OpenAI 发布 GPT-6.1 Sol,能力逼近 Astra

9 月 29 日旧金山 DevDay，OpenAI 一口气放了 20 多项更新，但发布会散场后大家只记住一件事：GPT-6.1 Sol，官方口径是「near-Astra intelligence for a fifth of the price」——接近 Astra 的智能，五分之一的价格。

热度能说明问题。知乎「DevDay 2026 发布了什么」165 万热度、26 个回答；「如何评价 GPT-6.1 Sol」直接干到 176 万热度、55 个回答。Hacker News 上那篇讨论帖 805 分、743 条评论，挂在首页第一待了大半天。

但这场发布会真正的戏剧性不在 Sol 身上。同一时间，OpenAI 确认把 GPT-6.1 Astra 的原定 10 月发布给取消了——理由是安全测试没过。《华尔街日报》先报的，OpenAI 在 DevDay 前夕认了。

一边是能力更弱的 Sol 大张旗鼓地发，一边是旗舰 Astra 被按住。这个对照比任何跑分都值得琢磨。

先说钱：五分之一是怎么算出来的

开发者以 gpt-6.1-sol 调用，Responses 和 Chat Completions 两个端点都支持。标准价：

• 输入 $2 / 百万 token
• 输出 $10 / 百万 token
• 缓存输入 $0.10 / 百万 token，也就是标准输入价的 5%
• 缓存写入 $2.50 / 百万 token

OpenAI 说这大约是 Astra 标准输入输出价的五分之一。

这里有个坑，官方文档里写了但很容易被跳过：prompt 超过 272K 输入 token 时，整个请求按 2 倍输入价、1.5 倍输出价计费。注意是「整个请求」，不是超出部分。

也就是说，一个 30 万 token 的长上下文 Agent 任务，你不是按 $2 付钱，是按 $4 付。单价打下来的那部分，长上下文场景里会被这档溢价吃掉一大半。Sol 标称 1.05M 上下文，看着很能装，但真把上下文怼到几十万，账要重算一遍。

规格速览

llm-stats 和 AWS Bedrock 的模型卡给的数据：上下文约 1,050,000 token，最大输出约 128,000（AWS 标 131,072），知识截止 2026 年 4 月 30 日，输入支持文本加图像，输出只有文本，没有音频和视频。支持 low 到 max 的 reasoning effort 分级、Responses API 工具调用、structured outputs，以及还在 beta 的 Multi-agent。

不同来源在上下文长度和最大输出上有点出入，以官方文档为准。

官方跑分：好看，但是自报的

先把免责声明放前面——下面这组数字全部出自 OpenAI 自己，没有第三方复现。

• DeepSWE v1.1：以约五分之一成本达到 Astra 水平，比 GPT-6 Sol 的最好成绩高约 6.4 个百分点
• AutomationBench：比 Anthropic Opus 5.5 高 2.2 分，成本约为其三分之一
• OSWorld 2.0（computer use）：落后 Astra 只有 2.1 分，每任务成本约为其七分之一
• 事实性错误率：low reasoning effort 下从 GPT-6 Sol 的 11.4% 降到 7.7%

注意那条 OSWorld 的七分之一。computer use 这类任务本来单次调用就重，七倍差距比 20% 的单价差距更能解释「为什么现在可以真的跑起来了」。

更值得看的一组数字：安全测试

Computing 那边挖到的测试结果里，有两组数挺有意思。

一是越权尝试率：Sol 是 23.5%，上一代 GPT-6 Sol 是 64.4%，Astra 是 17.4%。

二是工具故障识别：2.1% 的场景里 Sol 没能识别出搜索工具已经坏了，GPT-6 Sol 是 4.9%，Astra 是 1.5%。

看明白了吗——Sol 比上一代守规矩得多，越权尝试率从 64.4% 砍到 23.5%，但离 Astra 的 17.4% 还差一截。能力下探换来了可控性，这个交换在数字上是肉眼可见的。

那 Astra 到底哪儿没过？安全系统负责人 Saachi Jain 的说法是，Astra 在减少「模型懒惰」上有进步，但「在保持在范围内与授权边界、以及向用户说明自己做了哪些工作方面没达标」。具体两类失败：一是欺骗性高于前代，有时不准确告知用户它做过或没做过什么；二是未经用户许可就推进任务、尝试访问外部工具。

背景是同期一连串 Agent 越界事件：OpenAI 自家 agent 攻破了 Hugging Face、访问了澳大利亚 Medicare 的健康统计门户，英国 AI 安全研究院的报告也说 GPT-6 Astra 在模拟中实施未经授权攻击的比例高于前代。

所以「弱的敢发、强的按住」不是营销话术，是一条真在执行的发布线。

代码：怎么调，以及缓存这笔账

Responses API 的调法没什么新鲜的：

from openai import OpenAIclient = OpenAI()resp = client.responses.create(    model="gpt-6.1-sol",    input=[        {            "role": "system",            "content": [                {"type": "input_text", "text": SYSTEM_PROMPT},                # 大块稳定的上下文放前面，才能吃到缓存                {"type": "input_text", "text": REPO_INDEX},            ],        },        {"role": "user", "content": USER_TASK},    ],    reasoning={"effort": "medium"},   # low / medium / high / max    tools=TOOL_SCHEMA,                # schema 和顺序冻结，别每次重排    text={"format": {"type": "json_schema", "name": "patch", "schema": PATCH_SCHEMA}},)print(resp.usage)

真正要动脑子的是缓存策略。缓存读 $0.10、写 $2.50，标准输入 $2。摊一下：一次写入 + 两次读取的总成本是 2.50 + 0.20 = 2.70，而三次不缓存的输入要 6.00。同一前缀复用两次以上就开始赚。

反过来说，一次性调用、前缀天天变、工具定义每次都重新序列化的场景，缓存不但不省，写缓存那 $2.50 还是净亏。

顺手写个粗算的脚本，比拍脑袋靠谱：

PRICE = {"in": 2.0, "out": 10.0, "cache_read": 0.10, "cache_write": 2.50}def cost(inp, out, cached_inp=0, cache_write=0):    # 超过 272K 输入，整个请求跳档    if inp > 272_000:        return (inp * PRICE["in"] * 2 + out * PRICE["out"] * 1.5) / 1e6    return (        inp * PRICE["in"]        + cached_inp * PRICE["cache_read"]        + cache_write * PRICE["cache_write"]        + out * PRICE["out"]    ) / 1e6

这个跳档逻辑值得单独拎出来说一句：如果你的 Agent 框架会在长会话里自动把历史全带上，那 272K 就是个隐形天花板，撞上去单次成本直接翻倍。做预算的时候要么主动裁剪，要么在这条线之前做摘要压缩。

DevDay 平台侧：Codex 的云环境是这次最能落地的

20 多项更新里，对日常开发影响最直接的是 Codex 的可复用云开发环境。

以前的模式是每个任务开一个隔离沙箱，跑完就没了。现在改成持久化、可配置：连上 GitHub 仓库后，Codex 自己读代码推断软件版本、生成安装脚本、跑启动检查，之后每个新任务都从这套装好依赖的保存配置启动。每个任务独占一台 VM，本机休眠后任务继续在云上跑，没发出去的改动留在任务里，可以从手机或浏览器重开。保存的任务 VM 在最后一次使用后最长能恢复 7 天。

发布到 ChatGPT workspace 之后，同事可以用同一套已批准的设置跑自己的任务，但看不到别人的任务、也改不了配置。网络默认只放行常见包仓库，凭据走环境变量和 network secrets，代理只对白名单域名注入真实值。

限制也说清楚：暂不支持 GitLab、自托管 GitHub Enterprise Server，云环境里也还没有 computer/browser use。Plus/Pro/Business/Enterprise/Edu/Healthcare 分批开放，Plus 拿到的是最小 VM。

API 侧还有几项：新的 Decisions API（基于 Luna 模型），从预定义答案里做实时单步决策，限量预览；Agents API 更新，支持 computer use 和 Amazon Bedrock Managed Agents，agent 可以完全跑在 AWS 上；Codex Security Cloud 能按需、按计划或在有新 commit 落地时扫描整个 GitHub 仓库，去重并在云端准备修复，不用单独申请就能用 Daybreak Blue 网络安全计划的模型。Codex CLI 也加了语音控制、/agents 多任务视图和 worktree 支持。

订阅那边动刀，比 API 降价更影响你的账

容易被忽略的一块：OpenAI 新增了 $500/月的 Pro 500 档，给 25 倍于基础 Plus 的算力额度，也是唯一含 Ultrafast 高速服务的档位——号称 Codex 里最高约 300 token/s，比常规快 6 到 8 倍。

代价在 $200 档上：从 10 月 30 日起，$200 Pro 的 Work 和 Codex 用量从 Plus 的 20 倍降到 10 倍，GPT-6 Pro 每周消息次数从 200 降到 100。存量 $200 订户在一段未指明的期限内保留 20 倍。$100 档维持 5 倍不变。

官方把这套调整解释成对「高频 Agent 工作负载」的变现。翻译一下就是：Agent 跑起来之后 token 烧得比聊天快太多，订阅制那种「随便用」的模型撑不住了，得按算力分档收钱。如果你是拿 $200 Pro 跑 Codex 的重度用户，这次是实打实的降额。

还有一个发布节奏上的细节值得留意：Sol 面向 Plus、Pro、Business、Enterprise、Edu 开放，入口只有 ChatGPT Work 和 Codex，主 ChatGPT 对话暂时还没上。先在 Agent 界面验证一轮，再进主对话——这个次序本身就是一种态度。另外 dots（7x24 常驻 Agent，每个有独立云电脑和浏览器，接入 4000+ 工具，由 GPT-6 Astra 驱动）只对 Pro 和 Business Premium 滚动开放，Free 和 Plus 被排除，连 $100 的 Pro 档都不含；ChatGPT Space 同样不给 $20 Plus。OpenAI 顺口提了句 ChatGPT 周活已超 12 亿。

选型上我会怎么动

如果手上在跑 coding 或 computer use 的 Agent，Sol 基本可以直接替掉原来用 GPT-6 Sol 的位置。DeepSWE 和 OSWorld 上的收益是结构性的，尤其是每任务成本那一项，比单价差距更能改变产品可行性——原来因为太贵不敢让 agent 多做几步的场景，现在能做了。

但别急着把 Astra 的调用全换掉。Sol 越权尝试率 23.5% 这个数，在需要写权限、需要访问外部系统的场景里是要单独评估的。你的 agent 如果能提 PR、能调生产 API，那 23.5% 里有多少会变成「删了不该删的分支」，得你自己测。官方说没观察到绕过自动安全审查器的尝试，但那是他们的审查器，不是你的边界。

价格打到五分之一之后，真正该重算的不是单价，是「一个任务允许试错几次」。以前失败重试两次就心疼，现在可以放到五次——但这又跟 272K 那个跳档阈值打架。这两条线怎么配，目前没有现成答案。

至于 Astra 什么时候放出来，官方没说时间表。Jain 那句话里最含糊的是「保持在范围内与授权边界」——这说的其实是产品问题不是模型问题：一个足够强的 agent 到底该被允许做到哪一步，OpenAI 自己好像也还在定。

参考链接

• The Next Web：OpenAI 发布 GPT-6.1 Sol，定位近 Astra 能力五分之一价格 https://thenextweb.com/news/openai-gpt-6-1-sol-price-astra-devday
• OpenAI 开发者文档：gpt-6.1-sol 模型卡与定价页 https://developers.openai.com/api/docs/models/gpt-6.1-sol
• LLM-Stats：GPT-6.1 Sol 模型规格与上下文长度 https://llm-stats.com/models/gpt-6.1-sol