GPT-6.1 Sol 對決 MiniMax M3：較便宜的費率表在帳單上輸了

MiniMax M3的收費只是GPT-6.1 Sol索價的一小部分——每百萬輸入詞元 0.30 美元對上 2.00 美元，每百萬輸出詞元 1.20 美元對上 10.00 美元——而按真正在跑的計價標準，它更便宜：在 Artificial Analysis 的 v4.3.2 評測中，每項任務 0.508 美元對上 0.724 美元。這是實實在在的一場勝利，而這也就是整個論點的全部，因為同一項測量既把較低的帳單交給 M3，也把 22.6 點的指數領先交給 GPT-6.1 Sol，而用來衡量模型能否完成代理式工作、而非只是描述這些工作的那套基準，則把這道差距變成一堵高牆。該廠商於 2026 年 9 月 29 日推出 GPT-6.1 Sol。該公司於 2026 年 5 月 31 日發布 M3，這是其 4280 億參數的開放權重模型。

兩者都已上線，兩者都已定價，兩者也都不過一次 API 呼叫之遙。接下來要談的，是決定該選哪一邊的算術，以及算術並非全貌的兩個地方。

每個模型實際上是什麼

GPT-6.1 Sol 是 OpenAI 目前專攻推論與軟體工程的旗艦模型——一款閉源模型，於其所取代的 GPT-6 Sol 推出僅一週後問世，並以與前代相同的 2.00 美元 / 10.00 美元定價販售。其快取輸入費率為 0.10 美元，是 GPT-6 Sol 快取命中收費的一半，而當 OpenAI 談論代理式編碼而非聊天時，所指的正是這款模型。

MiniMax M3 是一款混合專家模型，總參數量達 4280 億，每個 token 啟用 230 億參數，以 MiniMax 社群授權條款發布——這是一款開放權重的發布，採用帶有非商業色彩的自訂授權，並非 OSI 認可的授權。它由廣泛領域的推論服務供應商提供服務：Artificial Analysis 記錄到 M3 有十五家代管服務商，而 GPT-6.1 Sol 則有八家。這種廣泛程度是開放權重的實際優勢，也是 M3 的價格競爭比封閉模型更快速的原因。

費率表，以及凌駕其上的計量表

把兩份已公布的價目表並排一比，差距可說天差地遠。

• 輸入 — GPT-6.1 Sol 每 100 萬 $2.00 對比 MiniMax M3 每 100 萬 $0.30；M3 便宜 85%
• 輸出 — 每 100 萬 $10.00 對比每 100 萬 $1.20；M3 便宜 88%
• 快取輸入 — 每 100 萬 $0.10 對比每 100 萬 $0.06
• 每項 AA 任務成本 — $0.724 對比 $0.508；M3 便宜 30%，而非 85%
• 每項任務輸出 token 數 — 38,128 對比 48,192；M3 多寫 26%
• 每項任務時間 — 640 秒 對比 486 秒
• 上下文視窗 — 1,050,000 對比 1,048,576 個 token；實際上勢均力敵
• 最大輸出 — 128,000 個 token 對比 512,000；M3 會寫出一則非常長的回答
• 接受的輸入類型 — 文字、圖片與檔案 對比 文字、圖片與影片
• 索引排名 — GPT-6.1 Sol 在 147 個模型中排名第 10 對比 MiniMax M3 排名第 62

最上方那兩行便宜的項目，是採購表會看到的那兩行。第三行才是真正買單的那一行，而它說明了：85–88% 的價目表優勢，會變成 30% 的現實世界優勢，因為 M3 每項任務會產生更多 token，也因為一項任務並非固定份量的工作。價目表以 token 定價；工作則以任務定價。任何只比較前兩行的比較，都是在比較錯誤的數字、錯誤的單位。

當百分之三十不再重要時

任務成本已接近到，只要不是大量文字處理，勝負就取決於指數差距。Artificial Analysis 給出的成績是 GPT-6.1 Sol 51.83、MiniMax M3 29.22——相差 22.6 分，而且這差距並非平均分佈於整套評測之中。在那些要求模型操作終端機、編輯儲存庫並驗證自身工作的評測上，這兩個模型根本不在同一個級別：

• Terminal-Bench 4.0 — GPT-6.1 Sol 0.5606 對比 MiniMax M3 0.0202
• Terminal-Bench Science — 0.5810 對比 0.0048
• AA-Omniscience — 41.53 對比 1.35
• MMLU-Pro — 0.8595 對比 0.7856
• AutomationBench — 0.6487 對比 0.2125
• τ²-bench — 本次執行未公布 GPT-6.1 Sol 的數據，M3 為 0.8889
• GPQA Diamond — 本次執行未公布 GPT-6.1 Sol 的數據，M3 為 0.9293
• CritPT — 0.3171 對比 0.0371

仔細讀一下，因為這並非全面性的壓倒性勝利，而例外之處才是有趣的部分。MiniMax M3 在 τ²-bench（工具使用與客服對話評測）上得分 0.8889，在 GPQA Diamond 上得分 0.9293——這是研究所程度的科學分數，超越本次特定測試中公布的所有 OpenAI 數據。M3 是個稱職的推理者，也是個出色的對話式工具使用者。在 Terminal-Bench 4.0 上，它得分 0.0202。這不是「更差」；這是一個根本無法把多步驟的儲存庫任務整合完成的模型，而無論 token 再怎麼打折，模型失敗的任務都不會比模型完成的任務更便宜。

每項任務的數字背後，還藏著一項二階成本。M3 每項任務記錄到 48,192 個輸出 token，首次作答時間為 23.0 秒，相較之下 GPT-6.1 Sol 為 332.0 秒——這個小模型幾乎立刻開始說話，然後長時間推理。如果你的工作負載對延遲敏感但層次較淺，這一點對 M3 有利。如果工作負載具代理性，token 數量就是你付出的代價，而終端分數就是你得到的成果。

我們自己的 GPT-6.1 Sol 模型卡，以你實際路由時會用到的形式承載著相同的數字：$2.00 / $10.00 的費率、1,050,000 個 token 的上下文視窗、4.54 秒的 p50 首字延遲，以及與人工分析指數和基準測試區塊並列於同一頁面。

開放權重在這裡的價值是什麼

M3 可下載這件事，本身就是支持它的最強理由，而值得精確說明這能換來什麼。它換來的是授權條款，讓你能在自己的邊界內執行模型——當資料不能離開邊界時很有用；它也換來由十五家獨立主機所帶來的價格競爭。它並不會讓你換來便宜的部署：4280 億參數、其中 230 億為活躍參數，仍然需要認真的推論硬體，而且 MiniMax Community License 是附帶條件的自訂授權，並非無限制授權。對大多數團隊而言，「開放權重」意味著託管推論有更好的價格，而不是機架裡多一台機器。

MiniMax M3 的 OrcaRouter 卡片列出了實際提供的數據：$0.30 / $1.20 的費率、1,048,576 個 token 的上下文視窗、512,000 個 token 的最大輸出、文字/圖像/影片輸入，以及由路由它的供應商所帶來、七天累計 5,640 萬個 token 的用量。

兩者綁定於一個按鍵

這項比較之所以在實務上只是改個設定、而非一次遷移，是因為這兩個模型都能從同一個 OrcaRouter 端點取用——一個 API 就涵蓋 200 多個模型，並以 0% 加成直接轉嫁供應商的定價表價格，這意味著 MiniMax 的費率若有變動，會在廠商公布的同一天就反映到你的帳單上，而不是等到某個轉售商重新議價的時候。這一點對 M3 來說比對它的對手更重要：會想導向開放權重模型的根本理由，就在於它的價格和主機清單都還在變動，而只有直通式計價才是能追著移動目標跑的那一種。

自動容錯移轉是另一半。M3 由眾多可靠性不一的供應商提供服務，而路由層可以在某個主機效能下降時，將請求移到另一個主機，呼叫端無須知道它最後落在哪個主機上。這才是採用一個 Terminal-Bench 分數顯示「不適合關鍵路徑」的模型時，誠實的做法——把它放在重試成本低廉的地方。

如果今天非得選一個，你會選哪個？

如果工作內容是大量文字——擷取、摘要、分類、對話，任何產出是文字、而失敗模式是寫錯一句話而非建置失敗的任務——MiniMax M3 就是正確的預設選擇，而那三成是實實在在的錢。用 GPQA 和 τ²-bench 的數字當作你的證據：這是一個能力強、剛好又便宜的模型。

如果工作是代理式的——儲存庫、終端機、工具鏈，任何帶有驗證步驟的東西——那麼 Terminal-Bench 4.0 上的 0.0202 就直接不合格，而 GPT-6.1 Sol 以每項任務 $0.724 拿到 0.5606，即使每 token 貴 85%，仍是更划算的交易。你買的從來就不是費率表。

有用的答案是，你不必一次就選定。把淺層層級路由到 M3，把代理式層級路由到 GPT-6.1 Sol，並讓兩者都置於同一組憑證之後——當一項任務從擷取開始、後來轉為修復工作時，路由 DSL 會將兩者組合成單一次呼叫。