GPT-6.1 Sol：复杂编程与专业工作的模型

GPT-6.1 Sol 是 OpenAI 在 2026 年 9 月 29 日推出的推理模型，面向复杂编程、电脑操作和专业工作。它在当前产品线中承担一个很实际的角色：当任务已经超过简单问答，需要阅读许多材料、修改文件并多次检查结果时，给用户一个能够反复使用、成本低于 Astra 的选择。官方提出的是“接近 Astra 的表现”；具体能否达到你的交付标准，仍应拿同一份任务进行比较。阅读发布介绍。

规格与能力，先分清模型和工具

项目	已核对的规格
模型标识	gpt-6.1-sol
输入与输出	文本、图片输入；文本输出
上下文窗口	1,050,000 tokens
最大输入 / 最大输出	922,000 / 128,000 tokens
知识截止日期	2026 年 4 月 30 日
API 推理档位	low、medium（默认）、high、xhigh、max
工具调用接口	Responses API；Chat Completions 不提供工具调用
标准短上下文价格	输入 $2；缓存读取 $0.10；缓存写入 $2.50；输出 $10 / 百万 tokens

上表来自 GPT-6.1 Sol API 模型页。它能够接收图片，并不等于它的原生输出是图片。设计海报、生成角色或修改图片时，需要工作环境启用图像生成工具；浏览器操作、文件搜索和代码执行也依赖实际开放的工具、权限和客户端。选择模型不会替你接通企业资料，也不会自动把一台电脑或整个文件夹变成它可以操作的环境。

百万级上下文适合把一项工作的相关材料放在同一段上下文中，例如已有接口、数据库结构、几份错误日志和新的功能说明。不过，材料能放下和模型能正确利用是两件事。把当前版本、过期文档、示例数据混在一起，会让判断变得模糊。更好的做法是给资料标注日期和用途，说明哪个文件是事实依据，哪个只是讨论稿，再要求输出时指出所依据的文件或段落。

怎样开始使用

通过 Codex 或 ChatGPT Work 使用时，先检查模型选择器中是否出现 GPT-6.1 Sol。官方首发范围包括 Plus、Pro、Business、Enterprise 和 Edu；Enterprise、Edu 需要管理员启用，Free 和 Go 不在首发范围。模型在 Work 和 Codex 中的可用性不能直接等同于普通 Chat。界面的推理控制可以显示 Light 到 Ultra，具体选项取决于客户端、账户和工作区。它们与 API 参数不应逐字对应：API 明确只支持 low 到 max，不支持 none 和 minimal。查看客户端可用范围。

如果已经安装并登录 Codex CLI，可以使用 codex -m gpt-6.1-sol 启动指定模型的会话。开始第一项工作时，最好选一个成果容易验收的任务：修复一个确定能重现的错误、根据现有品牌页面做一个新页面，或者把一组有来源的会议材料整理成可编辑的报告。给出输入资料、希望拿到的文件和验收条件，效果通常比一句“帮我做一个很好的网站”更容易判断。

三类值得试的实际任务

代码与界面。让它先梳理请求流程，再做最小范围的修改，最后展示页面或测试结果。例如“沿用当前登录和菜单结构，在报表页增加日期筛选；桌面和手机都要可用；给出修改文件与验证结果”。这样既能发挥跨文件工作的能力，也能让你看见它究竟完成了什么。不要只以最后一句“已完成”作为验收，真正有用的是补丁、可运行页面、可重复的测试和剩余问题。

业务材料。把数据表、会议记录、历史方案分别作为输入，要求它先核对口径，再写说明和制作图表。一个合适的要求是“金额按原表计算，缺失值保持空白，观点与事实分别表达，交付一份可编辑的演示文稿”。你可以进一步检查引用、总数和图表轴线，而不是只评价语言流不流畅。这类工作往往需要多次改稿，模型选择时应观察每一轮修改是否仍保留前面确认的事实。

跨应用工作。先给一个窄流程，例如从获准访问的项目文档中整理里程碑，再形成待确认的任务清单。等这个流程稳定后，再扩大范围。关键技能是写清楚触发条件、输入位置和完成状态；让它区分“找到了资料”“做出了草稿”和“已经写入目标系统”。这会比一开始要求它接管所有工作更容易形成可用的习惯。

费用和长任务怎么判断

标准价格中的“每百万 tokens”是计量单位，不是一次任务的费用。输入不超过 272K tokens 时，当前价格是 $2 输入、$10 输出；超过门槛的请求按长上下文价格计算，输入为 $4、输出为 $15，且门槛影响整次请求。Fast 为标准价的两倍，Batch、Flex 则比标准价低 50%；工具和区域处理可能另有费用。查看完整价格表。

我的建议是先把 Sol 作为有预算约束的复杂工作的候选，再拿一个真正困难的任务与 Astra 对照。记录首次通过率、你要补充多少轮指令、总耗时和最终花费。一轮便宜但需要不断返工的结果，未必比一次高质量交付省钱；反过来，如果 Sol 已经稳定达到验收标准，就没有必要因为模型名字更强而为每一项日常工作提高配置。

Sol 还支持 Responses API 的 Multi-agent beta。它适合让不同子智能体分别检查代码、文档和测试，再由根智能体汇总。如果多个分支同时改同一个文件，协调成本会增加；需要严格依次执行的流程也不一定适合并行。查看 Multi-agent 用法。选择低一些的推理档位、缩小任务范围并建立明确的检查点，往往比单纯把所有选项拉到最高更实用。