GPT-6.1 Sol 有五个推理强度等级：low、medium（默认）、high、xhigh 和 max。相较于 GPT-6 Sol，最大的变化是 none 和 minimal 已被取消，因此 low 现在是最低档。
这一个设置同时决定延迟和成本。你看不到推理 token，但它们按输出费率计费（6.1 Sol 在 AIHubMix 上为每百万 token 10 美元），并且会占用上下文窗口的空间。如果选错等级，很容易多付好几倍的费用。
各等级的适用场景
下表结合了 OpenAI 在推理指南中的说明与我们自己的建议：
| 等级 | OpenAI 的描述 | 适合场景 | 不适合场景 |
|---|---|---|---|
| low | 高效推理，延迟仅小幅增加 | 工具循环中的中间步骤、搜索、轻量规划、分类、抽取、客服回复 | 困难的调试、跨多文件的重构 |
| medium（默认） | 适合大多数工作负载的均衡默认值 | 日常编码、代码审查、写作、典型的智能体任务 | 对延迟敏感的交互式场景 |
| high | 高难度推理、复杂调试、深度规划 | 棘手的 bug、架构设计、SWE 类任务 | 高 QPS 的在线流量 |
| xhigh | 深度研究、异步任务、长时间运行的智能体 | 后台任务、研究报告 | 任何尚未经评测验证的场景 |
| max | 为最困难的任务提供最大推理能力 | 计算机操作、研究级难题、离线的重度计算 | 几乎所有日常请求 |
OpenAI 将 effort 称为“一个调节旋钮，而不是恢复质量的主要手段”。结果不好时，应先检查提示词、工具定义和上下文，之后再调高强度。
基准测试对各等级的说明
以下数据为 OpenAI 自己的测试结果，由 Vellum 和 DataCamp 整理。请将其作为参考，而非定论。
对于编码任务，high 通常已经足够。在 DeepSWE v1.1 上，6.1 Sol 在 high 下得分 75.2，与 Astra 在 high 下的 74.8 相当，每个任务约 1.50 美元。其成本曲线在每个任务 0.50 至 1.50 美元之间即可达到 72% 至 75%。GPT-6 Sol 在最高强度下得分 68.8，每个任务约 2.60 美元。
高于 medium 并不总能带来帮助。在 AutomationBench 上，6.1 Sol 在 medium 下得分 35.4%，在更高强度下仅约 36.0%。对于商业自动化场景，额外的推理 token 几乎没有带来收益。
max 应留给计算机操作和研究任务。在 OSWorld 2.0 上，max 得分 71.4，每个任务约 1.30 美元。Terminal-Bench Science 在 max 下每个任务成本为 5.47 美元：远低于 Astra 的 23.80 美元，但比大多数其他工作负载高出一个数量级。
low 也有所进步。low 下的事实性错误率从 6 Sol 的 11.4% 降至 7.7%。如果你因为 low 准确度不够而在 6 Sol 上将任务提升到 medium，不妨重新试试 low。
按使用场景的起始建议
| 使用场景 | 起始等级 | 说明 |
|---|---|---|
| 在 6 Sol 上使用 none 的调用 | low | OpenAI 官方的映射。如果延迟至关重要，可以考虑仍支持 none 的 GPT-6 Luna |
| 使用 minimal 的调用 | low | 从 low 开始，并比较结果 |
| 聊天机器人、客户支持 | low | 让模型先输出一行前导语，以便更快输出第一个 token |
| RAG 问答 | low → medium | 检索质量比推理强度更重要 |
| IDE 编码助手 | medium | 默认值即可满足需求 |
| 自动化 bug 修复、SWE 智能体 | high | DeepSWE 显示 high 已与 Astra 相当 |
| 计算机操作、浏览器智能体 | high → max | OSWorld 在 max 时达到峰值 |
| 后台研究、长时间运行的任务 | xhigh | 仅在评测显示有提升时使用。如果不需要立即获得结果，批量处理可将成本减半 |
| 最困难的研究问题 | max，或直接使用 Astra | OpenAI 在这里同样推荐 Astra |
none 和 minimal 的映射来自 OpenAI 的GPT-6 迁移指南。
在对话中途更改推理强度
一种常见的做法是：先用 high 规划，用 low 执行，出错时再切回 high。
问题在于：在请求中修改 reasoning.effort 会破坏你的提示词缓存。推理强度属于缓存前缀的一部分（参见提示词缓存指南）。在 6.1 Sol 上，读取缓存每百万 token 费用为 0.10 美元，而重写缓存为 2.50 美元，相差 25 倍。
GPT-6 系列通过 configuration_update 输入项来解决这个问题。请保持请求级别的 reasoning.effort 不变，并在下一条用户消息之前插入一个更新项。通过 AIHubMix Responses API 的具体写法如下：
from openai import OpenAI
import os
client = OpenAI(
api_key=os.environ["AIHUBMIX_API_KEY"],
base_url="https://aihubmix.com/v1",
)
# Turn 1: plan at high effort
r1 = client.responses.create(
model="gpt-6.1-sol",
reasoning={"effort": "high"},
input="Figure out why this repo's tests are failing and propose a fix plan.",
)
# Turn 2: drop to low for execution, without touching request-level effort
r2 = client.responses.create(
model="gpt-6.1-sol",
reasoning={"effort": "high"}, # unchanged, so the cache survives
previous_response_id=r1.id,
input=[
{"type": "configuration_update", "reasoning": {"effort": "low"}},
{"role": "user", "content": "Carry out step 1 of the plan."},
],
)
configuration_update的结构仅作示意。具体的 schema 请以 OpenAI 推理指南为准。AIHubMix 的 Responses 文档目前列出四个等级（从 minimal 到 high），因此请先发送一个小的测试请求，确认xhigh、max和configuration_update都能正常透传。
需要了解的一些限制：
- 它仅在标准的单智能体模式下有效，且只能更改推理强度。
- 两个更新项不能相邻放置。
- 它不能与自动压缩或截断同时使用。可以使用显式压缩，但之后需要添加一个新的更新项。
- 响应中的
reasoning.effort字段仍会显示请求级别的值，因此不要过度解读该字段。
与推理强度配套的设置
为 max_output_tokens 预留足够空间。该上限包含推理 token。如果设置得太低，模型可能在输出任何可见文本之前就停止。你会得到 status: incomplete，并且仍需为输入和推理 token 付费。OpenAI 建议起步时至少预留 25,000 个 token，若使用 xhigh 或 max，则应预留更多。
追踪推理 token。它们位于 usage.output_tokens_details.reasoning_tokens 中。查看各推理强度等级下的分布，比凭感觉调整更可靠。
如需了解模型的推理过程，可开启摘要。reasoning.summary: "auto" 会返回模型推理的摘要（你可能需要先完成组织验证）。原始推理内容永远不会对外暴露。
Pro 模式是独立的开关。它会让模型做更多工作，按标准费率计费，但总 token 数更多。适用于能接受额外延迟的高难度问题。
一个你真正能执行的调优流程
- 收集 20 到 50 个真实任务，组成评测集。
- 以
medium运行基线测试。记录成功率、平均推理 token 数和 P95 延迟。 - 尝试
low。如果成功率几乎没有下降，就切换过去。 - 尝试
high。如果成功率明显提升，则只为该类任务使用 high。 - 只有在 high 不够用时，才考虑
xhigh或max，并同时与 high 下的 GPT-6 Astra 进行比较。有时更大的模型比增加推理强度更有效。在 AIHubMix 上，这只需修改model参数即可，具体可用选项参见模型列表。 - 按任务类型进行路由，而不是使用单一的全局设置。
简要总结：从 medium 开始，用 low 节省成本，编码任务使用 high，而 xhigh 和 max 需要通过你的评测证明其价值。
下一篇：一旦考虑缓存、长上下文和计费倍率，$2 / $10 的价格标签究竟意味着什么。
常见问题
GPT-6.1 Sol 的默认推理强度是多少？medium。如果你不做设置，就会使用它。
为什么 none 会返回错误？6.1 Sol 不支持 none 或 minimal。OpenAI 建议改用 low。如果你确实需要 none，请继续使用 GPT-6 Sol 或 GPT-6 Luna。
推理 token 如何计费？按输出费率计费（6.1 Sol 为每百万 token 10 美元），并且会占用上下文窗口。实际数值请查看 usage.output_tokens_details.reasoning_tokens。
Chat Completions 和 Responses 中的参数名相同吗？不相同。Chat Completions 使用顶层的 reasoning_effort。Responses 使用嵌套的 reasoning: {"effort": ...}。混淆两者会返回 Unsupported parameter。
更高的推理强度是否总能带来更好的结果？不是。在 AutomationBench 上，超过 medium 只将得分从 35.4% 提升到约 36.0%，但成本明显更高。请用你自己的任务进行测试。
我能在对话进行到一半时更改推理强度吗？可以。使用 configuration_update 项，并保持请求级别的 reasoning.effort 不变，这样提示词缓存才能保持有效。它不能与自动压缩或截断同时使用。
为什么我得到了 status: incomplete 且没有输出？最可能的原因是 max_output_tokens 设置得过低，推理过程已将其全部用完。OpenAI 建议至少预留 25,000 个 token。
继续阅读：GPT-6.1 Sol 系列
- 你的账单中推理占多少？推理强度只是其中一个因素。缓存、272K 阈值和批量折扣都会影响最终费用。请参阅《GPT-6.1 Sol 的真实成本：超越 $2 / $10 的价格标签》。
- 使用了
none的代码？改为low只是第一步。工具调用、采样参数和缓存设置也需要调整：《迁移到 GPT-6.1 Sol：可能出错的 9 件事》。 - 6.1 Sol 比 6 Sol 和 Astra 好多少？规格与基准测试的并列对比，请见《GPT-6.1 Sol 与 GPT-6 Sol 对比：一周的升级几乎追上 Astra》。
