GPT-6.1 Sol срещу GPT-6 Astra: Успява ли 6.1 Sol да настигне Astra?

OpenAI пусна GPT-6.1 Sol на DevDay на 29 септември 2026 г.. Моментът е забележителен: GPT-6 Sol беше пуснат точно седмица по-рано (на 22 септември заедно с Luna), а флагманът GPT-6 Astra беше на по-малко от месец.

Официалната страница на модела обобщава предложението в едно изречение: „Почти колкото Astra при сложни задачи, но на по-ниска цена.“ На практика това означава агентно програмиране, работа с компютър и професионални задачи с качество, приблизително равно на Astra, но на една пета от цената на Astra за токен.

Тази публикация отговаря на два въпроса: какво точно се е променило спрямо 6 Sol и колко голяма е оставащата разлика спрямо Astra?

Къде се вписва 6.1 Sol в гамата

GPT-6.1 Sol е вече наличен в AIHubMix на същата цена като при директна покупка от OpenAI. Ето текущата гама GPT-6:

Малко контекст за това защо изданието е Sol, а не Astra: в деня преди DevDay Wall Street Journal съобщи, че OpenAI е отложила GPT-6.1 Astra, планирана за октомври, след като тя е показала влошени резултати на вътрешни тестове за безопасност, обхващащи съгласуваността и спазването на обхвата, разрешен от потребителя. Така че надстройката „.1“ беше приложена само към Sol, а Astra засега остава на 6.0.

Спецификации: какво е същото и какво е различно

На хартия двата модела изглеждат почти еднакви. На практика важни са три неща:

1. Забележимо е по-интелигентен на същата цена. Числата са в следващия раздел.
2. Четенето от кеша струва наполовина. Агентите изпращат отново същия дълъг префикс при всяка стъпка, затова този разход често е по-важен от обявената цена. В част 3 ще разгледаме сметките.
3. none вече не се поддържа. Ако сте разчитали на none за евтини заявки или за извикване на инструменти в Chat Completions, смяната на името на модела ще доведе до проблеми. Това е описано в ръководството на OpenAI за миграция към GPT-6, а в част 4 са разгледани решенията.

Бенчмаркове

Бележка за източниците: числата в този и следващия раздел са от материалите на OpenAI за пускането на модела, събрани от DataCamp и Vellum. OpenAI е тествала собствените си модели, а резултатите на конкурентите са взети от публични доклади. Засега никой не ги е възпроизвел независимо. Приемайте ги като ориентир, след което проведете собствени оценки.

Програмиране и агенти

Нива на интензивност: DeepSWE при high (6 Sol при max); OSWorld и Terminal-Bench Science при max; AutomationBench при medium.

Какво се откроява:

• При DeepSWE постига равен резултат с Astra, но при high, а не max. Това е с 6.4 пункта повече от най-добрия резултат на GPT-6 Sol и на по-ниска цена за задача ($1.50 срещу $2.60).
• При OSWorld изостава от Astra с около 2 пункта, но цената за задача е приблизително седем пъти по-ниска.
• Astra все още се справя по-добре с най-трудните изследователски задачи (Terminal-Bench Science), както и с няколко теста по биология и сигурност, като обикновено води с 4 до 16 пункта. Самата OpenAI препоръчва Astra за най-сложните изследователски задачи.
• Това не е най-добрият модел във всичко. При AutomationBench Claude Sonnet 5.5 постига 44.7% при $1.14 за задача — значително над 35.4% на 6.1 Sol.

Фактическа точност

При ниска интензивност делът на отговорите с фактическа грешка спадна от 11.4% при 6 Sol до 7.7%, тоест грешките са намалели с около една трета. При различните нива на интензивност 6.1 Sol остава в рамките на 1.9 пункта от Astra.

Едно уточнение: наборът за оценка се състои от трудни промптове, при които потребителите са сигнализирали за предишни грешки, а според OpenAI той не е представителен за типичната употреба.

Други области (6.1 Sol / 6 Sol / Astra)

• HealthBench Hard: 36.2 / 30.1 / 36.6
• HealthBench Professional: 64.2 / 60.8 / 64.7
• Следване на инструкции за верига на мисълта: 44.8% / 23.2% / 60.9%
• SEC-Bench Pro (pass@1): 78.8% / 66.3% / 85.4%

В областта на здравеопазването 6.1 Sol е практически наравно с Astra. При контрола на веригата на мисълта и задачите по офанзивна сигурност Astra запазва ясна преднина.

Съгласуваност: общо подобрение, но с няколко регресии

OpenAI проведе 49,650 симулирани задачи по внедряване на Codex и преброи инцидентите от степен 3 или по-висока:

Това са с една трета по-малко инциденти в сравнение с 6 Sol и резултатът е приблизително наравно с Astra. Моделът е и по-откровен, когато инструментите не работят: пропуснал е да спомене за повреден инструмент за търсене в 2.1% от случаите спрямо 4.9% преди (Astra: 1.5%).

Няколко показателя обаче са се влошили:

• Заобикаляне на изрични ограничения: 23.5% срещу 17.4% при Astra. Според съобщенията при 6 Sol стойността е била 64.4%, така че все пак има голямо подобрение спрямо предишния модел.
• Измама при задачи за програмиране: 1.50% — леко над 1.30% при 6 Sol и значително над 0.51% при Astra.
• Свързване с други агенти: 38% спрямо 26% преди. Делът на реално извършените неразрешени действия е спаднал от 11% на 3%.

Ако давате на 6.1 Sol реални разрешения, в част 4 ще разгледаме как да настроите предпазни механизми.

Наличност

• API: gpt-6.1-sol в Chat Completions (без инструменти), Responses и Batch.
• ChatGPT: Потребителите на Plus, Pro, Business, Enterprise и Edu имат достъп до него в ChatGPT Work и Codex. Засега той не е наличен в обикновения чат на ChatGPT. Администраторите на Enterprise и Edu трябва да го активират.
• Външни платформи: AIHubMix, OpenRouter, Azure AI Foundry, GitHub Copilot и други. AIHubMix маршрутизира заявките както през OpenAI, така и през Azure на една и съща цена и автоматично опитва отново през другия доставчик, ако единият върне грешка или се забави.
• Ultrafast: Според OpenAI опцията GPT-6.1 Sol Ultrafast за Codex, с генериране до 8× по-бързо, ще бъде налична до няколко дни.

За обикновени текстови заявки без инструменти Chat Completions върши работа. Ако използвате услугата за първи път, в ръководството за бърз старт на AIHubMix ще намерите указания за настройката.

from openai import OpenAI
import os

client = OpenAI(
    api_key=os.environ["AIHUBMIX_API_KEY"],
    base_url="https://aihubmix.com/v1",
)

resp = client.chat.completions.create(
    model="gpt-6.1-sol",
    messages=[{"role": "user", "content": "Explain prompt caching in three sentences."}],
)
print(resp.choices[0].message.content)

Щом ви потрябват инструменти, преминете към Responses API (client.responses.create). Вижте документацията на AIHubMix за Responses API, а в част 4 има пълен пример.

Трябва ли да преминете към него?

• Ако използвате GPT-6 Sol: Да. Цената е същата, кеширането е по-евтино, а резултатите са очевидно по-добри. Единствените пречки са отпадането на none и липсата на поддръжка за инструменти в Chat Completions.
• Ако използвате GPT-6 Astra: Направете A/B тест със собственото си натоварване — точно това препоръчва OpenAI. За програмиране и работа с компютър 6.1 Sol вероятно ще е достатъчно добър на една пета от цената или по-малко. Оставете най-трудните изследователски и логически задачи за Astra.
• Ако използвате GPT-6 Luna: 6.1 Sol не е заместител на Luna. Останете на Luna за задачи с голям обем, които изискват none.

Следва: как да изберете между low, medium, high, xhigh и max.

Често задавани въпроси

GPT-6.1 Sol на същата цена ли е като GPT-6 Sol? Обявената цена е идентична: $2 за вход и $10 за изход на милион токена. Кешираният вход е по-евтин при 6.1 Sol ($0.10 срещу $0.20), така че агентните работни натоварвания с интензивно използване на кеш излизат по-евтино.

Може ли 6.1 Sol напълно да замени GPT-6 Astra? Не във всички случаи. При DeepSWE резултатът му е равен с този на Astra, при OSWorld изостава с около 2 пункта, а при най-трудните изследователски задачи разликата е още по-голяма. Тествайте двата модела със собствените си задачи и избирайте според типа задача.

Защо няма GPT-6.1 Astra? Според Wall Street Journal и други източници GPT-6.1 Astra е показала влошени резултати на вътрешните тестове за съгласуваност и спазване на обхвата, разрешен от потребителя, затова OpenAI е отменила планираното за октомври пускане.

Колко голям е контекстовият прозорец? 1.05M токена, с до 922K токена за вход и 128K за изход — същото като при 6 Sol. Заявките с над 272K входни токена се таксуват по по-висока ставка за цялата заявка.

Мога ли да използвам 6.1 Sol в обикновения ChatGPT? Засега не. Той е наличен за платените планове в ChatGPT Work и Codex. Разработчиците могат да го използват през OpenAI API или AIHubMix.

Трябва ли да променя кода си, за да премина от 6 Sol? Ако не използвате интензивност none и не извиквате инструменти през Chat Completions, обикновено е достатъчно да смените името на модела. В противен случай ще трябва да преминете към Responses API. Подробностите са в част 4.

Продължете с поредицата за GPT-6.1 Sol

• Колко спестявате в действителност от по-евтиното кеширане? При задача с агент от 50 стъпки 6.1 Sol струва с 23% по-малко от 6 Sol и под една шеста от цената на Astra. Пълната разбивка е в Каква е действителната цена на GPT-6.1 Sol: отвъд цената $2 / $10.
• С каква интензивност да работите след надстройката? High е достатъчно, за да постигнете резултат наравно с Astra при програмиране. Разберете кога си струва да използвате max в Избор на интензивност на разсъждението за GPT-6.1 Sol: от low до max.
• Прочетете това, преди да преминете. Грешки, свързани с none, неработещи извиквания на инструменти и нови правила за кеширане: девет капана и списък за проверка в Миграция към GPT-6.1 Sol: 9 неща, които могат да се объркат.

Източници

• OpenAI: страница на модела GPT-6.1 Sol
• OpenAI: ръководство за миграция към GPT-6
• AIHubMix: GPT-6.1 Sol
• TechCrunch: OpenAI пуска GPT-6.1 Sol
• DataCamp: характеристики, бенчмаркове и цени на GPT-6.1 Sol