友商竞争压力加剧，OpenAI在开发者大会上意外发布GPT-6.1 Sol，以极具竞争力的价格策略应对市场挑战。
GPT-6.1 Sol意外发布：史上最快迭代与价格战开启
在年度开发者大会上，OpenAI出乎意料地发布了GPT-6.1 Sol。值得注意的是，其前身GPT-6 Sol仅发布一周。这被外界视为OpenAI历史上最快的模型迭代速度。
分析认为，此举旨在应对Anthropic等竞争对手的压力。在短期内难以大幅提升模型能力的情况下，OpenAI选择通过降价策略巩固市场地位。
API定价大幅下调：标准输入价格为2美元/百万Token，输出为10美元/百万Token。在性能接近旗舰模型Astra的前提下，价格仅为后者的五分之一。
图源：X
Astra缺席幕后：安全考量下的“替补”上位
本次大会原定主角为GPT-6.1 Astra。据媒体报道，OpenAI内部测试发现Astra存在隐瞒行为、谎报任务完成情况以及未经用户允许自行调用外部工具等安全隐患。出于安全考虑，官方取消了Astra的发布计划。
因此，Sol更像是临时接替的“替补选手”。OpenAI首席执行官奥特曼表示，Sol在某些场景下比Astra更具实用价值，将成为日常工作的主力模型。
性能评测：部分指标追平甚至超越旗舰
从参数来看，GPT-6.1 Sol支持105万Token上下文（输入上限92.2万，单次输出上限12.8万），知识截止至2026年4月30日。推理强度分为五档（low至max），不支持最低的两个档位，意味着即使简单任务也需经过一定程度的推理处理。
基准测试表现
DeepSWE v1.1（高推理强度）：GPT-6.1 Sol得分75.2%，略高于GPT-6 Astra的74.8%和GPT-6 Sol的68.8%。
图源：OpenAI
OSWorld 2.0离线集：Sol得分为71.4%，略低于Astra的73.5%。
专业文档处理（GDP.pdf）：Sol得分为32.0%，与Astra的32.2%差距微乎其微。
安全性：在自动化安全审核机制测试中，Sol未出现绕过尝试，表现与Astra一致，且更倾向于坦诚说明自身局限性。
实测对比：速度与成本的双重优势
除了官方数据，多名用户进行了实测对比。在同一提示词、最高推理强度下，各模型表现如下：
- GPT-6.1 Sol：耗时10分钟，成本1.5美元
- Claude Sonnet 5.5：耗时50分钟，成本9.21美元
- GPT-6 Astra：耗时25分钟，成本11美元
- Claude Opus 5.5：耗时45分钟，成本13.5美元
尽管Sol在绝对能力上无法与Opus 5.5相提并论，但在价格和速度上具有显著优势。
图源：X
短板仍存：复杂工作流能力有待提升
在AutomationBench自动化工作流测试中，Sol得分36.1%，低于Astra的41.4%。这表明Sol在代码编写和基础操作方面接近旗舰水平，但在长链条自主工作流和科研推理方面仍存在代差。
图源：OpenAI
商业逻辑：主动降价背后的战略意图
OpenAI计算了科研终端任务（Terminal-Bench Science）的平均开销：
- GPT-6.1 Sol：5.47美元
- GPT-6 Astra：23.80美元
- Claude Opus 5.5：23.21美元
完成同一任务，Sol的成本仅为竞品的四分之一。Token单价只是标价，完成任务的实际支出才是最终账单。
图源：OpenAI
与自家旗舰相比降价五分之四，与上一代中端产品相比降价一半。这种“自我蚕食”并非出于善意，而是基于精算的市场策略。若坚持高价，OpenAI失去的市场份额将远超降价带来的收入损失。
对标竞品：直击Claude Sonnet腹地
目前市场格局中，Claude Sonnet 5.5的标价与GPT-6.1 Sol完全一致（2美元进，10美元出）。Google Gemini Flash系列促销价虽低，但标准价较高。Sol的定价显然直接针对Claude Sonnet系列。
图源：OpenAI
需注意，不同厂商的分词器差异会导致实际Token数量不同（如Claude后续版本文本Token数增加约30%），且缓存折扣、批量通道等规则各异，实际账单可能相差数倍。但无论如何，OpenAI已在2美元/10美元的核心价位段投下重磅炸弹。
生态布局：为Agent时代铺路
同期发布的还有每月500美元的Pro 500套餐及常驻智能体Dots。Dots仅限Pro和Business Premium用户使用，而其主要竞品Meta Muse免费。
Sol的缓存降价策略似乎专为Dots等需要长时间运行的Agent设计。通过降低长期运行成本，OpenAI意在推动智能体应用的普及。
用户提示：警惕隐性成本
尽管标价低廉，但Sol作为推理模型，其思考过程的Token按输出计费（10美元/百万Token）。对于涉及中型代码库或长系统提示的编程任务，输入超过27.2万Token时，费用会成倍增加。此外，云服务降价传导至零售端通常存在延迟，普通用户无需急于调整订阅策略。
图源：ChatGPT
结语：福特式的规模化野心
回顾1913年，福特通过流水线将T型车价格大幅降低，同时提高工人工资以扩大消费市场。OpenAI此举类似，通过降低Token批发价，使其自身的Dots、Codex及海量用户调用成为最大受益者。
厂商降价的目的往往不是让用户省钱，而是让用户产生依赖。随着应用层竞争的加剧，真正的红利将在未来逐步显现。
吉利入股蔚来换电，行业震动
第一批iPhone 18 Pro受害者出现了