GPT-6.1 Sol vs Astra：选错模型，钱和能力都浪费

点击蓝字

关注我们

OpenAI 把 GPT-6.1 Sol 放出来，官方话说能力接近 Astra、价格只有五分之一。我第一反应是：吹的吧？差五倍的钱，分数得掉多少？这篇把账算清楚——你省下的钱，到底对应多少分差距，哪些活值得多花那笔。

两款都有多个推理档位，比能力先统一看 max，再单独拆新 Sol 的五档表现。

先摆价。Standard API、输入不超过27.2万 token 时，单位是美元每百万 token：

普通输入输出差五倍，缓存读取差十倍。举个实在例子：一次请求 10万普通输入、2万输出，Sol 花 0.40 美元，Astra 花 2.00 美元。这还没算模型自己生成多少推理 token、调几次工具，那会继续叠账单。

输入超过 27.2万 token，整次请求的输入和缓存费率翻倍、输出变 1.5 倍。Fast 费率是 Standard 的两倍，Batch、Flex 是它的一半。这些 API 费率跟 Codex 订阅额度分开算，订阅里还能跑多少任务，得看产品里显示的实时额度。

独立机构 Artificial Analysis（简称 AA）的 max 测评给了另一组数：Sol 综合 51.83，Astra 52.67；加权任务成本分别 0.72、3.26 美元。这组任务里 Sol 成本约 Astra 的 22%，总分只差 0.84。AA 在 221 个可比配置里把 Sol 排第 10、Astra 排第 7。

AA 当前综合指数 v4.3.2，由 10 项评测组成，下面另补了科研终端和视觉推理。所有百分比都是各自测试内的，Elo 也只在同一行里比：

Astra 的优势集中在连续操作：终端、科研、软件工作流。Sol 在 GDPval 的 1575 高于 Astra 的 1542，AA-LCR 的 83.0% 也高于 80.7%——整理文档、啃长材料时，Sol 完全够用。Briefcase 那几分 Elo 重叠，不足以单独定夺。

拿 Terminal-Bench 4.0 说，AA 用同一个 mini-swe-agent 环境，66 个任务各跑三次。Sol 56.1%、Astra 59.1%；每题费用分别是 1.82 美元、8.50 美元。这差价足够让常规开发先试 Sol，再用本项目的测试结果决定要不要升级。

LiveBench 当前下载表用 2026-06-25 题集，已加入新 Sol。按网站七类均值再平均复算，Astra max 82.16 分、第 4，Sol max 81.62 分、第 6：

两者普通代码都是 80.36，Agentic Coding 是 54.55 对 57.32。结合 AA 的终端测试，Astra 在要持续动手的代码任务上仍占优；光看补全生成代码，差距很小。LiveBench 还收了 Sol xhigh：综合 81.11，但 Agentic Coding 56.77 比 max 的 54.55 还高。

新 Sol 刚发布，各榜收录进度不一，下面是目前能核对到的：

Arena 两张榜测的不同，第 2 和第 26 不矛盾：前者比网页开发作品，后者比用户对文本回答的偏好，都还缺新 Sol 直接对照。Vals 要认版本，v2.1 的 63.13% 才是当前可比的，榜里 GPT-6 Sol 是上一代。

DeepSWE 独立榜 9月22日还没新 Sol；OpenAI 在新 Sol 发布文里说它在 DeepSWE 1.1 比旧 Sol 高 6.4 个百分点、约五分之一成本接近 Astra——那是发布方测评，分开读。

ARC-AGI-3 看运行环境：Astra 在 Standard harness 下最佳 62.7%（max），换保留推理状态、支持长对话压缩的 Provider Adapter 后最佳 99.9%（high），引这张榜必须带框架。OSWorld、SWE-bench 目前没有可直接比的新 Sol 成绩。

官方 API 支持 low、medium、high、xhigh、max，默认 medium，不收 none 或 minimal。下面是 AA 同一版本指数的结果，费用是那套评测的加权平均每任务成本：

high 当日常起点。比 medium 综合多约 2.45 分、成本多约 49%——理解项目、改代码、查文档我接受这预算；纯改格式文案、提取明确字段，先 medium，特别简单的降到 low。

复杂代码从 xhigh 起。high 到 xhigh，终端通过率 51.5% 升到 54.0%，成本多约 23%。涉及多文件、疑难排错、多步工具操作，这个档位值得先试。

xhigh 升 max，综合只多约 0.80 分、成本多约 84%，两次升档增量接近、后一次贵得多，留给已经明确卡住的任务。

时间也得算。AA 按输出 token 和生成速度估，high、xhigh、max 加权每任务生成约 3.45、4.67、9.11 分钟，这指标不含首 token 等待和工具开销，日常总等待会另有差异。

如果 Sol xhigh 连续卡在同一处，先看失败原因：缺文件、权限或测试环境就补齐；题目清楚、材料齐全却推不动，再比 Sol max 和 Astra。AA 科研终端测评里 Astra max 领先新 Sol 约 5.2 个百分点，遇困难科研流程我会更早切 Astra。

最后提醒一句：推理档位和速度模式是两件事。选 high 还是 xhigh 决定模型投多少推理预算；Standard、Fast、Ultrafast 是速度与计费模式。新 Sol 的 Ultrafast 发布时还说随后开放，当前入口以产品为准。

想 get 互通行业一手资讯、交流踩坑经验，免费领取【2026 大模型全套资料】+【AI 全套学习资源】👇