GPT-6.1 Sol发布 价仅Astra两成

2026 年 9 月 29 日，OpenAI 在 2026 年度 DevDay 开发者大会上发布 GPT-6.1 Sol。据 Windows Report《OpenAI Releases GPT-6.1 Sol with Near-Astra Performance at One Fifth the Price》，这款模型的官方定位是「日常专业任务上性能与可负担性的平衡」：输入每百万 token 收 2 美元，输出每百万 token 收 10 美元；作为对照，GPT-6 Astra 的输入定价为每百万 token 10 美元、输出为每百万 token 50 美元，前者约为后者的五分之一，也就是两成。本文不复述参数表，只回答一个问题：当接近顶配的能力被打到两成价格，一个人开公司的人该怎么重新分配手里的活。

一、发布会抛出的四个数字

先看定价，这是本次发布最直接的变化，也是后续所有测算的起点。

据 Windows Report 的报道，GPT-6.1 Sol 输入为每百万 token 2 美元、输出为每百万 token 10 美元；缓存输入为每百万 token 0.10 美元，比标准输入便宜 95%，比 GPT-6 Sol 的缓存输入便宜 50%。缓存输入这一项容易被忽略，但它决定了长期跑量的实际账单。

第二个数字是事实性。低推理档下，含事实错误的回答占比从 GPT-6 Sol 的 11.4% 降到 7.7%，降幅约 32%；在测试的各推理档位上，其错误率与 GPT-6 Astra 的差距保持在 1.9 个百分点以内，而单任务成本不到 Astra 的五分之一。

第三个数字是代码。在评估真实代码库复杂软件工程任务的 DeepSWE v1.1 上，GPT-6.1 Sol 与 GPT-6 Astra 打平，成本约为五分之一；比 GPT-6 Sol 的最好成绩高 6.4%，而且用的推理档位更低。

第四个数字是电脑操作。在 OSWorld 2.0 离线集上，GPT-6.1 Sol 的最高推理档比 GPT-6 Sol 高 7 个百分点，与 Astra 相差 2.1 个百分点，成本约为七分之一。

此外，OpenAI 称在 GDP.pdf 上，GPT-6.1 Sol 得分高于 Opus 5.5（带回退方案），单任务成本不到其一半。需要交代一个背景：GPT-6 Astra 因未通过 OpenAI 内部安全测试，已于 9 月 28 日宣布取消发布，这也是本次发布拿它作为价格对照对象的由来。

把上述数据放平了看，是这样的对照关系：

同一场 DevDay 上，OpenAI 还发布了全天候常驻智能体 Dots，可在后台持续跨应用执行任务；同时公布 ChatGPT 周活跃用户突破 12 亿，Pro 订阅新增 500 美元档位。这三条与定价一起，构成了本次发布会的完整叙事：模型更便宜，用户更多，订阅分层更细。

二、单价下调只是第一层利好

结论是：把价格砍到两成只是账面上的第一层，真正省钱的地方在于同一件事消耗的 token 与工具调用次数同时变少了。

先看等式。总成本等于单价乘以用量。单价降到两成，如果用量不变，总成本就是两成。但这次发布的数据显示，用量也在同向变化：在 DeepSWE v1.1 上，GPT-6.1 Sol 用更低的推理档位拿到了比 GPT-6 Sol 最好成绩还高 6.4% 的结果，说明在部分任务上「更少 token 换更好结果」是成立的。推理档位低，意味着思考链更短、输出更紧凑，单任务的 token 消耗随之下降。

更能说明问题的是电脑操作场景。OSWorld 2.0 离线集上，GPT-6.1 Sol 的成本约为 Astra 的七分之一，明显低于单价的五分之一。这类任务需要多轮截图、点击、校验，token 消耗天然高，推理档位与工具调用效率上的差异会被成倍放大。也就是说，越是长链路的活，这次降价带来的实际降幅越明显。

对一个人撑起一家公司（One Person Company，OPC）的创业者来说，这带来三件具体的事：

• 常规内容生产的单篇模型成本按比例下降，过去要掂量着用的场景可以放开跑。
• 电脑操作、多步工具调用这类长链路任务的成本降到七分之一量级，自动化流程从「演示级」变得「可日常化」。
• 试错预算变厚：同样的月预算可以多做几轮草稿迭代与版本对比，而迭代次数往往决定了一人公司的产出质量。

还有一个工程上的动作值得记下来：缓存输入每百万 token 0.10 美元，比标准输入便宜 95%。这意味着把固定不变的提示词——品牌口吻、写作规范、产品说明、格式模板——放进可缓存的前缀，重复调用越多次，摊薄后的单位成本越低。对每天固定跑几轮的批处理任务，这一项的收益不比选对模型小。

三、一人公司的模型分工建议

结论是：不要只押一个档位，按「重活、常规活、批处理」三层来分工，把最强的档位留给真正难的事。

从公开信息看，OpenAI 明确把 GPT-6.1 Sol 定位在「日常专业任务」的平衡点上，而不是无条件顶配。落到具体分配，可以按下面这张表操作：

分工的关键判断只有两条。第一，先按任务找评测：代码看 DeepSWE v1.1，电脑操作看 OSWorld 2.0，专业文档看 GDP.pdf，不要用一个综合印象替代分场景数据。第二，把「档位」当成成本旋钮：同一个模型，低档位与高档位的花费差距可能比换模型还大，能低档跑通的活不要上高档。

需要提醒的是，GDP.pdf 上「高于 Opus 5.5、成本不到其一半」以及 DeepSWE v1.1、OSWorld 2.0 的成绩，均来自 OpenAI 一方公布的材料，属于厂商自述。选型前用自己的真实业务任务做一轮对照测试，比看任何榜单都可靠。

对一人公司/OPC 创业者的启示

结论是：一人公司的成本结构里，模型调用费是为数不多可以「按比例精确控制」的变量，这次降价把它变成了一项可管理的预算科目。

具体可以这样做。第一，把模型采购从「选最强」改成「按任务分档」，先写一份自己的任务清单，把每一项标上「必须高档」还是「低档可过」，再对照价格表算月账单，而不是笼统地估计。第二，把「缓存友好」变成工程习惯：固定提示词、固定模板、固定品牌语气前缀，让重复调用尽量命中缓存输入价格，这一项的降幅（95%）比单价降幅更陡。第三，把省下来的钱转成迭代次数。单人创业真正的瓶颈通常不是算力不够，而是试错轮次太少，成本降下来之后，多做几版、多跑几次 A/B 才成为可能。第四，保留一个「升级通道」：Astra 的取消发布说明顶配档位并非随时可用，把最关键的少数任务设计成可以切换到不同档位运行的形态，比把全部流程绑死在单一模型上更稳。

常见问题（FAQ）

问：GPT-6.1 Sol 与 GPT-6 Astra 差多少？

答：据 Windows Report 的报道，在各推理档位上，GPT-6.1 Sol 的错误率与 Astra 的差距保持在 1.9 个百分点以内；在 DeepSWE v1.1 上与 Astra 打平；在 OSWorld 2.0 离线集上与 Astra 相差 2.1 个百分点；而价格约为 Astra 的五分之一。

问：为什么这次发布的对照对象是 Astra？

答：GPT-6 Astra 因未通过 OpenAI 内部安全测试，已于 9 月 28 日宣布取消发布。因此本次对比中的 Astra 是一款不再开放调用的模型，对照的意义在于说明价格与能力的位置关系。

问：一人公司最该关注哪个数字？

答：缓存输入的每百万 token 0.10 美元，以及「更低推理档位拿到更好结果」这一现象。这两个因素叠加，决定的是实际月账单，而不只是单价本身。

问：现在能用到吗？

答：据 Windows Report 的报道，GPT-6.1 Sol 已向付费 ChatGPT 与 Codex 用户开放，开发者可通过 API 调用，超快版本即将推出。

小结

GPT-6.1 Sol 用五分之一的价格给出了接近 GPT-6 Astra 的能力：低推理档事实错误率 7.7%，代码任务打平，电脑操作差距 2.1 个百分点且成本约为七分之一。对一人公司而言，真正的机会不在「换一个更便宜的模型」，而在于把成本结构从单选题变成分档题——重活用高档、常规活用低档加缓存、批处理走最低单位成本，再把省下的预算换成更多轮迭代。判断依据建议以分场景评测和自己的实测为准，而非单一综合印象。

参考来源

[1] Windows Report.《OpenAI Releases GPT-6.1 Sol with Near-Astra Performance at One Fifth the Price》. https://windowsreport.com/openai-launches-gpt-6-1-sol-with-near-astra-performance-at-one-fifth-the-price/