低到最高，預設為中，且它完全不再接受無。

每個維度一行，每一行兩側都要顯示：

• 輸入 — GPT-6.1 Sol 每 100 萬個 token 為 $2.00，對比 Grok 4.7 每 100 萬個 token 為 $2.00；相同
• 輸出 — GPT-6.1 Sol 每 100 萬個 token 為 $10.00，對比 Grok 4.7 每 100 萬個 token 為 $6.00；Grok 便宜 40%
• 快取輸入 — GPT-6.1 Sol 每 100 萬個 token 為 $0.10，對比 Grok 4.7 每 100 萬個 token 為 $0.50；Sol 的價格只有五分之一，這與輸出那行所暗示的情況正好相反
• 上下文視窗 — 1,050,000 個 token 對比 500,000 個 token
• 單次回應的最大輸出 — 128,000 個 token 對比聲稱的 450,000 個 token
• 長上下文級距 — 超過 272,000 個輸入 token 時，整筆請求重新計價，輸入與快取為 2 倍、輸出為 1.5 倍；對比超過 200,000 個輸入 token 時所有費率加倍，同樣以整筆請求計算
• 推理強度 — 低、中（預設）、高、極高、最高，對比低、中（預設）、高、極高
• 權重與參數 — 封閉、未公開，對比封閉、未公開；兩者都不提供檢查點
• 已公布最高推理強度下的智慧指數 — GPT-6.1 Sol 在最高推理強度下為 51.8，對比 Grok 4.7 在極高推理強度下為 46.4
• 每項指數任務成本（獨立計算） — $0.72，對比 $3.74
• 指數測試執行時的輸出 token — 6,700 萬個 token，對比 2.4 億個 token，而排行榜中位數接近 8,100 萬

那份清單裡的兩行就是整場比較的全部。Grok 4.7 的輸出費率確實較低，而它的快取那一行確實高出五倍；而且它為了接受量測而生成的 token 數是三倍半。單看費率表，指向的是其中一個方向。實際量測則指向另一個方向，差距達五倍。

Grok 4.7 真正領先的地方

把這篇文章定調成一面倒的勝利會是不誠實的，因為 Grok 4.7 在真實評估中勝出。在 Artificial Analysis v4.3.2 上以已公布的最大努力設定並排評分——Grok 為 xhigh，Sol 為 max，這個配置差異值得自始至終謹記：

• GDPval-AA v2.1 — Grok 4.7 Elo 1715.4 vs GPT-6.1 Sol Elo 1575.1。在具經濟價值的知識工作上，領先 140 點 Elo，也是較低費率模型最大的一次單一獨立勝出。
• AutomationBench-AA — Grok 4.7 0.6556 vs GPT-6.1 Sol 0.6487。實際上打成平手，名義上算是 Grok 的。
• SciCode — Grok 4.7 0.5741 vs GPT-6.1 Sol 0.5417。在科學程式設計上領先 3.2 分。
• Terminal-Bench 4.0 — Grok 4.7 0.2576 vs GPT-6.1 Sol 0.5606。落後 30 分，是這組配對中最大的差距。
• Humanity's Last Exam — Grok 4.7 0.4314 vs GPT-6.1 Sol 0.5292。
• AA-LCR v1.1，長上下文推理 — Grok 4.7 0.7667 vs GPT-6.1 Sol 0.83。
• AA-Omniscience — Grok 4.7 32.0 vs GPT-6.1 Sol 41.5。
• GDP.pdf — Grok 4.7 0.20 vs GPT-6.1 Sol 0.31。
• CritPt — Grok 4.7 0.1771 vs GPT-6.1 Sol 0.3171。

九項評估中有三項由 Grok 4.7 勝出或打成平手，包括最難以反駁的那一項：GDPval-AA 旨在為具經濟價值的專業工作定價，而 140 分的 Elo 領先並非雜訊。如果你的工作負載正是 GDPval 所設計要代表的那種類型——大量文件分析、專業交付成果、有正確答案的判斷決策——那麼價目表較便宜的模型在中立排行榜上也是更好的模型，而每項任務成本的劣勢就是你為此付出的代價。

xAI 自家公布的發表數字相當亮眼，而且一如所有廠商發表的數據，都未經重現。CursorBench 4.0 在 xhigh 下達到 46.3%，對比 Grok 4.6 的 40.4%；Terminal-Bench 4.0 為 38.0%，對比 20.3%，是此次發表所宣稱的最大單一增幅；DeepSWE v1.1 在 high 下為 71.0%，對比 65.2%；EEBench 為 64.0%，對比 53.0%。這些都是 xAI 自家的測試框架、xAI 的設定、xAI 的報告——而且請注意，Terminal-Bench 4.0 的 38.0% 宣稱值，對上的是獨立排行榜中同一模型、同一基準的 0.2576，這正是廠商調校過的組態與中立的最大投入跑分之間，你所該預期見到的那種落差。

OpenAI 對 GPT-6.1 Sol 所公布的數字也該打上同樣的折扣，並且有著同樣的弱點。在這項比較中，唯一兩家廠商都未提供的數字，是每完成一項任務的成本，因為它是根據實測的 token 消耗量計算而來，而非出自評分表。那才是經得起考驗的數字。

為何 2.4 億個 token 就能決定一切

Artificial Analysis 在其自家的摘要中描述了 Grok 4.7 的冗長程度，而這項指數評測背後的 token 數量就是證據：2.4 億個輸出 token，對照排行榜中位數接近 8,100 萬，大約是同一套測試中典型模型產出量的三倍。GPT-6.1 Sol 的 6,700 萬則遠低於中位數。把這兩個比例放在一起——3.6 倍的量、0.6 倍的價格——較便宜的輸出費率買到的是更多 token，而不是更小的帳單，而這正是每項任務成本 3.74 美元對上 0.72 美元差異所呈現的樣貌。

快取會改變影響的幅度，卻不會改變它的方向，而這正是讓人栽跟頭的細節。Grok 4.7 的快取輸入是每百萬 $0.50，對上 Sol 的 $0.10——在長代理歷史與反覆出現的系統提示所棲身的那條線上，貴了五倍。因此，以反覆重讀一大段穩定前綴為主的工作負載，會發現這兩個模型的差距比 $6 對 $10 所暗示的更近；而一旦再把 Grok 的冗長程度疊加上去，又會比輸入費率所暗示的更遠。在這裡，快取這條線和 token 這條線指向同一個方向，這很不尋常，也讓這組配對比價目卡所暗示的更乾淨俐落。

長脈絡條款值得單獨計價，因為它們在不同時間點觸發。GPT-6.1 Sol 會對超過 272,000 個輸入詞元的整筆請求重新計價；Grok 4.7 則是在超過 200,000 個詞元時這麼做。在一筆 250,000 詞元的呼叫中，Grok 已經翻倍——加上 $1.00 的快取讀取後為 $4.00 與 $12.00——而 Sol 仍維持標準的 $2.00 與 $10.00。在 200,000 到 272,000 個詞元之間，費率表較便宜的模型反而是貴上許多的那一個，而這個區間在文件處理工作中相當常見。

Grok 真正勝出之處，在於結構而非分數，也就是輸出上限。450,000 token 的最大回應，對比 Sol 的 128,000，是不同級別的產物：一次呼叫就能生成整個程式碼庫、長篇逐字稿、書本長度的綜合分析。如果你今天正遇到輸出上限，那麼這條界線就決定了比較結果，上述的成本計算完全不適用——你無論如何都無法買到另一個模型所沒有的能力。

兩者都在同一個按鍵上，這正是實用之處

Grok 4.7 在 OrcaRouter 上以 xAI 自家的定價提供——每百萬個 token 2.00 美元與 6.00 美元，快取讀取為 0.50 美元，而 200,000-token 的級距跳到 4.00 美元與 12.00 美元，完全依照 xAI 所列的價格原樣傳遞——而 GPT-6.1 Sol 在發布當天就以 OpenAI 的價格登上我們的路由，2.00 美元與 10.00 美元，快取輸入為 0.10 美元，272,000-token 的級距維持不變。兩者都沒有額外加價：平台是將供應商的定價原樣傳遞，而非加價，這意味著任一方廠商降價時，這裡會與那裡在同一天生效，沒有第二張帳單，也沒有中間的轉售商。

對這一組特定組合來說，這點比便利性更有價值。這兩個模型對各自擅長什麼並不一致——Grok 4.7 在專業工作 Elo 與科學程式開發上領先，GPT-6.1 Sol 則在終端機執行、事實可靠性與長脈絡檢索上領先——而這些工作負載之間的界線，會先在你的實際流量中顯現，之後才會在基準測試中顯現。將 GDPval 形式的請求送往一邊、把長時程代理執行送往另一邊，兩者置於同一個端點之後，並在兩者之間自動容錯移轉，且路由規則是在設定中變更、而非透過部署變更，會比進行一項評估專案更便宜地找出那條界線。模型融合，也就是由一組模型共同回答，是平台提供的另一個選項，適合你完全不想逐個請求做選擇的情況。

那通電話

• 長輸出代理式與終端機工作、快取前綴迴圈 — GPT-6.1 Sol。在 Terminal-Bench 4.0 上領先三十分，快取行便宜五倍，每完成一項任務的成本只有五分之一。
• 專業知識工作、文件分析、判斷任務 — Grok 4.7，憑藉 140 點的 GDPval-AA Elo 領先優勢，且 token 帳單是編列預算而非憑空假設。
• 科學程式設計 — Grok 4.7 在該排行榜的 SciCode 分項中以些微差距勝出。請用你自己的測試套件驗證；3.2 分落在不同提示集所能改變的範圍內。
• 單次回應超過 128,000 個輸出 token — Grok 4.7，而且沒有任何算術能取而代之。
• 輸入 token 介於 200,000 到 272,000 之間的請求 — GPT-6.1 Sol，因為 Grok 4.7 已經把它的整體請求翻倍，而 Sol 還沒有。
• 最便宜的可能對話 — 這兩者皆非。兩者都是前沿定價的模型，並具備前沿級的 token 食量；這項比較關乎哪一個能完成你的任務，而非哪一個在抽象層面上便宜。
• 如果某項比較以「Grok 每 token 更便宜」作結 — 那就是太早結束了一步。下一步是 token 數量，而那是 2.4 億對 67。