AI 观察 · 评测与成本
GPT-6.1 Sol：评测只差 Astra 1 分，任务成本却不到四分之一
52 分与 53 分，0.72 美元与 3.26 美元。先看清这两组数字比较的是什么。
当一个模型的评测分数已经接近更贵的旗舰，我们还要为那一点差距付多少钱？GPT-6.1 Sol 的新评测，把这个问题摆到了面前。
9 月 29 日，独立评测机构 Artificial Analysis 发布结果：在 max 推理配置下，GPT-6.1 Sol 的智能指数为 52 分，GPT-6 Astra 为 53 分；对应的每个评测任务成本分别为 0.72 美元和 3.26 美元。评测机构原文
分数差 1 分，成本约为对方的 22.1%。这值得关注：对一些原本用 Astra 处理的工作，新 Sol 可能提供一个成本更低的候选。
01 “不到四分之一”，到底是哪笔钱？
先把数据摆在一起。以下为核对时 Artificial Analysis 模型页显示的结果，两者均采用 max 配置。Sol 模型页、Astra 模型页。
0.72 ÷ 3.26 ≈ 22.1%，也就是这一评测口径下，Sol 的成本比 Astra 低约 77.9%。这里没有把 52 ÷ 53 换算成“保留了 98% 的能力”：智能指数分数不能这样解释。
Artificial Analysis 的“每任务成本”，是按其智能指数权重计算的评测任务加权平均成本。它结合实际消耗的输入、缓存、推理和回答 token 及对应价格计算，并不是向模型问任意一个问题的固定收费。成本定义
整理一份短邮件、检查一段代码、处理一组长文档，消耗量可能完全不同。把评测里的 0.72 美元当作每次调用的价目表，账就会算错。
这组数字给出的，是同一评测框架下的成本比较；你的工作能省多少，还要看它如何完成任务。
02 单价没降，为什么比上一代更省？
OpenAI 官方模型页列出的 GPT-6.1 Sol 基础文本价格，是每百万输入 token 2 美元、输出 token 10 美元，缓存输入为 0.10 美元。官方价格与模型说明
Artificial Analysis 的发布帖指出：普通输入、输出单价与 GPT-6 Sol 相同，但缓存读取折扣从 90% 提升到 95%。同时，max 配置下的每个评测任务成本，从旧 Sol 的 1.05 美元降至新 Sol 的 0.72 美元，约低 31%。评测机构说明
95% 的折扣，意思是缓存命中时支付普通输入价格的 5%。以每百万输入 token 2 美元计算，缓存读取价格就从 0.20 美元变成了 0.10 美元。只有符合缓存条件并实际命中的部分，才能享受这项价格。
更有意思的是，同一发布帖还指出：新 Sol 在不同推理配置下，比旧 Sol 使用约多 10%—30% 的输出 token。它并没有靠“少说一点”实现所有节省。
所以，输出 token 数、每个 token 的价格、缓存使用情况，必须放在一起看。评测任务成本下降，不能简单归因于输出更短，也不能仅凭缓存折扣就解释全部 31% 的差距。
03 只差 1 分，能直接替代 Astra 吗？
此次智能指数 v4.3.2 综合了 10 项评测，覆盖智能体知识工作、编码、知识与推理、长上下文等方向。一个总分，汇总的是多种任务的表现。指数组成
总分接近，并不保证每个分项都接近，更不保证你手上的那项工作恰好属于两者差距较小的部分。就像两个人考试总分相差一分，擅长的科目仍可能不同。
从这次评测中，可以得出一个具体的试用方向：挑出那些已经有明确验收标准、目前又需要较高调用成本的工作，用新 Sol 做一次对照。
例如，拿同一份材料生成固定模板简报，或让它修复一个已有复现步骤的页面问题。给两个模型相同材料、提示词和工具条件，固定配置，记录结果是否合格、总耗时、包含重试的总费用。
这些是建议的试用方法，本文没有运行这组模型对比。真正有用的结果，是你能判断它省下的钱，是否足以抵消多出来的检查、返工或等待。
还有一个配置细节：OpenAI 模型页标明，GPT-6.1 Sol 的默认推理档位是 medium；本文引用的 52 分和 0.72 美元，对应的是 max。只选择同名模型、没有核对档位，并不等于复现了这张成绩单。
