一張生成的標題卡寫著「GPT-6.2 Sol Pro:價目表沒變,帳單卻降了 20%」,副標題說明一個 Artificial Analysis 指數任務的成本從 $1.27 降至 $1.01,上方三張卡片分別列出不變的價目表:每百萬 token 輸入 $2.00、輸出 $10.00;GPT-6.2 Sol 每項任務成本 $1.01;GPT-6.1 Sol 為 $1.27;另有一則註記:Sol Pro 就是以推理模式設為 pro 呼叫的 gpt-6.2-sol。
Guides & Insights

GPT-6.2 Sol Pro:費率表未變,帳單卻降了 20%。

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

完成一項評估任務要四萬個輸出 token。這就是GPT-6.2 Sol在最高努力設定下,於 Artificial Analysis 的測試套件上花費的數量,對比 67,824 個;後者是由GPT-6.1 Sol做同樣工作時所花費的數量——token 數下降 40%,每項任務的美元成本下降 20%,而價目表連一分錢都沒變。該模型於2026 年 11 月 17 日與 GPT-6.2 Astra 一同推出,而大家搜尋的標籤GPT-6.2 Sol Pro,就是將 Responses API 中的 reasoning.mode 設為 pro 的該模型。Pro 模式按基礎模型的標準 token 費率計費。因此,這次升級的整體經濟效益,取決於模型決定花費多少 token——而這正是 OpenAI 價目表無法告訴你的那個數字。

這不是本部落格已針對 GPT-6 與 GPT-6.1 層級提出過兩次的「Pro 是一種模式」論點的重複。機制相同,而且如今已有充分紀錄。新的是證據:首次有 Sol 層級在上線後隔天的獨立測量,而它們說的比「每 token 更便宜」更有意思。它們說,改善恰好集中在 OpenAI 推銷這款模型所針對的工作負載上,而且有一個維度變得更差。

確切地說,11月17日發布了什麼?

這筆變更記錄只有兩行,提到兩個識別碼:gpt-6.2-astra 與 gpt-6.2-sol,兩者都支援 Responses API 與 Chat Completions,而工具呼叫則需使用 Responses。OpenAI 自己對該版本的摘要——「在 ChatGPT Work、Codex 與 API 上,以更低成本帶來更好的專業輸出、程式編寫、電腦操作與效率」——屬於廠商說法,值得保持距離,直到獨立數據出現;而現在這些數據已經出現了。

這件事的樣貌,出自 OpenAI 的 gpt-6.2-sol 模型頁面:

• 上下文 — 總計 1,050,000 個 token,最大輸入 922,000,最大輸出 128,000。

• 模態 — 輸入文字與圖片,輸出文字。音訊與視訊列為不支援,且規格中並無檔案輸入模態。

• 知識截止時間 — 2026年6月1日,比 6.1 層級的 2026年4月30日 晚一個月。

• 推理 — 一律開啟,提供從 low 到 max 的五種努力程度設定,且 API 會直接拒絕 reasoning.effort: none,而不是默默降級。

• 價格(短上下文)——每百萬個 token 輸入 $2.00、快取輸入 $0.10、快取寫入 $2.50、輸出 $10.00。與 GPT-6.1 Sol 完全相同。

• 價格:當輸入 token 超過 272,000 時——整筆請求的輸入與快取費率加倍,輸出費率則提高到 1.5 倍:$4.00 / $0.20 / $5.00 / $15.00。

• 服務層級 — Batch 為標準價格的 50%,Fast 為 2 倍,Ultrafast 於 2027 年 2 月 28 日前為 3 倍,並自 2027 年 3 月 1 日起為 6 倍。

此世代新增 — Responses API 公開測試版提供折扣背景完成時段,兩小時時段較標準費率低 30%,八小時時段則低 40%。

最後那句,對任何執行批次型代理工作的人來說,其實是整篇發布說明裡最實用的一點,而這正是發布貼文會埋沒的那種細節。兩小時的延遲換來少付 30% 的費用,這跟直接降價是不同的產品決策,因為它改變的是你安排工作的時機,而不是你為工作付多少錢。

Screenshot of OpenAI's documentation page for GPT-6.2 Sol, showing the model ID gpt-6.2-sol, a 1,050,000-token context window with 922,000 maximum input and 128,000 maximum output, a 1 June 2026 knowledge cutoff, text and image input with text output, and text-token pricing of $2 input, $0.10 cached input, $2.50 cache write and $10 output per million.

「Pro」的由來,以及為何它不是機型 ID

OpenAI 的推理指南明確指出:GPT-5.6 與 GPT-6 模型「在 Responses API 中支援 standard 與 pro 兩種推理模式。standard 為預設值。」模式與投入程度是兩個獨立的軸線——指南明確表示,模式「用於選擇 standard 或 pro 執行方式,而 reasoning.effort 則控制模型在該模式內套用多少推理量」。你可以用低投入程度執行 pro 模式;也可以用最高投入程度執行 standard 模式。

「Pro 執行」的做法,是將模型工作的數個階段彙整成單一答案,並依「所選模型的標準 token 費率」對這些 token 計費。沒有加價倍率,也沒有另設計量。既有的 Pro 識別名稱——GPT-5.5 Pro 及其前代——維持舊有行為與舊價格,這就是為什麼「Pro」現在會因你指名的是哪個字串而有兩種不同意思。

所以當一份型錄列出 gpt-6.2-sol-pro 時,它描述的是某種配置,並憑空發明一個識別碼來掛靠它。OpenAI 自家文件對這個字串回 404,而模型頁面上唯一的識別碼是 gpt-6.2-sol。這個區別的重要性不只是咬文嚼字:查得到的模型 ID 有明文記載的上下文視窗與公告費率,而配置則是你應用程式在呼叫時傳什麼就是什麼。

獨立解讀:上升 2.7 點,每項任務成本降低 20%

Artificial Analysis 已在自家的測試框架上運行過該模型,而這些數字是該層級首批非廠商自行提供的測量結果。在 Intelligence Index v5.0.1 上,GPT-6.2 Sol 於 max effort 設定下得分 57.3,相較之下,54.6為 GPT-6.1 Sol 於 max effort 下的分數。每項 Index 任務的成本則從 1.27 美元降至 1.01 美元。這兩項數字都是在完全相同的測試套件上測得,而這正是它們得以相互比較的原因:相同的任務、相同的測試框架、相同的評分方式,唯一改變的只有模型。

那兩個數字同時朝正確方向移動,才是這次發布的真正重點。在固定價目表下,每一項任務都變得更聰明、更便宜的一代,是效率提升,不是重新定位。變得更聰明但成本更高的一代,則是一種取捨。這一次屬於前者,而且差距大到值得注意。

增益落在何處比綜合分數本身更有意思。與自身前代在最大努力下相比:

• Terminal-Bench 4.0 — 60.1% 對比 56.1%。

• Terminal-Bench Science — 67.6% 對 58.1%,躍升 9.5 個百分點,也是榜上最大的單一變動。

• HLE Diamond — 64.0% 對比 58.8%。

• FrontierCode 2.0 — 44.4% 對比 40.6%。

• AutomationBench — 71.3% 對比 64.9%。

• AnalystAgent — 53.8% 對 50.0%。

這些全都是需要使用工具、多步驟、重度驗證的任務。這不是一個在冷知識問答上變得更強的模型;這是一個在完成事情上變得更強的模型,而這與 token 數量下降而非上升的情況一致。更少的錯誤轉折意味著花在從中恢復的 token 更少。

關於這些數字代表什麼,有一點需要注意。Artificial Analysis 衡量的是努力程度,而非推理模式,因此其「max」列是標準模式在最大努力下的結果。尚無人發表任何 GPT-6 模型的 pro 模式測量結果,因為該模式會乘上一個未知的模型工作量。請將 max-effort 列視為目前最接近的上限,而非 pro 模式的基準。

兩個往錯誤方向變動的數字

AA-Omniscience 是套件中測試模型是否知道自己不知道什麼的部分,也是本次版本回吐一些表現的地方。GPT-6.2 Sol 在最高努力下得分40.4,在 Omniscience 指數上,較 42.0 下降。準確率持平——61.6% 對 61.8%,屬於雜訊——但幻覺率上升,從51.9% 到 55.4%。

在判定這是醜聞之前,請先仔細讀清楚。兩個模型在答錯的題目中,有超過一半會出現幻覺,而在這種規模的測試套件上,3.5 分的變動並不是災難性的退步。但這是一個方向,而且它與能力數字所指的方向相反。這個層級在做事方面變得更好了,但在主張自己無法佐證的事情時,卻稍微不那麼謹慎。

對一個會在宣告成功前先跑測試的程式編碼代理來說,這樣的取捨幾乎不花成本。對一個未經查驗步驟就直接回答的研究助理而言,這正是你付錢給上一代、要它避免的那種失敗模式。如果你的工作負載屬於第二類,那麼綜合指標就是個不該拿來作為選購依據的錯誤數字,而 20% 的節省還不如一個自信滿滿的錯誤答案所付出的代價。

Pro 模式對計量器的影響,以 token 計算

由於 Pro 模式按標準費率計費,它唯一能動用的槓桿就是 token 數量,而獨立資料讓你首次能衡量這個槓桿的規模。在最高投入設定下,GPT-6.2 Sol 平均每項任務輸出 40,360 個 token,其中 22,800 個是推理 token、17,561 個是可見答案——推理占輸出量的 56%。GPT-6.1 Sol 在相同設定下平均輸出 67,824 個 token,其中 49,213 個是推理。較新的模型思考時間不到一半,答案長度卻大致相同。

這就是 20% 背後的機制,但這不是全部的算術,另一半也值得了解。拆解每項任務的成本:輸出從約 $0.72 降到 $0.40,而輸入從約 $0.55 升到 $0.61——每項任務的快取讀取和快取寫入變多,而不是變少。兩者大致相互抵消,形成淨 20% 的節省,這意味著這次升級是在押注:少思考比它重新讀取的額外上下文更有價值。在測試套件上,確實如此。

在兩者任一之上執行 pro 模式,倍數仍未知——OpenAI 記載 pro「比標準模式執行更多模型工作,增加 token 用量與成本」,但未公布倍數。可以確定的是,它所乘上的基準在輸出端小了 40%,因此相同的 pro 乘數會落在更便宜的下限。

實際影響:如果你當初是依照 6.1 時期的權杖數量來編列專業模式的呼叫預算,請重新實測,而不是按比例換算。權杖分布的變動幅度已大到線性調整會高估你的帳單。

A generated single-column scoreboard for GPT-6.2 Sol listing Intelligence Index 57.3, cost per index task $1.01, output tokens per task 40,360, Terminal-Bench 4.0 at 60.1 percent, Terminal-Bench Science at 67.6 percent, AA-Omniscience 40.4, a 1,050,000-token context window and $2 input and $10 output per million tokens, with a footer attributing the comparison figures to Artificial Analysis and the pricing to OpenAI.

目前可在何處呼叫,以及何處不可呼叫

OpenAI 的 API 已正式上線:Responses 與 Chat Completions、批次處理、提示快取、結構化輸出、託管工具集(包括 computer use、apply_patch、hosted shell 與 MCP),以及針對獲核准組織在符合資格端點上提供的零資料保留。根據發行說明,ChatGPT Work 與 Codex 使用者首日即可使用。以上是截至 2026 年 11 月 18 日的 GA 概況。

在 OrcaRouter 自家目錄上,6.2 世代尚未登場——檢視 11 月 18 日的公開模型清單,會列出 openai/gpt-6.1-sol 與 openai/gpt-6-sol,但沒有 gpt-6.2-sol。由此可得出兩件事,而第二件才是值得提前規劃的重點。第一,今天這裡沒有任何關於此次升級的資訊,本文也不會假裝有。第二,OrcaRouter 轉嫁供應商牌價,並維持 0% 加價,因此當某個層級真的出現時,你支付的就是供應商自家的 $2/$10——價目表上不會再疊加閘道倍率,且供應商價格變動會當天生效,而不是依轉售商的時程。

Screenshot of the OrcaRouter model page for GPT-6.1 Sol, showing the model ID openai/gpt-6.1-sol, a 1,050,000-token context window with 128,000 maximum output, input pricing of $2.00 and output pricing of $10.00 per million tokens, and a description of the tier as the long-context option beneath the flagship.

同時,這個方案所取代的層級是 openai/gpt-6.1-sol,它已以定價列於目錄中;合理的遷移做法是讓生產環境繼續留在 6.1 層級,同時直接評估 6.2,之後遷移路由而非程式碼。

有什麼好看

有三件事會決定 11 月 17 日看起來是向前邁進還是一次搖擺。校準回歸要嘛延續到下一次 AA refresh,要嘛縮小成雜訊。Ultrafast 乘數將於 2027 年 3 月 1 日翻倍,從標準的 3× 提高到 6×;這不會讓任何東西變成三倍,但會讓最快路徑的溢價翻倍——如果你的架構依賴 Ultrafast,那個日期就在你的預算裡。而且 token 效率必須在 pro mode 下維持住;在那裡,沒人公布的那個數字,正是決定你帳單的數字。

在那之前,誠實的總結是狹窄且可核查的:相同價格、2.7 個指數點、每項任務便宜 20%,以及對它不知道的事情有著可量測地更寬鬆的掌握。

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