GPT-6 Sol

GPT-6 Sol 是 OpenAI 于 2026 年 9 月 22 日发布的 GPT-6 推理模型，面向复杂编程和 Agent 工作流，价格与定位介于 GPT-6 Astra 和 Luna 之间。OpenAI 把这一代的重点放在成本效率上：标准 API 输入从 GPT-5.6 Sol 的每百万 token 4 美元降到 2 美元，输出从 20 美元降到 10 美元。独立测试基本支持“更便宜但能力没有掉下去”这条主张，但也暴露出更重要的选型变量：同一个 Sol 从 high 提到 max，Artificial Analysis Intelligence Index 只从 43 升到 48，每任务成本却从 0.37 美元升到 1.06 美元。Sol 的价值因此不在于“总是开最高档”，而在于能用 reasoning effort 在能力、成本和延迟之间换挡。

50% 的 token 降价在同档位独立测试里基本站得住

OpenAI 的发布页把 GPT-6 Sol 的标准输入/输出单价列为每百万 token $2/$10，正好是 GPT-5.6 Sol 促销价格 $4/$20 的一半。把两代模型放在相同的 high effort 下，Artificial Analysis 的独立结果是 GPT-6 Sol 综合分 43、每任务 $0.37，GPT-5.6 Sol 为 42、每任务 $0.81。按这组任务计算，Sol 的每任务成本低约 54%，同时综合分高 1 分。

这不是全面碾压。相同 high 档位下，GPT-5.6 Sol 在 SciCode 是 58%，GPT-6 Sol 是 55%；Humanity's Last Exam 也是 46% 对 44%。GPT-6 Sol 的优势主要来自 Agent 与工具任务，例如 AutomationBench-AA 为 60% 对 55%，Terminal-Bench 4.0 为 26% 对 21%。这说明新一代更像是把相近能力重新压到更低的运行成本，而不是每个 benchmark 都刷新前代上限。

官方最亮眼的对比主要选了高价模型，换成同价位对手后结论更接近“有竞争力”

OpenAI 在发布页重点展示 AutomationBench：GPT-6 Sol xhigh 得 33.2%，单任务约 $0.27；Claude Opus 5 max 得 26.9%，成本是 Sol 的 11.1 倍。这个对比确实说明 Sol 可以用很低的成本完成部分长流程 Agent 任务，但对手属于明显更贵的前沿档。OpenAI 自己也注明：GPT 模型是在研究环境或 API 中评估，可能与生产版 ChatGPT 不同；竞品成绩取自公开报告；Fable 5.1 的一项成本还没有计入约 40% 任务触发的 Opus fallback。

同价位附近的独立数据更适合做选型。Artificial Analysis 中，GPT-6 Sol max 的 Intelligence Index 是 48，Kimi K3 max 是 44；两者每任务成本分别是 $1.06 和 $2.00。Sol 在 Terminal-Bench 4.0 上是 44% 对 13%，但 Kimi K3 在 AA-LCR v1.1 是 89% 对 84%，SciCode 也以 59% 略高于 Sol 的 58%。对 GLM-5.3 max，Sol 综合分 48 对 45；GLM-5.3 的 token 单价更低（输入/输出 $1.40/$4.40 对 $2/$10），但在这套评估里平均每任务输出约 71K token，而 Sol 约 31K，最终每任务成本反而是 $2.01 对 $1.06。这组结果支持 OpenAI 的成本效率主张，但不是“所有同价位模型、所有任务都更强”。

reasoning effort 比型号名更能决定 Sol 的实际性价比

Artificial Analysis 对同一模型不同 effort 的测试显示，high 到 max 时 Intelligence Index 从 43 升到 48，每任务成本从 $0.37 升到 $1.06，约为原来的 2.86 倍。平均每任务输出 token 从约 10K 增到 31K，推理 token 从约 5K 增到 21K；首 token 延迟从约 9.2 秒 增到 178.3 秒。max 的提升主要集中在更难的长程任务，例如 Terminal-Bench 4.0 从 26% 升到 44%；但 GDP.pdf 从 28% 降到 25%，AA-Omniscience 都是 27，AA-LCR v1.1 都是 84%。

Artificial Analysis 说明其综合指数基于 10 组评测，当前方法估计整体 95% 置信区间小于 ±1 分，但单项评测的区间可能更宽。因而 43 到 48 的综合差距不太像一次运行的随机波动；同时也不能把某一个子 benchmark 的两三个百分点变化当作稳定排序。对 Sol 来说，reasoning effort 不是一个无关紧要的“质量旋钮”，而是直接改变每次任务要消耗多少推理 token、要等多久，以及最终成本的核心配置。

105 万官方上下文与第三方的 872K 标注不一致，长上下文还会触发额外加价

OpenAI API 文档明确列出 GPT-6 Sol 的上下文窗口为 1,050,000 token、最大输出 128,000 token，知识截止日期为 2026 年 4 月 20 日；本站结构化字段因此继续采用官方的 105 万。Artificial Analysis 的 GPT-6 Sol 测试页则把上下文标为 872K token，页面没有解释两者为何不同。这里不应把第三方数字覆盖到官方规格上，但这处差异需要保留为未解释的数据冲突。

长上下文的价格也不是统一的 $2/$10。OpenAI 规定单次请求输入超过 272K token 后，整次请求的输入和缓存费率按 2 倍计，输出按 1.5 倍计，也就是标准文本输入/输出变为每百万 token $4/$15。因此 105 万上下文代表可用容量，不代表把上下文拉满后仍维持短请求的单位成本。

适用边界：高强度 Agent 可从 high 起步，绝对能力和极低成本都有更具体的替代项

如果工作负载是持续的编程、工具调用和 Agent 任务，同时要控制成本，独立数据里的 high 是一个更低成本的运行点：综合分 43、每任务 $0.37；当任务确实依赖更强的长程编码能力时，max 在 Terminal-Bench 4.0 上把成绩从 26% 提到 44%，这时额外成本有明确回报。若目标是当前公开综合评测中的绝对能力，Artificial Analysis 的榜首 Claude Opus 5.5 max 得 58 分，Sol max 为 48；对应每任务成本约 $5.98 和 $1.06。OpenAI 自己也把 GPT-6 Astra 定位为 GPT-6 家族“across the board”的最佳模型。

若更看重开放权重或更低的 token 单价，GLM-5.3 max 是更接近 Sol 能力区间的候选：综合分 45，输入/输出为 $1.40/$4.40；DeepSeek V4.1 Flash max 则把输入/输出压到 $0.30/$1.20，综合分为 39、每任务约 $0.27，而 AutomationBench-AA 反而以 69% 高于 Sol max 的 62%。这些对手说明 GPT-6 Sol 的优势最清楚地落在“较强 Agent/编码能力 + 可调 effort + 中等 API 成本”的组合上，而不是单独某一项指标。