OpenAI在9月底刚刚发布了GPT-6.1 Sol，这是当下最值得关注的大模型之一。很多想用它做工作的人都在问一个问题——到底要花多少钱？我得直说，GPT-6.1 Sol的价格挺有竞争力的。输入成本只要2美元/百万Token，输出10美元/百万Token，这个价格基本上是GPT-6 Astra旗舰款的五分之一左右。如果你用缓存功能，输入成本能压到0.1美元/百万Token，便宜得不行。下面我给你详细扒一下这个模型的方方面面。
简单说，GPT-6.1 Sol是GPT-6 Sol的升级版。但这不是小改小补，性能上升挺明显的。它在做代码开发、文档理解、处理复杂PDF这些工作上，表现已经接近OpenAI最顶尖的GPT-6 Astra了。特别是在以下几个方面：
最狠的是，它能做这么多事儿，性能还这么强，价格却便宜得要死。对很多公司来说，这就是”刚好够用又不浪费钱”的那个选择。
OpenAI对这个模型的标准API定价是这样的，按每百万Token计费：
我知道这些数字可能看起来有点抽象。咱们换个方式理解。假设你用它处理一份1万字的文档，大概是2万多个Token吧。输入成本最多4分钱，输出的话看生成多少内容，但整个来回下来，基本上几十分钱就够了。这对比一些其他服务，真的是白菜价。
Astra是OpenAI目前最顶级的模型，但价格也最贵。下面是对比：
但这里有个关键点：Astra的智能程度确实更高。如果你做超复杂的任务，用Astra。如果是日常工作、代码调试这类，Sol差不了太多，价格却能省一大笔。
上一代GPT-6 Sol在9月22号才发的，现在就被升级了。对比一下：
所以新版的主要优势是缓存成本更低。对于要重复处理类似数据的工作来说，这是个明显的福利。
GPT-5.6 Sol是去年夏天发的，那时候定价是这样的：
新版本是老版本的五折。能力还全面升级。这就是为什么这么多人开始关注它。
光知道单价没用，得知道实际怎么花钱。OpenAI的计费公式是这样的：
总费用 = （输入Token数 ÷ 1,000,000 × 输入单价）+ （缓存输入Token数 ÷ 1,000,000 × 缓存单价）+ （输出Token数 ÷ 1,000,000 × 输出单价）
咱们看个真实例子。你用它写代码，一个任务投入了50万个Token（输入），模型生成了10万个Token（输出）：
就2块钱。如果涉及缓存（比如你的系统每次都要检索一份大文档），缓存部分还能便宜95%。所以要是你的工作流程中有重复的数据，用缓存功能基本上能把成本砍半。
OpenAI还提供几种加速模式，费用会更高：
这些加价模式对常规工作用处不大，但如果你赶时间，钱也不差，这些选项还是有的。
如果你是开发者、用Codex做编程自动化，或者企业要部署AI代理，GPT-6.1 Sol几乎是最优选。原因很直白：
也别盲目跟风。这些场景下可能不是最优选：
从我的观点，它值。主要原因是这样的：
但也得考虑自己的实际需求。不是贵的就好，也不是便宜的就差。GPT-6.1 Sol这个定位，就是想要好的、也想控成本的团队的菜。
OpenAI对不同用户的支持情况不一样。现在的情况是：
如果你是付费用户或开发者，现在就能试。如果是免费用户，可能得再等等，或者先升级到付费方案。
总结一下吧：GPT-6.1 Sol就是OpenAI为那些既要性能、又要控成本的用户量身定做的。价格上，它完胜之前的版本；性能上，接近最顶级的模型；成本效率上，基本没有竞品能比。如果你还在纠结要不要用AI模型做工作，但价格一直是顾虑，这个模型值得认真考虑。
Muse和Dots看起来都是AI助手，但一个是Meta的”执行型”，一个是OpenAI的”对话型”。Muse能替你办事——...
2026-10-07
OpenAI又搞了个大动作。2026年9月29日的DevDay大会上，奥特曼站台发布了全新的常驻AI智能体Dots。这东西跟以前的ChatGPT完全...
2026-10-06
OpenAI dots本身不是一个需要下载安装的独立软件，它运行在OpenAI自己的云端服务器上，你通过现有的ChatGPT客户端和各种消息...
2026-10-01
GPT-6.1 Sol的定价表看起来简单，但其中藏着一个容易被误读的结构。官方宣传”五分之一于Astra的价格”，这个表述...
2026-10-03
GPT-6.1 Sol发布后，官方基准数据看似亮眼，但实际测试中暴露出一系列结构性问题。第三方评测显示，模型在代理任务上运行时...
2026-10-03