GPT-6.1 Sol 有五種推理強度： low, medium （預設值）、 high、 xhigh 和 max。相較於 GPT-6 Sol，最大的變化是 none 和 minimal 已不再提供，因此 low 現在是最低選項。
這項設定同時影響延遲和成本。你看不到推理 token，但仍須按輸出費率付費（6.1 Sol 在 AIHubMix 每百萬 token 收費 $10），而且推理 token 會佔用上下文視窗。選錯等級，很容易多付好幾倍的費用。
各等級的用途
此表整理了 OpenAI 在推理指南 中的說明，以及我們的建議：
| 等級 | OpenAI 的說明 | 適合用途 | 不適合用途 |
|---|---|---|---|
| low | 有效率的推理，延遲只會適度增加 | 工具迴圈中的中間步驟、搜尋、簡單規劃、分類、擷取、客服回覆 | 困難的除錯、多檔案重構 |
| medium（預設值） | 適用於多數工作負載的均衡預設值 | 日常程式設計、程式碼審查、寫作、一般 Agent 任務 | 對延遲要求嚴格的互動式用途 |
| high | 困難的推理、複雜除錯、深入規劃 | 棘手的錯誤、架構工作、SWE 類型的任務 | 高 QPS 的線上流量 |
| xhigh | 深入研究、非同步工作、長時間 Agent 執行 | 背景工作、研究報告 | 尚未經評估測試證實有效的任何用途 |
| max | 針對最困難任務提供最高推理強度 | 電腦操作、研究等級的問題、離線重度運算 | 幾乎所有日常請求 |
OpenAI 將推理強度稱為「調校旋鈕，而不是提升品質的主要方式」。結果不理想時，應先檢查提示詞、工具定義和上下文。完成這些檢查後，再提高推理強度。
基準測試對各等級的結果
以下是 OpenAI 自行公布的數據，由 Vellum 和 DataCamp 彙整。請將這些數據視為參考，而非絕對標準。
程式設計通常使用 high 就足夠。 在 DeepSWE v1.1 上，6.1 Sol 使用 high 得分 75.2，與 Astra 使用 high 時的 74.8 相當，每項任務的費用約 $1.50。其成本曲線顯示，每項任務花費 $0.50 到 $1.50，可達到 72% 到 75% 的表現。GPT-6 Sol 使用 max 的得分則為 68.8，每項任務約 $2.60。
高於 medium 不一定有幫助。 在 AutomationBench 上，6.1 Sol 使用 medium 得分 35.4%，提高推理強度後也只有約 36.0%。對商業自動化而言，額外的推理 token 幾乎沒有帶來效益。
只有電腦操作和研究才值得使用 max。 在 OSWorld 2.0 上，max 得分 71.4，每項任務約 $1.30。Terminal-Bench Science 使用 max 時，每項任務花費 $5.47：遠低於 Astra 的 $23.80，但仍比多數其他工作負載高出一個數量級。
low 的表現也進步了。 使用 low 時，事實錯誤率從 6 Sol 的 11.4% 降至 7.7%。如果你先前因為 6 Sol 的 low 不夠準確，而將任務提高到 medium，不妨再試試 low。
各用途的建議起始設定
| 用途 | 建議起始設定 | 備註 |
|---|---|---|
| 原本在 6 Sol 使用 none 的呼叫 | low | OpenAI 官方建議的對應設定。若延遲至關重要，可考慮仍支援 none 的 GPT-6 Luna |
| 原本使用 minimal 的呼叫 | low | 從 low 開始並比較結果 |
| 聊天機器人、客戶支援 | low | 請模型先輸出一行前言，讓第一個 token 更快出現 |
| RAG 問答 | low → medium | 檢索品質比推理強度更重要 |
| IDE 程式設計助理 | medium | 使用預設值即可 |
| 自動修正錯誤、SWE Agent | high | DeepSWE 顯示 high 的表現已經與 Astra 相當 |
| 電腦操作、瀏覽器 Agent | high → max | OSWorld 在 max 時表現最佳 |
| 背景研究、長時間執行 | xhigh | 只有在評估測試顯示有所提升時才使用。如果不急著取得結果，使用 Batch 可將成本減半 |
| 最困難的研究問題 | max，或直接使用 Astra | OpenAI 也建議此處使用 Astra |
none 和 minimal 的對應設定來自 OpenAI 的 GPT-6 遷移指南。
在對話中途調整推理強度
常見做法是先用 high 規劃、再用 low 執行，遇到問題時切回 high。
但有個問題：修改請求中的 reasoning.effort 會使提示詞快取失效。 推理強度屬於快取前綴的一部分（請參閱提示詞快取指南）。在 6.1 Sol 上，讀取快取每百萬 token 收費 $0.10，重寫快取則收費 $2.50，兩者相差 25 倍。
GPT-6 系列透過 configuration_update 輸入項目解決了這個問題。保留請求層級的 reasoning.effort 不變，並在下一則使用者訊息前插入更新。透過 AIHubMix Responses API，用法如下：
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."},
],
)
上方的configuration_update格式僅供示意。確切的 schema 請查閱 OpenAI 的推理指南。AIHubMix 的 Responses 文件目前列出四種等級（從 minimal 到 high），因此請先傳送小型測試請求，確認xhigh、max和configuration_update能正常傳遞。
請留意以下限制：
- 僅適用於標準單一 Agent 模式，而且只能變更推理強度。
- 兩個更新項目不能相鄰。
- 無法搭配自動壓縮或截斷使用。明確執行壓縮則沒問題，但之後要再加入新的更新項目。
- 回應中的
reasoning.effort欄位仍會顯示請求層級的值，因此不要過度解讀。
搭配推理強度使用的設定
為 max_output_tokens 預留足夠空間。 上限也包含推理 token。設定過低時，模型可能在產生任何可見文字前就停止。你會收到 status: incomplete，但輸入和推理費用仍會照常計算。OpenAI 建議一開始至少預留 25,000 個 token，使用 xhigh 或 max 時則要預留更多。
追蹤推理 token。 相關數值會顯示在 usage.output_tokens_details.reasoning_tokens。檢視各推理強度下的分布，比憑感覺調整更有效。
需要掌握推理情況時，請啟用摘要。 reasoning.summary: "auto" 會傳回模型推理的摘要（可能需要先驗證你的組織）。原始推理內容永遠不會公開。
Pro 模式是獨立的開關。 它會讓模型投入更多運算，依標準費率計費，但整體使用的 token 也會更多。可用於需要更深入處理、且能接受較高延遲的難題。
實際可執行的調校流程
- 從真實任務中挑選 20 到 50 個，建立評估資料集。
- 使用
medium執行基準測試。記錄成功率、平均推理 token 數和 P95 延遲。 - 試試
low。如果成功率只稍微下降，就改用 low。 - 試試
high。如果成功率明顯提高，就只在該類任務中使用 high。 - 只有在 high 不夠時，才考慮使用
xhigh或max；同時也比較 GPT-6 Astra 使用 high 的表現。有時更大的模型會比更高的推理強度更有效。在 AIHubMix 上，只要修改model參數即可，模型清單 列出了可用選項。 - 依任務類型分流，不要所有任務都使用同一項全域設定。
簡而言之：從 medium 開始，用 low 節省成本，程式設計使用 high，並在評估測試中確認 xhigh 和 max 確實有助益。
接下來：加上快取、長上下文和計費倍率後，$2 / $10 的價格標籤究竟代表什麼。
常見問題
GPT-6.1 Sol 的預設推理強度是什麼？ medium。如果不指定，就會使用這個設定。
為什麼使用 none 會出錯？ 6.1 Sol 不支援 none 或 minimal。OpenAI 建議改用 low。如果你確實需要 none，請繼續使用 GPT-6 Sol 或 GPT-6 Luna。
推理 token 如何計費？ 依輸出費率計費（6.1 Sol 每百萬 token 收費 $10），且會佔用上下文視窗。請查看 usage.output_tokens_details.reasoning_tokens 取得實際數值。
Chat Completions 和 Responses 的參數名稱相同嗎？ 不同。Chat Completions 使用頂層的 reasoning_effort；Responses 使用巢狀的 reasoning: {"effort": ...}。混用會回傳 Unsupported parameter。
提高推理強度一定會帶來更好的結果嗎？ 不會。在 AutomationBench 上，從 medium 往上提高只讓分數從 35.4% 升到約 36.0%，成本卻明顯增加。請使用自己的任務進行測試。
可以在對話中途變更推理強度嗎？ 可以。使用 configuration_update 項目，並保留請求層級的 reasoning.effort 不變，讓提示詞快取維持有效。此功能無法搭配自動壓縮或截斷使用。
為什麼我收到 status: incomplete ，卻沒有任何輸出？ 最可能的原因是 max_output_tokens 設定過低，且額度全被推理耗盡。OpenAI 建議至少預留 25,000 個 token。
繼續閱讀：GPT-6.1 Sol 系列
- 帳單中有多少費用來自推理？ 推理強度只是影響成本的因素之一。快取、272K 門檻和 Batch 折扣也會影響最終費用。請參閱GPT-6.1 Sol 的實際成本：超越 $2 / $10 的價格標籤。
- 程式碼原本使用
none？ 改成low只是第一步。工具呼叫、取樣參數和快取設定也需要調整：遷移至 GPT-6.1 Sol：9 個可能出錯的地方。 - 6.1 Sol 比 6 Sol 和 Astra 好多少？ 請參閱並排比較規格和基準測試的文章：GPT-6.1 Sol 與 GPT-6 Sol：僅用一週升級就幾乎追上 Astra。
