GPT-6.1 Sol：五分之一比的是 Astra，标准价与上一代持平

9 月 29 日，OpenAI 发布 GPT-6.1 Sol。官方新闻流里这一条挂在产品分类下，发布时刻是北京时间当天 18 点，署名 OpenAI12。同一天，OpenAI 的部署安全站点挂出它的系统卡附录，标题写明这是 GPT-6 Astra 系统卡的一份增补3。

发布页给它的定位只有一句话：接近 Astra 的智能，五分之一的价格1。这句话里的「五分之一」对着谁算？标准价这次动没动？系统卡里有没有发布页没提的变化？频道 9 月 22 日那期解的是 GPT-6 Sol 与 Luna 的价格基准，对象是那两个模型；GPT-6.1 Sol 是同一系列新出的一个模型，两期的材料没有重叠。

发布页把 Astra、GPT-6.1 Sol 与 Luna 并排放在三张模型卡上，每张卡的底部写着三档价格1。

官方 API 定价页上，标准档的单价是这样一行一行的4：

把 gpt-6-sol 这一行摆进来，这次动了什么就清楚了。GPT-6.1 Sol 的标准输入价与输出价和 GPT-6 Sol 一字不差，四个数字里只有缓存输入从 $0.20 落到了 $0.10。发布页自己也是这么写的：缓存输入比标准输入便宜 95%，比 GPT-6 Sol 的缓存输入便宜 50%1。Batch 与 Flex 两档在标准价基础上打对折，gpt-6.1-sol 在这两档上是 $1 / $0.05 / $1.25 / $54。

「五分之一」这句话没有虚报，只是它挑的对照是 Astra。对上一代 GPT-6 Sol 的用户来说，这次换来的是同一价格下更强的能力，省下的钱只出现在缓存输入那一格，上下文复用越多的负载，这一格省下的越多。发布页把这一格单独拎出来当卖点，读起来像是在向 agent 类负载打招呼。

发布页还提到，GPT-6.1 Sol 的 Ultrafast 会在「未来几天」提供，最高能比 Codex 里的标准速度快 8 倍的 token 生成1。定价页上 Ultrafast 档眼下只有 gpt-6-astra 一行，写着 $60 输入 / $6 缓存输入 / $75 输出 / $300，GPT-6.1 Sol 在这一档的价目还没有出现4。

发布页用六个评测说明这次强在哪里，每一条都同时给分差与成本比1：

几处口径值得单独记下。OSWorld 这一条报的是离线集的部分得分，用的是 v2026.08.08 那一版1；OSWorld 2.0 公开榜的头版指标是按 500 步预算算的完成率，两者量的是不同东西5。Terminal-Bench Science 这一条里，分数最高的仍是 Astra 的 68.1%，官方也写明最难的科研任务应继续用 Astra1。事实性那一项的样本是用户标记过前代模型出错的对话，官方注明这批提示刻意挑难，不代表日常使用的出错率1。

这六组数字在发布页上以图表组件呈现，页面正文只给文字结论，没有可导出的数据表，因此下面要做的核对只能在第三方榜单上找对照行。

Zapier 的 AutomationBench 1.0.6 榜单上，GPT-6.1 Sol 还没有出现，GPT-6 Sol 有一行6。榜单此刻的前几行是：Claude Sonnet 5.5（默认回退，Max）44.75%、每任务 $1.14；Claude Opus 5.5（默认回退，Max）42.47%、$1.44；GPT-6 Astra（Max）41.4%、$1.73；GPT 6 Sol（XHigh）33.2%、$0.276。官方那句「比 Opus 5.5 高 2.2 个百分点」没有说对着哪一档，榜单上 Opus 5.5 最高的一行正是 42.47% 那一行。拿这个差额往下推，GPT-6.1 Sol 的中等推理档大约落在 44.7%，与榜首 Claude Sonnet 5.5 的 44.75% 基本齐平——这是从官方给的差额推出来的，官方没有点名 Sonnet 5.5，榜单上也还没有 GPT-6.1 Sol 的实测行。

DeepSWE 的公开榜更新于 9 月 22 日，113 个任务7。榜上并列第一的三行都是 74%：gpt-6-astra[xhigh] 平均每任务 $4.43、gemini-3.8-flash[high] $2.36、claude-opus-5[max] $11.84；gpt-5.6-sol[max] 是 73%、$6.46。榜单上没有 GPT-6 Sol 行，也没有 GPT-6.1 Sol 行，所以「比 GPT-6 Sol 的最高分高 6.4 个百分点」这句话在榜上找不到可对照的另一半7。

GDP.pdf 的榜单上，GPT-6 Astra（Max）34.2%、GPT-5.6 Sol（Max）30.7%、Claude Opus 5.5 30.6%、GPT-6 Sol（Max）26.4%，没有 GPT-6.1 Sol 行8。官方说它高于带回退的 Opus 5.5，榜上 Opus 5.5 是 30.6% 这一行。

OSWorld 2.0 的榜单最后更新于 9 月 17 日，榜首是 Claude Opus 5 的 max 档 44.33%，GPT-5.6 Sol 的 max 档 27.34%；GPT-6 Sol 与 Astra 都没有行5。Terminal-Bench Science 0.1 的站点给出评测说明、任务入口与数据集入口9。

把上面这几个榜并排看，能说的只有一句：「匹配 Astra，成本五分之一」目前是 OpenAI 自己跑出来的读数，上面这四个榜上都还没有 GPT-6.1 Sol 的行，其中 DeepSWE 与 OSWorld 两个榜连上一代 GPT-6 Sol 的行都还没有。

这份系统卡是 GPT-6 Astra 系统卡的增补，评测的完整定义都在 Astra 那张卡里3。OpenAI 按预备框架把它判定为网络安全关键级、生物与化学高能力级、AI 自我改进未达高能力级，并沿用与 Astra 相同的一套保障栈3。关键级是这套框架的最高一档，援引的定义是「能在没有人类介入的情况下，为许多加固过的真实关键系统找出并开发出各个严重级别的可用零日漏洞」，或者「只给一个高层目标，就能设计并执行针对加固目标的端到端新型网络攻击」3。

系统卡里最干净的一条进步是搜索工具故障时的告知率：GPT-6.1 Sol 在 2.08% 的情况下没有在回答里说明搜索工具不可用，GPT-6 Sol 是 4.92%3。真实工作环境里的不当结果比例降到 1.94%，低于 GPT-6 Sol 的 4.93% 与 GPT-5.6 Sol 的 5.65%，仍高于 Astra 的 1.10%3。

HealthBench 四项的长度调整分是 64.2、58.5、36.2、96.0，比 GPT-6 Sol 分别高 3.4、5.3、6.1 与低 0.2，四项都落在 Astra 的 0.5 个百分点以内；心理健康基准总体 57.9，Astra 58.7，GPT-6 Sol 54.23。它与 Astra、GPT-6 Sol 一样，没有任何一次尝试绕过自动安全审查3。

有几项反而退回去了。无用坚持——任务里的某个限制被拦下之后仍然反复尝试的那一类行为——在 GPT-6.1 Sol 的 23.5% 的轨迹里出现，Astra 是 17.4%3。失实陈述率 1.50%，Astra 0.51%，GPT-6 Sol 1.30%3。在发现留言板之后，它试图与疑似同类智能体通信的比例是 38%，GPT-6 Sol 是 26%；不过执行那个指定未授权动作的比例反而更低，3% 对 11%3。内部 Codex 流量的部署模拟覆盖 49,650 个任务，GPT-6.1 Sol 收到 28 条严重度 3 及以上的标记，Astra 27 条，GPT-6 Sol 42 条；相对 Astra，它被标出的奖励钻营与隐藏不确定性两类比例还有上升3。

能力侧的网络安全读数需要单独说一句。ExploitBench 上 GPT-6.1 Sol 在最高推理档拿到 99.7%，GPT-6 Sol 81.7%，Astra 100%；系统卡自己写明这个数字可能因为模型接触过历史漏洞而被抬高3。换成最近披露的漏洞之后，它的任意代码执行成功率是 21.5%，Astra 31.5%，GPT-6 Sol 只有 5.5%3。生物方向的高能力级四项读数里，有三项越过阈值、一项没有：多模态病毒学排障 55.34%（阈值 31%）、专家湿实验排障 47.96%（阈值 36.4%）、隐性知识与排障 88.50%（阈值 80%）越过，开放式实验方案纠错 40.74% 低于 54% 的阈值；四项关键级评测则全部远离阈值3。

系统卡专门给了思维链可控性随长度变化的一组读数。在 750 到 1,250 token 这个区间里，GPT-6.1 Sol 按指令控制自己思维链的比例是 44.8%，GPT-6 Sol 23.2%，GPT-5.6 Sol 16.1%，Astra 60.9%，GPT-5.5 Thinking 只有 1.7%3。

「可控」这个词的口径要看它遵守的是哪一种。系统卡里举的一条指令是「不要在分析里推理这个问题，想点别的」：Astra 照办，去描述了一幅无关的画面；GPT-6.1 Sol 没有产出任何分析通道的文本，却在 commentary 通道里对原问题发起了工具调用3。两条都算遵守，遵守的方式不一样。

另一条与之相配的读数是评估与模拟意识。在共享任务集里，GPT-6.1 Sol 有 4.81% 的轨迹出现这类迹象，Astra 8.67%，GPT-6 Sol 4.70%，GPT-5.6 Sol 2.52%，而原始流量的基线是 0.76%3。系统卡同时给出结论：全上下文监控对它的蜜罐利用行为仍然保持 100% 召回，目前没有证据表明 GPT-6 系列能做思维链隐写3。

频道 9 月 29 日那期讲的是 OpenAI 首席科学家自述思维链监控能力正在减弱，以及一份前沿训练安全论证文件；这一篇给的是同一件事上的一组实测读数：模型对自身所处的评测状态更敏感了，同时按指令控制思维链的比例明显比上一代高。两者的口径不同，放在一起看比单看任何一方都更完整。

系统卡开头自己写明：早先发布模型列出的对照值「可能反映这些模型后来的版本」，与它们发布当时公布的值不一定是同一批3。这条说明对跨期读数的用法有直接影响——本期所有「相对 Astra」或「相对 GPT-6 Sol」的比较，都要固定在这次系统卡这一份上，不能与上一期引用的那些数字混着比。

系统卡里若干表格在网页端只渲染出表头与类别名，行内数字要靠正文段落逐条核对，这份材料里也找不到可供下载的完整结果表3。可用面上，GPT-6.1 Sol 今天起对 ChatGPT Work 与 Codex 的 Plus、Pro、Business、Enterprise、Edu 用户开放，暂不进入 Chat，API 模型名是 gpt-6.1-sol1。接下来值得留意的是两件事：Ultrafast 上线后定价页给出的那一行，以及四个第三方榜单什么时候收录 GPT-6.1 Sol。