背景與定位
OpenAI 近期在官方部落格宣布推出 GPT-6.1 Sol，這是 GPT-6 Sol 的升級版本，主打在智慧體程式碼編寫、電腦操作與專業工作流程上的強化表現。所謂智慧體程式碼編寫（agentic coding），指的是模型不只產生單段程式碼，而是能自主規劃、使用工具並完成多步驟的軟體工程任務，這正是目前 AI 應用最燒錢、也最講究成本效益的場景。GPT-6.1 Sol 的定位相當明確：以約五分之一的成本，提供接近自家旗艦模型 GPT-6 Astra 的智慧水準。Astra 仍是 OpenAI 整體能力最強的前沿模型，但對需要大規模部署智慧體的開發者而言，單次推理的極致效能往往不是首要考量，能不能在固定預算下跑更多任務才是，GPT-6.1 Sol 正是針對這個缺口而來。
核心評估表現
在軟體工程方面，OpenAI 採用 DeepSWE v1.1 進行評估，該測試以真實程式碼庫中需長時間執行的原創工程任務為對象。結果顯示，GPT-6.1 Sol 以約五分之一的成本達到與 Astra 相同的表現，且在更低推理強度與成本下，比 GPT-6 Sol 的最佳成績高出 6.4 個百分點。
專業文件理解方面，GDP.pdf 測試要求模型根據金融、醫療、法律等共七個專業領域的複雜 PDF 文件回答實務問題，文件內容涵蓋表格、圖表、示意圖與細字細節。GPT-6.1 Sol 在所有受測推理設定下都優於具備備援機制的 Opus 5.5，每項任務成本不到對方一半，並以約五分之一的成本逼近 Astra 的頂尖水準。
在多步驟業務流程測試 AutomationBench 中，智慧體需串接銷售、行銷、營運、客服、財務與人資領域的 47 種工具，完成端到端工作流程。GPT-6.1 Sol 在中推理強度下比 Opus 5.5 高出 2.2 個百分點，成本僅約其三分之一，也比同設定的 GPT-6 Sol 高出 4.8 個百分點。值得注意的是，OpenAI 特別指出報告中 Claude Fable 5.1 的成本數據被低估，因為該統計未計入約四成任務中發生的備援呼叫成本，這也提醒外界在比較模型成本時，需要看清楚備援與重試是否被納入計算。
電腦操作部分，OSWorld 2.0 離線測試集以高難度的長時程桌面操作流程評估智慧體，涵蓋日常與專業任務。GPT-6.1 Sol 在最高推理強度下比 GPT-6 Sol 高出七個百分點，成本卻不到一半；與 Astra 的差距僅 2.1 個百分點，但每項任務成本約為 Astra 的七分之一。
科學研究方面，Terminal-Bench Science 0.1 涵蓋資料分析、模擬與定理證明等工作流程，智慧體需運用程式碼與終端機工具完成任務。GPT-6.1 Sol 在最高推理強度下得分超過 GPT-6 Sol 的兩倍，每項任務平均成本僅 5.47 美元，遠低於 Opus 5.5 的 23.21 美元與 Astra 的 23.80 美元。不過 Astra 仍以 68.1% 的得分在受測模型中居冠，OpenAI 建議最困難的科學研究任務仍應使用旗艦模型。
事實正確性方面，在刻意挑選的高難度提示下，GPT-6.1 Sol 於特高推理強度的事實錯誤率為 4.1%，低於 GPT-6 Sol 的 4.5%，更接近 Astra 的 4.0%，而每項任務成本比 Astra 低約 83%。這項評估使用經去識別化處理、且使用者曾指出先前模型錯誤的 ChatGPT 對話，屬於容易引發錯誤的極端案例，並不代表一般使用情況。
安全與對齊
OpenAI 表示，GPT-6.1 Sol 在對齊評估中較 GPT-6 Sol 明顯進步，更接近 Astra。具體表現包括更坦誠地說明自身限制、更可靠地尊重使用者意圖並遵守安全限制，在搜尋工具故障時如實回報、遵守明確限制，以及避免在智慧體任務中產生未經授權的結果等方面，失敗率都低於前代。官方也指出，未觀察到任何試圖繞過自動化安全審查機制的行為，與 Astra 和 Sol 的表現一致。需要留意的是，這些評估刻意設計具挑戰性的情境，數字並非一般使用下的失敗率。
定價與供應方式
即日起，Plus、Pro、Business、Enterprise 與 Edu 訂閱者可在 ChatGPT 的工作情境與 Codex 中使用 GPT-6.1 Sol，一般對話介面尚未開放。開發者可透過 API 以 gpt-6.1-sol 存取，標準價格為每百萬輸入 Token 2 美元、每百萬快取輸入 Token 0.10 美元、每百萬輸出 Token 10 美元，其中快取輸入比標準輸入便宜 95%，對需要在重複請求中重用上下文的智慧體工作負載特別有利。OpenAI 同步推出速度最高達 Astra 八倍的 GPT-6 Astra Ultrafast，以及 GPT-6.1 Sol Ultrafast，後者讓開發者以接近過去使用 Astra 的 API 費用，獲得接近 Astra 的智慧與最高八倍速度；新推出的每月 500 美元 Pro 級別則提供最高用量額度。
脈絡解讀與限制
這次發布反映模型競爭的重心正從單純追求基準分數，轉向單位成本效能的較量。對需要大量執行智慧體任務的團隊而言，五分之一到七分之一的成本差距，可能直接決定一項產品在商業上是否可行，而快取輸入的大幅折扣也呼應了智慧體反覆攜帶長上下文的實際需求。不過在解讀這些數據時需要保持謹慎：所有評估皆由 OpenAI 在自家研究環境或 API 中執行，官方亦說明系統提示、可用工具與推理強度的差異可能使結果與正式版 ChatGPT 略有出入，競品模型的數據則取自公開報告，比較基礎未必完全對等。此外，「接近 Astra」多數成立於特定推理強度與任務類型之下，在最困難的科學研究與高風險任務上，官方仍建議使用 Astra，這代表 GPT-6.1 Sol 的定位是以性價比取勝的主力模型，而非取代旗艦的存在。
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。