GPT-6.1 Sol 对比 Claude Sonnet 5.5：同为 $2/$10，相隔一天发布

GPT-6.1 Sol 与 Claude Sonnet 5.5 的标价都是每百万输入 token $2、每百万输出 token $10，而且发布仅相隔一天：Sonnet 5.5 是 2026 年 9 月 28 日，GPT-6.1 Sol 是 9 月 29 日。两家厂商都没有做过彼此的基准测试。OpenAI 把 GPT-6.1 Sol 与 Claude Opus 5.5 和 Fable 5.1 做对比，Anthropic 则把 Sonnet 5.5 与 GPT-6 Sol（上一代 Sol）做对比。诚实的选法是让两者在你自己的任务上跑一遍，比较单任务成本，而不是每 token 价格。

下文包括：规格与价格并排对比、各家声明了什么以及对比的是哪个模型、第三方数据（全部针对 GPT-6 Sol，而非 6.1），以及一套你可以用 Apifox 自行完成对比的方法。想单独了解每个模型，请阅读 what is GPT-6.1 Sol 和 what is Claude Sonnet 5.5。

GPT-6.1 Sol vs Claude Sonnet 5.5：规格与定价

来源：OpenAI 的定价页、Anthropic 的 Sonnet 5.5 概览和定价页，以及下文链接的 GPT-6.1 Sol 模型页。

有两行与成本最相关。GPT-6.1 Sol 的缓存读取费用是 Sonnet 5.5 的一半，所以复用长系统提示词在 OpenAI 这边更便宜。超过 272K 输入 token 后，天平反转：GPT-6.1 Sol 模型页规定整个请求按输入与缓存费率的 2 倍、输出费率的 1.5 倍计费，而 Sonnet 5.5 仍保持 $2 和 $10。一个 400,000 token 的提示词配 5,000 token 的答案，在未命中缓存时，GPT-6.1 Sol 上约为 $1.68，Sonnet 5.5 上约为 $0.85。

各家声明了什么，以及对比的是哪个模型

OpenAI 的 GPT-6.1 Sol 发布公告在正文中陈述了以下 OpenAI 自报结果：

• AutomationBench 1.0.6，medium 强度：比 Opus 5.5 高 2.2 个百分点，成本约为其三分之一；比 GPT-6 Sol 高 4.8 个百分点。
• Terminal-Bench Science 0.1，max 强度：单任务 $5.47，而 Opus 5.5 为 $23.21。GPT-6 Astra 仍然得分最高，为 68.1%。
• OSWorld 2.0 离线，max 强度：比 GPT-6 Sol 高 7 个百分点，成本不到一半。

Anthropic 的 Sonnet 5.5 发布公告包含一列 GPT-6 Sol 数据：

• FrontierCode 1.1，由 Cognition 运行：Sonnet 5.5 在 xhigh 下得 52.1%（max 下 46.2%），而 GPT-6 Sol 为 49.3%。Anthropic 称在 high 强度下，Sonnet 5.5 以约五分之一的成本达到 GPT-6 Sol 的最佳成绩。
• GDPval-AA v2.1 与 AA-Briefcase v1.1，由 Artificial Analysis 运行：1844 对 1487，以及 1811 对 1483。

Sonnet 5.5 benchmarks breakdown 覆盖了 Anthropic 表格的其余部分。

Opus 5.5 同时出现在两张图上，而且两家厂商都报告了 AutomationBench 和 Terminal-Bench Science，所以很自然会想把两者桥接起来。但数字对不上。OpenAI 报告的是在自家 harness 上 medium 强度的 AutomationBench 1.0.6，而 Anthropic 的系统卡汇总表在 max 强度下运行其 Claude 模型（Sonnet 5.5 44.7、Opus 5.5 42.5；GPT-6 Sol 32.0）。Anthropic 给出 Sonnet 5.5 在 Terminal-Bench Science 上的 59.9%，但 OpenAI 的正文没有给出 GPT-6.1 Sol 的原始分数。此外 OpenAI 在 OSWorld 2.0 离线版上测试 computer use，Anthropic 测的是 OSWorld 2.1。GPT-6 Sol vs Claude Opus 5.5 comparison 也撞上了同一堵墙。

第三方测到了什么（针对 GPT-6 Sol，而非 6.1）

搜索结果里的每一份第三方对比都把 Sonnet 5.5 与 GPT-6 Sol 配对。最完整的是 Artificial Analysis，其 Intelligence Index v4.3.2 汇总了 10 项评测：

在 max 强度下，同一页面测得 Sonnet 5.5 为每秒 138 个输出 token，GPT-6 Sol 为 76。在列出的每一档强度上，Sonnet 5.5 得分更高、单任务成本也更高，尽管标价相同；差异来自 token 消耗量。Sonnet 5.5 在 high 档（47，$1.08）与 GPT-6 Sol 在 max 档（48，$1.05）相当接近。

Anthropic 自家的图表数据则两边都有利。在 AA-Briefcase 上，GPT-6 Sol 在每一档强度的单任务成本都更低（medium 下 $0.34 对 $1.64），而 Sonnet 5.5 得分更高。在 FrontierCode 上，Sonnet 5.5 在 high 档以 $0.42 的单任务成本达到 49.4%，而 GPT-6 Sol 在 max 档以 $2.07 达到 49.3%。

以上全部针对的是较旧的 Sol。OpenAI 称 GPT-6.1 Sol 在多项基准测试上以相同或更低的强度超过 GPT-6 Sol，所以第三方测试之后，这一行应该还会变化。

按各家自己的说法，各自更可能强在哪里

GPT-6.1 Sol。OpenAI 把它定位为「复杂的编码、computer use 和专业工作，且你希望以更低成本获得接近 Astra 的表现」。它宣称的提升在于 Agent 自动化、computer use 和科学任务，以及低强度下更少的事实性错误。在价格上，它适合 272K 输入 token 以内的缓存密集型负载，也是两者中唯一有付费速度档（Fast）的。

Claude Sonnet 5.5。Anthropic 把它定位为边界清晰的日常任务、缺陷修复，以及需要打磨的文档、幻灯片和表格，并称 Opus 5.5「在复杂、开放式的任务上仍明显更强」（见 Sonnet 5.5 vs Opus 5.5）。它宣称的强项是 Agent 编码（max 档下 Terminal-Bench 4.0 得 70.6%，由 Anthropic 运行）、知识工作和 computer use（OSWorld 2.1 部分得分 80.1%）。在价格上，它适合超过 272K token 的提示词，并且可在 Bedrock、Google Cloud 和 Microsoft Foundry 上运行。

有两种行为会让粗暴的测试失真。默认强度不同（GPT-6.1 Sol 是 medium，Sonnet 5.5 在 API 上是 high），所以要对比相匹配的设置。此外两者都不接受采样旋钮：Sonnet 5.5 在非默认的 temperature、top_p 或 top_k 下返回 400，而 OpenAI 的 GPT-6 指南要求当强度不是 none 时去掉 temperature 和 top_p。请用重复运行来控制方差。

在 Apifox 中自己跑这次对比

从你的真实流量中挑 20 到 50 个答案可校验的任务，例如某个 JSON 字段或一个标签。然后在 Apifox 中：

1. 创建一个环境，把 OPENAI_API_KEY 和 ANTHROPIC_API_KEY 存为 secret，并加上 EFFORT。
2. 保存两个共享 {{prompt}} 变量的请求。两者的形态不同（Responses 参考、Messages 参考）；API formats comparison 解释了原因：

POST https://api.openai.com/v1/responses
Authorization: Bearer {{OPENAI_API_KEY}}
Content-Type: application/json

{"model": "gpt-6.1-sol", "reasoning": {"effort": "{{EFFORT}}"},
 "max_output_tokens": 25000, "input": "{{prompt}}"}

POST https://api.anthropic.com/v1/messages
x-api-key: {{ANTHROPIC_API_KEY}}
anthropic-version: 2023-06-01
content-type: application/json

{"model": "claude-sonnet-5-5", "max_tokens": 25000,
 "output_config": {"effort": "{{EFFORT}}"},
 "messages": [{"role": "user", "content": "{{prompt}}"}]}

3. 为每种形态添加断言，然后再针对 expected 列对答案本身加一条断言：

4. 在后置脚本中为每个响应计价。OpenAI 的 input_tokens 包含缓存和缓存写入 token，所以在套用 $2 费率之前要先减去它们（OpenAI prompt caching）。Anthropic 的 input_tokens 只统计最后一个缓存断点之后的 token（Anthropic prompt caching）。在 OpenAI 一侧还要套用 272K 规则。
5. 把两个请求放进同一个测试场景，把提示词以单行、不含双引号的形式放进 CSV，然后在你关心的每个强度上用 Apifox CLI 运行：

apidog run --access-token "$APIDOG_ACCESS_TOKEN" -t "$SCENARIO_ID" -e "$ENV_ID" \
  -d prompts.csv --env-var "EFFORT=medium" -r cli,junit

用总花费除以通过的任务数：那就是你的单任务成本。两边都至少跑 medium 和 high，因为同一个强度名称在不同厂商之间并未按相同方式校准。请求细节请见 GPT-6.1 Sol API guide 和 how to use the Claude Sonnet 5.5 API。

FAQ

GPT-6.1 Sol 比 Claude Sonnet 5.5 便宜吗？标价相同，都是每 1M $2/$10。GPT-6.1 Sol 的缓存读取更便宜；超过 272K 输入 token 后 Sonnet 5.5 更便宜。真实成本取决于每个任务消耗的 token。

哪个在编码上更好？没有共用的基准测试。Anthropic 报告 Sonnet 5.5 在 FrontierCode 上高于 GPT-6 Sol；OpenAI 报告 GPT-6.1 Sol 比 GPT-6 Sol 的最佳 DeepSWE 成绩高 6.4 个百分点。请在你自己的代码库上测试。

哪个更快？Artificial Analysis 在 max 强度下测得 Sonnet 5.5 为每秒 138 token，GPT-6 Sol 为 76。目前还没有 GPT-6.1 Sol 的第三方数据。

两者有免费的吗？GPT-6.1 Sol 没有免费额度。Sonnet 5.5 可在 Claude.ai 聊天应用中使用，但 API 按 token 计费。参见 how to use Claude Sonnet 5.5 for free。

同时跑一遍再做选择

HiFox：将 Agent 变成真正的队友

另外，我们也在思考，AI 如何从个人提效走进团队协作。

HiFox 是一个让人和 AI Agent 在同一个工作现场协作的平台：你可以像给同事分派任务一样指派 Agent，在任务看板中跟踪进度、查看结果，让 Agent 成为团队里的队友。

👉 立即体验 HiFox：https://hifox.com

AI Coding 交流群

如果你也在用 AI 写代码，或者正在研究 Cursor、Claude Code 这些工具，
欢迎加入以下交流群。群里平时会聊一些 AI 编程的实际用法、开发工作流，还有各种新工具和新玩法。