一句话核心： OpenAI 在 2026-09-29 发布 GPT-6.1 Sol，官方定位是「以 Astra 标准输入输出价格五分之一，换来接近 Astra 的智能」；API 三档价（每百万 token）为 输入 $2／缓存输入 $0.10／输出 $10，模型 ID 是 gpt-6.1-sol。官方着重强调的是缓存输入这一档：比标准输入便宜 95%，且比上一代 GPT-6 Sol 的缓存输入价再低 50%。
背景脉络
这条是 DevDay 2026 的发布之一（官方同日 recap 载 20+ 项，本刊另有总览一篇）。读之前要把三件事分开，否则很容易写混：
| 事项 | 时间与状态 |
|---|---|
| GPT-6 Sol 与 Luna | 2026-09-22 发布（本刊 topic 169） |
| GPT-6.1 Astra | 2026-09-28 被决定不发布（本刊 topic 195） |
| GPT-6.1 Sol | 2026-09-29 发布，即本条 |
这里有一条必须守住的界线：本条的 Sol 是 6.1 系列里发出来的那一版；9/28 决定不发布的是 GPT-6.1 Astra。官方从未把 Sol 说成 Astra 的替代品，也没有把两件事建立因果，所以不要写成「Astra 不发了、改发 Sol」。另外要注意：文中出现的「GPT-6 Astra」指的是 2026-09-03 已发布的那一版，与 9/28 那件被扣下的 6.1 不是一回事。
关键细节
1）价格是这条最硬的部分。 官方给出的三模型对照卡可以直接引：GPT-6 Astra 输入 $10／输出 $50／缓存 $1；GPT-6.1 Sol $2／$10／$0.10；GPT-6 Luna $0.10／$0.50／$0.01。官方对缓存输入的表述是「比标准输入价低 95%」，这是它主打「让 agent 复用上下文」的卖点。
2）官方把「接近」这个词用得很克制。 模型页写的定位是 near-Astra intelligence，并在科研那一节明确：GPT-6 Astra 仍是所测模型里的最高分（68.1%），最难的科研任务应当使用它。所以不要写成「等于」或「超过」Astra。
3）可用范围有三处限定。 面向 Plus、Pro、Business、Enterprise、Edu 全部用户，在 ChatGPT Work 与 Codex 提供；「not yet available in Chat」——尚未进入普通 Chat 界面；开发者可经 API 调用。它的 Ultrafast 版本官方写「未来数日」推出（官方称 Codex 中最高 8 倍）。
图 1：GPT-6.1 Sol 官方模型页首屏（可见模型名与「Near-Astra intelligence」主张），我们于 2026-09-29 自取。
官方所载的数据与基准
下表逐项照官方页所载，全部为厂商自测：
| 项目 | 官方所载 |
|---|---|
| 定位 | agentic coding、computer use 与专业工作上接近 GPT-6 Astra |
| API 价（美元／百万 token） | 输入 $2／缓存输入 $0.10／输出 $10 |
| 模型 ID | gpt-6.1-sol |
| DeepSWE v1.1 | 与 GPT-6 Astra 持平、成本约为其五分之一；比 GPT-6 Sol 的最好成绩高 6.4 个百分点，且用更低的推理强度与成本 |
| GDP.pdf | 高于带 fallback 的 Opus 5.5，每任务成本不到其一半；接近 Astra |
| AutomationBench 1.0.6 | 中等推理强度下比 Opus 5.5 高 2.2 个百分点、成本约三分之一；同设置下比 GPT-6 Sol 高 4.8 个百分点 |
| OSWorld 2.0（离线集） | 最高推理强度下比 GPT-6 Sol 高 7 个百分点；距 Astra 差 2.1 个百分点，每任务成本约为其七分之一 |
| Terminal-Bench Science 0.1 | 最高强度下得分是 GPT-6 Sol 的两倍以上；每任务平均 $5.47（对照 Opus 5.5 $23.21、GPT-6 Astra $23.80）；最高分仍是 Astra 的 68.1% |
| 事实性 | 低推理强度下含事实错误的回答占比 11.4% → 7.7%（约降 32%） |
| 安全（官方自述） | 相对 GPT-6 Sol 在对齐评测上有实质改进；未观察到试图绕过自动安全审查；未披露搜索工具故障的失败率 2.1%（GPT-6 Sol 4.9%／GPT-6 Astra 1.5%／Luna 28.7%） |
读这组数字必须连带的三句
- 官方自己写明了对照分数的来源。模型页脚注原文：「Evaluations of competitor models were taken from publicly available reports.」——也就是说，Opus 5.5、Fable 5.1 等对照模型的分数不是同条件复测，而是取自公开报告。
- 官方还有一条环境免责：GPT 的评测在其研究环境或经 API 进行，可能因系统提示、可用工具、推理强度等差异，与生产版 ChatGPT 的输出略有不同。
- 官方还自曝了一处对照口径问题：AutomationBench 上 Claude Fable 5.1 的成本数据被低估，因为未计入 fallback 成本，而该模型约 40% 的任务需要 fallback。
价格与使用成本
三档单价照官方抄即可，但有两处别弄错：
- 缓存输入是独立的一档，不是「打过折的输入价」。做长上下文 agent、上下文复用率高的团队，这一档（$0.10）通常决定总成本量级，建议在自己的成本表里单独列一行。
- Ultrafast 是另一套定价，官方没有公布它的价格倍数（我们未取到）。所以本文不写「Ultrafast 贵几倍」，也不做「迁移后能省多少」的估算——官方只给了成本-性能图与每任务成本点值，没有给可复算的公式。
辩证评估
正面：它把前沿档的能力价格锚往下压了一档；缓存输入 $0.10 对复用上下文的 agent 任务是最实用的一项；发布页把评测口径、环境差异与一处对照数据问题都写出来了，透明度高于同类发布页的平均水平。
反向至少三条：
- 全部为厂商自测，且对照分数取自公开报告——横向比较的可靠性因此有限。
- 「接近」不是「等于」：官方自己保留了大模型在科研任务上的推荐位（Terminal-Bench Science 最高分仍是 Astra）。
- 这不是这一代的上限：同代更强的 GPT-6.1 Astra 在 9/28 被决定不发布（见 topic 195），读者拿到的不是最高那一档。
已知 vs 待验证
已知（我们已直取官方模型页与 recap 全文）：三档 API 价与模型 ID；官方对照卡三个模型的六个数；DeepSWE／GDP.pdf／AutomationBench／OSWorld 2.0／Terminal-Bench Science／事实性／安全各段的官方描述；可用范围（含「尚未进入普通 Chat」）；Ultrafast 为「未来数日」推出；两条免责与一处自曝口径问题。
未取到：系统卡附录正文（deploymentsafety.openai.com/gpt-6-1-sol，我们未读）；Ultrafast 的官方定价；第三方独立复测（本场仍无）。
第三方口径、官方 recap 未提：$200 Pro 档位用量从 20× Plus 降到 10× 仅见于 BGR 报道与 OpenAI 员工社媒说明——本文不采用。
我们未复现：本文所有分数均来自官方自测，我们没有跑过其中任何一项。
给读者的建议
- 做编码或 computer use agent、上下文复用多：把缓存输入 $0.10 单独建模，这比看输入价 $2 更能反映真实花费。
- 不要把最难的任务也迁过去：官方自己写明最难的科研任务应用 GPT-6 Astra，这一条比任何对比表都直接。
- 做横向对比时：记住对照分数取自公开报告，不同评测环境的分数不要拼成一张榜。
来源链接
官方来源
- GPT-6.1 Sol 官方模型页（2026-09-29 起可用）：https://openai.com/index/introducing-gpt-6-1-sol/
- DevDay 2026 官方 recap（页载 September 29, 2026）：https://openai.com/index/devday-2026-recap/
- 系统卡附录：https://deploymentsafety.openai.com/gpt-6-1-sol
本刊相关
- topic 169｜GPT-6 Sol／Luna（2026-09-22）：https://bbs.jimu.chat/t/169
- topic 195｜OpenAI 决定不发布 GPT-6.1 Astra：https://bbs.jimu.chat/t/195