OpenAI发布GPT-6.1 Sol，主打低价智能体

发生了什么

OpenAI在9月29日发布GPT-6.1 Sol，把编程、电脑操作和专业任务作为主要使用场景。标准API输入、输出分别为每百万词元2美元和10美元，缓存输入为0.10美元。发布时可在ChatGPT Work、Codex和API使用，普通Chat尚未接入。1

这次更新最值得小团队关注的是预算内能完成多少工作。官方把它定位为接近Astra能力、价格更低的选择，但这不等于任何任务都能省下相同比例的钱。1

具体是什么

可以把它看成执行复杂日常任务的一种新选择。模型负责理解材料、规划步骤和提出工具调用；实际访问仓库、读取网页与运行程序，仍取决于所在产品或开发者提供的环境。发布页中的性能结果来自特定测试，工具和推理强度也是结果的一部分。1

对内容团队而言，适合评估的任务可以是从采访材料整理选题、从多份报告提取事实，或者制作可复核的表格。对独立开发者，则可以选已有测试和明确验收条件的小功能，以便准确判断收益。

怎么用

先准备一组已经知道正确结果的任务，保留输入文件、验收标准和旧模型的结果。不要在切换模型时同时重写所有提示词，否则很难知道改善来自哪里。

在Codex或Work中选择该模型，API使用模型标识gpt-6.1-sol。1 第一轮记录是否完成、人工修订耗时、总费用和错误类型；第二轮再调整推理强度。建议把“交付物能否直接使用”作为主要指标，而不是只比较生成速度。

重复调用时，可把稳定的说明与参考材料放在可复用的上下文中，并观察实际缓存命中。只有账单中的缓存读数出现变化，才能确认成本优化是否真正发生。

意味着什么

我的判断是，较低的执行成本会让过去不值得自动化的小任务变得可尝试。例如，每周整理客户反馈、检查内容中的引用、生成变更说明，都可以先做小范围验证。

团队也可以把工作拆成两段：先确定需求和验收方法，再让模型执行和自检。复杂决策是否交给更强模型，应由实际失败样本决定。模型名称本身不能替代对任务难度的判断。

这也意味着，团队应保存失败样本，并把可复现的错误留作下一次升级的回归检查。

局限与风险

官方称多个测试接近Astra，但它仍在明确指出最困难科研任务更适合Astra。1 不宜把相近分数理解成两者在所有领域等价。

长任务还会产生工具、重试、环境和人工复核成本。涉及客户材料时，应确认所选产品的数据设置；涉及代码时，要检查真实运行结果。本文核验了公告，没有亲自运行该模型，所有速度和能力描述均保留其适用条件。