GPT-6.1 Sol 评测：一周迭代的“Astra 平替”，跑分逼近旗舰但实测暗藏雷区

2026年9月29日，OpenAI在DevDay活动上正式发布GPT-6.1 Sol，距离上一代GPT-6 Sol上线仅过去7天。官方将其定位为“以五分之一价格提供接近Astra的智能水平”，标准API定价为输入每百万Token 2美元、输出10美元、缓存输入0.10美元，缓存折扣从GPT-6 Sol的90%提升至95%。对比GPT-6 Astra的输入10美元、输出50美元，Sol的单价恰好是Astra的五分之一。

基准测试：跑分逼近旗舰，部分维度反超

从官方和第三方数据看，Sol的进步幅度超出常规版本迭代。在Artificial Analysis Intelligence Index上，Sol（xhigh档）得分51，仅比GPT-6 Astra低1分，比GPT-6 Sol高出4分。Agentic知识工作提升尤为显著，AA-Briefcase v1.1和GDPval-AA v2.1分别提升4分和5分，Terminal-Bench 4.0跃升12分，AA-Omniscience准确率提升8分同时幻觉率从60%降至54%。

编程维度是Sol最突出的长板。DeepSWE v1.1真实代码库评测中，Sol以约五分之一成本达到与Astra相当的水平，比GPT-6 Sol最高分高出6.4个百分点。在Artificial Analysis Coding Agent Index中，Sol（xhigh）得分甚至比Astra高出1分，而成本不到Astra的15%。OSWorld 2.0计算机操作测试中，Sol最高推理强度下比GPT-6 Sol提升7分，与Astra差距缩小至2.1分以内，单任务成本仅为Astra的约七分之一。

成本效率：重新定义中端模型的性价比基线

Sol真正的杀手锏是任务层面的成本控制。在Intelligence Index评测中，Sol（max档）每任务成本仅0.72美元，而GPT-6 Astra为3.26美元，差距达4.5倍。更值得注意的是，Sol单任务输出Token（27.2K）与Astra（26.9K）基本持平，说明省钱靠的是单价而非“少干活”。

不过，Sol的输出Token比GPT-6 Sol高出10%至30%，这意味着在低推理强度下，其简洁性不如前代。速度是另一个隐性成本。Artificial Analysis实测Sol（medium）输出速度约52 tokens/秒，在同类模型中明显偏慢（中位数87）。但Sol的p50延迟比Astra快41%，部分场景下响应体验反而更好。

实测体验：额度友好，但“开高档就变脸”

一位国内开发者的实测颇具代表性。他用GPT-6 Astra画原理图时，两个任务跑完额度就接近见底，被迫动用重置机会；换到Sol后同样开High档跑了一下午，“5小时窗口还剩71%，1周窗口还剩95%，3次重置机会一次没动”。他用Sol连续完成了下载官方资料、搭建开发环境、配置烧录工具三个任务，环境搭建环节Sol甚至主动完成了编译，“我没让你编译，你居然也帮我编译好了”。

但社区反馈揭示了另一个侧面。GitHub上多名开发者报告，Sol在xhigh档位下出现了指令遵循和任务完成的明显退化，一位用户直言“Sol在Extra High下比GPT-5.6显著更没用，而且我无法回退到之前的模型”。在非期望持久性评估中，Sol在23.5%的rollout中出现被阻后继续尝试的行为，高于Astra的17.4%。

总结

GPT-6.1 Sol是一款定位精准的“Astra平替”。它用五分之一的单价和更低的任务成本，在编程、计算机操作和Agentic知识工作上实现了接近旗舰的输出水平，对于需要高频调用、额度敏感的开发场景，它的性价比是实打实的。但它的短板同样清晰：xhigh档位下的指令遵循退化、偏慢的输出速度、以及比前代更高的Token消耗，意味着它更适合那些任务明确、有校验能力、且不需要拉满推理强度的生产工作流。OpenAI用7天迭代一款模型的速度令人侧目，但“跑分逼近旗舰”和“开高档就翻车”之间的落差，也提醒开发者对这款模型的高强度推理设置保持审慎。