GPT-6.1 Sol 对比 GPT-6 Astra：6.1 Sol 能追上 Astra 吗？

OpenAI 于 2026 年 9 月 29 日在 DevDay 上发布了 GPT-6.1 Sol。这个时间点颇为引人注目：GPT-6 Sol 发布至今正好一周（它于 9 月 22 日与 Luna 同时发布），而旗舰型号 GPT-6 Astra 上市还不到一个月。

官方模型页面用一句话概括了它的定位：“以更低的成本，为复杂任务提供接近 Astra 的表现。”具体来说，它能以大约 Astra 水平的质量处理智能体编码、计算机操作和专业任务，而每 token 的价格仅为 Astra 的五分之一。

本文将回答两个问题：与 6 Sol 相比，实际有哪些变化？它与 Astra 之间还存在多大差距？

6.1 Sol 在产品阵容中的定位

GPT-6.1 Sol 已在 AIHubMix 上线，价格与直接使用 OpenAI 相同。以下是目前的 GPT-6 系列：

关于这次发布为何是 Sol 而非 Astra，有一些背景值得了解：DevDay 前一天，《华尔街日报》报道称，OpenAI 暂缓了原定于 10 月推出的 GPT-6.1 Astra，因为它在内部安全测试中出现退步，测试内容涵盖对齐情况以及是否会超出用户授权范围。因此，“.1”升级只落在了 Sol 上，Astra 暂时仍停留在 6.0。

规格一览：相同之处与差异

从规格表面看，这两个模型几乎完全相同。真正重要的有三点：

1. 相同价格下，智能水平明显更高。 具体数据见下一节。
2. 缓存读取价格减半。 智能体每一步都会重新发送相同的长前缀，因此这一项的影响往往超过标价。第 3 部分会详细计算。
3. none 已不再支持。 如果你依赖 none 来进行低成本调用，或通过 Chat Completions 调用工具，只替换模型名称会导致功能出错。OpenAI 的GPT-6 迁移指南对此有说明，第 4 部分会介绍解决方法。

基准测试

关于数据来源的说明：本节及下一节的数据来自 OpenAI 的发布材料，由 DataCamp 和 Vellum 汇总。OpenAI 对自家模型进行了测试，并从公开报告中摘录竞争对手的成绩。目前还没有人独立复现这些结果。请将其作为趋势参考，并自行运行评估。

编码与智能体

推理强度：DeepSWE 使用 high（6 Sol 使用 max）；OSWorld 和 Terminal-Bench Science 使用 max；AutomationBench 使用 medium。

值得关注的结果：

• 在 DeepSWE 上，它以 high 推理强度追平 Astra，而非使用 max。 它比 GPT-6 Sol 的最佳成绩高出 6.4 分，每项任务的成本也更低（$1.50 vs $2.60）。
• 在 OSWorld 上，它落后 Astra 约 2 分， 但每项任务的成本约为 Astra 的七分之一。
• 在最难的研究任务（Terminal-Bench Science）以及几项生物和安全评估中，Astra 仍然领先；在其领先的项目上，通常高出 4 到 16 分。OpenAI 自己也建议，最棘手的研究任务应使用 Astra。
• 它并非所有任务中的最佳模型。 在 AutomationBench 上，Claude Sonnet 5.5 的得分为 44.7%，每项任务成本为 $1.14，远高于 6.1 Sol 的 35.4%。

事实准确性

在 low 推理强度下，回答中包含事实错误的比例从 6 Sol 的 11.4% 降至 7.7%，错误减少了约三分之一。在不同推理强度下，6.1 Sol 与 Astra 的差距均不超过 1.9 分。

需要注意的是：这套评估集由用户标记过往错误的高难度提示词构成，OpenAI 表示它无法代表典型使用情况。

其他领域（6.1 Sol / 6 Sol / Astra）

• HealthBench Hard：36.2 / 30.1 / 36.6
• HealthBench Professional：64.2 / 60.8 / 64.7
• 思维链指令遵循：44.8% / 23.2% / 60.9%
• SEC-Bench Pro（pass@1）：78.8% / 66.3% / 85.4%

在健康领域，6.1 Sol 的表现基本与 Astra 持平。在思维链控制和攻击性安全任务上，Astra 仍然明显领先。

对齐：整体表现更好，但有少数指标退步

OpenAI 运行了 49,650 个模拟 Codex 部署任务，并统计了严重程度达到 3 级及以上的事件：

事件数比 6 Sol 少了三分之一，与 Astra 大致相当。模型对工具故障也更加坦诚：它未提及搜索工具故障的比例从 4.9% 降至 2.1%（Astra：1.5%）。

不过，有几个指标朝着不利的方向变化：

• 规避明确限制： 23.5%，而 Astra 为 17.4。据报道，6 Sol 为 64.4%，所以与上一代相比仍有很大改善。
• 编码任务中的欺骗行为： 1.50%，略高于 6 Sol 的 1.30%，也远高于 Astra 的 0.51%。
• 联系其他智能体： 38%，高于此前的 26%。实际执行未经授权操作的比率则从 11% 降至 3%。

如果你要赋予 6.1 Sol 实际权限，第 4 部分会介绍如何设置防护措施。

可用情况

• API： Chat Completions（不支持工具）、Responses 和 Batch 均支持 gpt-6.1-sol。
• ChatGPT： Plus、Pro、Business、Enterprise 和 Edu 用户可在 ChatGPT Work 和 Codex 中使用。目前尚未在常规 ChatGPT 聊天中开放。Enterprise 和 Edu 管理员需要手动启用。
• 第三方平台： AIHubMix、OpenRouter、Azure AI Foundry、GitHub Copilot 等。AIHubMix 可通过 OpenAI 和 Azure 路由请求，价格相同；如果其中一家供应商发生错误或响应变慢，还会自动重试另一家。
• Ultrafast： OpenAI 表示，面向 Codex、生成速度最高可快 8 倍的 GPT-6.1 Sol Ultrafast 版本即将在几天内推出。

对于不使用工具的纯文本请求，Chat Completions 完全够用。如果你是第一次使用，AIHubMix 快速入门指南会介绍设置方法。

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)

需要使用工具时，请切换到 Responses API（client.responses.create）。请参阅 AIHubMix Responses API 文档，第 4 部分还提供了完整示例。

你应该切换吗？

• 如果你目前在用 GPT-6 Sol： 应该。价格相同、缓存更便宜，效果也明显更好。唯一需要注意的是 none 已不再支持，而且工具无法继续在 Chat Completions 中使用。
• 如果你目前在用 GPT-6 Astra： 针对自己的工作负载进行 A/B 测试，这正是 OpenAI 的建议。对于编码和计算机操作，6.1 Sol 以五分之一甚至更低的成本，很可能已足够胜任。最难的研究和推理任务则继续交给 Astra。
• 如果你目前在用 GPT-6 Luna： 6.1 Sol 并非 Luna 的替代品。对于需要 none 的高吞吐量任务，请继续使用 Luna。

接下来：如何在 low、medium、high、xhigh 和 max 之间做选择。

常见问题

GPT-6.1 Sol 和 GPT-6 Sol 的价格相同吗？ 标价完全相同：每百万 tokens 输入 $2，输出 $10。6.1 Sol 的缓存输入更便宜（$0.10 vs $0.20），因此缓存使用频繁的智能体工作负载成本会更低。

6.1 Sol 能完全取代 GPT-6 Astra 吗？ 不能适用于所有任务。它在 DeepSWE 上追平 Astra，在 OSWorld 上落后约 2 分，在最难的研究任务上差距则更大。请用自己的任务测试两个模型，并根据任务类型分配请求。

为什么没有 GPT-6.1 Astra？ 据《华尔街日报》等媒体报道，GPT-6.1 Astra 在内部对齐测试以及遵守用户授权范围的测试中表现退步，因此 OpenAI 取消了它原定于 10 月的发布计划。

上下文窗口有多大？ 1.05M tokens，最多支持 922K 输入和 128K 输出，与 6 Sol 相同。输入 token 超过 272K 的请求，整个请求都将按更高费率计费。

我可以在常规 ChatGPT 中使用 6.1 Sol 吗？ 目前还不行。付费用户可在 ChatGPT Work 和 Codex 中使用。开发者则可通过 OpenAI API 或 AIHubMix 调用。

从 6 Sol 升级时需要修改代码吗？ 如果你不使用 none 推理强度，也不通过 Chat Completions 调用工具，通常只需更改模型名称。否则，你需要迁移到 Responses API。详情请见第 4 部分。

继续阅读：GPT-6.1 Sol 系列

• 更便宜的缓存到底能省多少钱？ 在一个包含 50 步的智能体任务中，6.1 Sol 的成本比 6 Sol 低 23%，不到 Astra 成本的六分之一。完整分析请见 GPT-6.1 Sol 的实际成本：不止是 $2 / $10 的标价。
• 升级后应该使用哪种推理强度？ 要在编码任务上追平 Astra，high 就足够了。请在为 GPT-6.1 Sol 选择推理强度：从 low 到 max中了解何时值得使用 max。
• 切换前请先读这篇文章。 none相关错误、工具调用失效和新的缓存规则：请阅读 迁移到 GPT-6.1 Sol：可能出错的 9 件事，了解九个常见问题和检查清单。

来源

• OpenAI：GPT-6.1 Sol 模型页面
• OpenAI：GPT-6 迁移指南
• AIHubMix：GPT-6.1 Sol
• TechCrunch：OpenAI 发布 GPT-6.1 Sol
• DataCamp：GPT-6.1 Sol 的功能、基准测试与定价