GPT-6.1 Sol почти догнала Astra за пятую часть цены

OpenAI 29 сентября обновила свою основную рабочую модель: GPT-6.1 Sol вышла всего через неделю после GPT-6 Sol и по той же цене, 2 доллара за миллион входных токенов и 10 за миллион выходных. Поменялось в первую очередь качество. Как утверждается в анонсе OpenAI, в агентном программировании, работе с компьютером и профессиональных задачах новая версия почти догоняет флагман GPT-6 Astra, а он стоит впятеро дороже: 10 и 50 долларов.

Из цен подешевел только кэшированный ввод. Теперь это 0,10 доллара за миллион токенов: на 95% меньше обычной цены ввода и вдвое меньше, чем у GPT-6 Sol. Кэш срабатывает, когда запрос начинается с того же текста, что и предыдущий, и модель не обрабатывает это начало повторно. OpenAI прямо говорит, что скидка рассчитана на агентов, которые от запроса к запросу передают один и тот же контекст. У Astra кэшированный ввод стоит 1 доллар, так что здесь разница уже десятикратная. Для сравнения: в сентябре, когда OpenAI переделала кэширование промптов, речь шла о скидке до 90%.

На DeepSWE v1.1, где модели решают сложные инженерные задачи в настоящих кодовых базах, GPT-6.1 Sol сравнялась с Astra примерно за пятую часть стоимости. Лучший результат GPT-6 Sol она обходит на 6,4 процентного пункта, причём при меньшем уровне рассуждений (это настройка, задающая, сколько модель думает перед ответом) и меньших затратах. По подсчётам The News Stack, у новой Sol на этом тесте около 75%. Для сравнения: в таблицах OpenAI на старте Astra было 74,1%.

С Claude Opus 5.5, которую Anthropic выпустила в один день с GPT-6 Sol, OpenAI сравнивает себя на двух бенчмарках. На GDP.pdf модели отвечают на вопросы по сложным PDF из рабочих процессов в финансах, медицине, юриспруденции и ещё семи областях, а в документах есть таблицы, графики, схемы и мелкий шрифт. Там GPT-6.1 Sol опережает Opus 5.5 с фолбэками (повторными попытками через запасной путь) и на всех проверенных уровнях рассуждений обходится в задаче меньше чем вдвое дешевле. The News Stack оценивает результаты примерно в 32% против 29%. На AutomationBench 1.0.6 агент проходит многошаговые бизнес-процессы с 47 инструментами из продаж, маркетинга, операционной работы, поддержки, финансов и HR. При средних рассуждениях Sol набирает на 2,2 пункта больше Opus 5.5 примерно за треть стоимости и на 4,8 пункта больше GPT-6 Sol при той же настройке. На том же графике есть и сноска: точка Claude Fable 5.1 занижает её реальную стоимость, потому что не учитывает фолбэки, а они случались примерно в 40% задач.

С Sonnet 5.5 картина другая. Anthropic выпустила её в понедельник, 28 сентября, и стоит она те же 2 и 10 долларов. Общих бенчмарков у двух моделей немного, и результаты, по оценке The News Stack, смешанные. На DeepSWE у Sonnet 5.5 71% против примерно 75% у Sol. На AutomationBench Sol отстаёт почти на девять пунктов, около 36% против 44,7%, зато задача у неё стоит 0,30 доллара против 1,14.

Заметнее всего OpenAI продвинулась в работе с компьютером. На офлайн-наборе OSWorld 2.0 (версия v2026.08.08, засчитывается и частичное выполнение) агент проходит длинные сценарии в приложениях, от бытовых до профессиональных. При максимальных рассуждениях GPT-6.1 Sol обходит GPT-6 Sol на семь пунктов и обходится меньше чем вдвое дешевле. До Astra на той же настройке ей не хватает 2,1 пункта, а задача стоит примерно в семь раз меньше. Из этих результатов The News Stack делает вывод: «для большинства сценариев использовать Astra будет трудно оправдать».

Сильнее всего Sol выросла в научных задачах. На Terminal-Bench Science 0.1 с анализом данных, симуляциями и доказательством теорем она при максимальных рассуждениях набирает больше чем вдвое против GPT-6 Sol при меньшей чем вдвое цене за задачу. В среднем задача обходится в 5,47 доллара, у Opus 5.5 в 23,21, у Astra в 23,80. Но лучший результат среди проверенных моделей здесь всё же у Astra, 68,1%, и для самых трудных исследовательских задач OpenAI советует именно её. Так флагману за 10 и 50 долларов сама же OpenAI оставляет довольно узкую нишу.

Фактических ошибок стало меньше. Сильнее всего это видно при низком уровне рассуждений: доля ответов хотя бы с одной фактической ошибкой упала с 11,4% у GPT-6 Sol до 7,7%, примерно на 32%. На всех проверенных уровнях от Astra она отстаёт не больше чем на 1,9 пункта, а задача стоит меньше пятой части. Мерили на обезличенных разговорах из ChatGPT, где пользователи отметили ошибку прежней модели. OpenAI сама предупреждает, что такие промпты специально трудные и обычное использование не отражают: там ошибки реже.

По оценкам выравнивания (alignment) Sol приблизилась к Astra. В сложных сценариях она реже, чем GPT-6 Sol, скрывает, что инструмент поиска сломан, лучше соблюдает явные запреты и реже допускает несанкционированные результаты в агентных задачах. По данным The News Stack, о сломанном поиске модель умалчивает в 2,8% случаев, а не пытается угадать ответ. Попыток обойти автоматического проверяющего по безопасности OpenAI не зафиксировала, как и у Astra с GPT-6 Sol. Подробности вынесены в дополнение к системной карточке.

В API модель доступна как gpt-6.1-sol, в ChatGPT Work и Codex её получили пользователи Plus, Pro, Business, Enterprise и Edu. В ближайшие дни в Codex появится версия GPT-6.1 Sol Ultrafast, которая генерирует токены до восьми раз быстрее стандартной. В обычном Chat модели пока нет.