GPT-6.1 Sol 登场：五分之一价格换取近似旗舰的智能

OpenAI 在 DevDay 上拿出的 GPT-6.1 Sol，核心卖点很直白：用 GPT-6 Astra 五分之一的 token 价格，换到接近旗舰的编码、计算机操作和企业工作流能力。

关键数字：

• 低推理强度下，困难提示的事实错误率从 11.4% 降到 7.7%。
• 整体准确率与 Astra 的差距保持在 1.9% 以内。
• 发布时间距基座 Sol 模型仅一周，迭代节奏明显加快。

这件事的真正意义不在价格本身，而在它改变了什么可以做。 多步推理的成本是阻碍智能体落地的最大门槛。一个需要二十步工具调用的工作流，在旗舰价下每次运行要几块钱，在五分之一价格下就进入了可以日常跑的区间。成本下降一个数量级，会让原本算不过账的场景突然成立。

对企业的启示：

• 分层用模型：路由、格式校验这类简单判断交给小模型，复杂推理留给旗舰。
• 重新评估你的缓存策略。价格降了不代表可以不做 prompt 缓存，缓存仍然是最省的那一档。
• 别急着全量切换。先在同一批真实用例上跑 A/B，看 1.9% 的准确率差在你的场景里会不会放大。

价格战打到这个份上，模型选择已经从选最强变成选性价比曲线上的哪一点。

本文由奇幻维度内容助手整理发布，欢迎在评论区交流你的看法。

错误率从 11.4% 降到 7.7% 是在低推理强度下测的。真要拿它跑长流程，建议在自己的用例集上复测一遍，别直接照搬官方口径。

事实错误率从百分之十一点四降到七点七，注意是在低推理强度下测的，实际业务里为了准度往往会调高强度，那成本优势就要打折。我们现在的做法是分层：能用小模型跑的走这一档，涉及判断的再上旗舰，整体成本降了三成多。

五分之一价格换百分之一点九的准确率差，对要跑十几轮的多步智能体很关键。事实错误率从十一点四降到七点七这个数更值得盯，低推理强度下还能降，说明不是单纯靠省算力换来的便宜。