GPT-6 Sol 定价：所谓「降价 50%」到底是跟谁比

OpenAI 于 2026 年 9 月 22 日发布 GPT-6 Sol，标题是每个和财务沾边的工程师都注意到的“便宜 50%”。比什么便宜 50%，恰恰是决定你的迁移表格算得对、还是差了三分之一的那一点。

答案就在 OpenAI 自己的措辞里。Sol 比 GPT-5.6 的 promotional 价格便宜 50%。不是标价。这一个形容词换掉了基准，而一旦你把基准换回我们自己在 GPT-5.6 发布时记录的标价，降幅就比标题更大，而不是更小。两件事同时成立，这就是这句话值得读两遍的原因。

底下还有第二处更有用的更正。每 token 价格是厂商喜欢写进标题的东西，也是你能在账单上核对的东西。但它并不是这次变动最大的地方。每个已完成任务的成本变化更大，因为 Sol 用更少的 token 完成同样的工作，同时 reasoning effort 更高。本文把这两个单位并排放。想了解两天内三场前沿发布的更大背景，见《2026 年 9 月模型价格战》。

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。

GPT-6 Sol 定价一览

对 $2 的输入费率打 90% 折扣，换算下来是每百万缓存输入 token $0.20。这是我们对 OpenAI 公布的折扣做的算术，而不是单独公布的费率，而它正是对 agent 循环最重要的那个数字。

这个 50% 是拿促销价做基准算出来的

下面是价格谱系，基于我们自己关于 GPT-5.6 的报道。标价一列是我们在那次发布时于《GPT-5.6 定价》中记录的数字。促销一列是 OpenAI 用来对比其新模型的折后费率。

对比促销价，$2/$10 的 GPT-6 Sol 在计量的输入和输出两端都恰好便宜 50%。这是 OpenAI 的说法，而且对得上。

对比标价，同样的 $2/$10 相当于输入降 60%、输出降 67%。如果你现在的账单按 $5/$30 计费——因为你从来没拿到、或者没注意到那次促销——你的节省比营销数字更大。如果你本来就在促销价上，你拿到的就是 50%。

有一点结构上的说明：没有 GPT-6 Terra。这个家族是 Astra、Sol 和 Luna，而 GPT-5.6 是 Sol、Terra 和 Luna。配置文件里出现 Terra 这个 id 并没有直接继任者，所以你实际上是在 Sol 和 Luna 之间做选择。我们那篇讲 Sol、Terra 和 Luna 命名的文章写的是上一代阵容，现在读起来已经是历史了。

真正发生位移的单位是单任务成本

token 费率告诉你一次调用花多少钱，而不是一个答案花多少钱，因为两个模型可以用相差悬殊的 token 数达到同样的结果。OpenAI 按每个已完成任务的成本对 Sol 做了基准测试，正是在这里，这件事从一次降价变成了对某一类工作的重新定价。

在 AutomationBench 1.0.6 上：

把最上面一行和最后一行放在一起读。Sol 在 extra-high reasoning effort 下得分高于 max effort 的 Claude Opus 5，而单任务成本只有 Opus 5 的 9%。以 $0.27 为基准，这些乘数算下来，low effort 的 Astra 约为每个任务 $1.05，max 的 Opus 5 约为每个任务 $3.00——这是我们的算术，不是 OpenAI 印出来的费率。

同样的模式在 OpenAI 公布的其他评测中反复出现：

• Agents' Last Exam V1：Sol 在 max 下得分 56.4%，高于 Claude Opus 5 的最好成绩，单任务成本低 60%。
• DeepSWE 1.1：Sol 在 max 下得分 68.8%，与 xhigh 下的 Claude Fable 5（69.9%）相差 1.1 个百分点，单任务成本约低 80%。
• OSWorld 2.0 offline：Sol 在 xhigh 下得分 60.5%，对比 medium 下 Claude Opus 5 的 60.3%，单任务成本同样约低 80%。
• 事实性：Sol 犯的错误约为其前代的一半。

这里必须插一条提醒。OpenAI 发布材料里所有与 Claude 的对比都是针对 Claude Opus 5 的，因为写那篇帖子时 Claude Opus 5.5 还不存在。Anthropic 在同一天发布了 $4/$20 的 Opus 5.5，低于 Opus 5 的 $5/$25，所以“单任务成本为 Opus 5 的 9%”这句话，衡量的对象是一个在数小时内就被取代的模型。这在多大程度上成立、又在多大程度上不成立，我们在《GPT-6 Sol vs Claude Opus 5.5》里做了推演。没有任何厂商公布过 Sol 对比 Opus 5.5 的表格；社交平台上流传的那些对照图是从推文里拼出来的。

为什么两个单位给出的结论不一致

如果 Sol 每 token 比促销价的 GPT-5.6 Sol 便宜 50%，那为什么在上面那些基准测试行里，它每任务便宜 60% 到 91%？这个区间是我们算的，读的是 OpenAI 自己给出的数字跨度：低端 60% 来自 Agents' Last Exam，高端 91% 来自 9%-of-Opus-5 那一行的另一面。

因为 reasoning effort 是用 token 换准确率，而 Sol 站在这条曲线上更好的位置。一个需要试三次的便宜模型并不便宜。这就是为什么 OpenAI 的表格总是把分数和 effort 等级配成对：xhigh、max、medium 和 low 不是装饰性标签，它们就是成本轴。

结果就是：你不能用当前的 token 用量乘以新费率来估算你的 GPT-6 账单。每个任务的 token 用量同样会变，而且随你选择的 effort 双向变化。

缓存改变了实际输入费率

GPT-6 随一次实打实的提示缓存更新一同发布，对一篇讲定价的文章来说，只有一个数字重要：缓存输入读取享 90% 折扣，这让 Sol 在 prompt 中被缓存那部分的实际输入费率降到每百万 token $0.20。

对于一个每一步都重发大段稳定前缀的 agent 来说，这就是架构可行与不可行之间的差别。OpenAI 还表示默认命中率更高，更改 reasoning effort 或工具可用性不再使缓存失效，并且显式断点让你自己决定缓存前缀在哪里结束。GitHub 表示，在数十亿次请求中，需要重新处理的 prompt token 减少了 50% 以上。

有一个缺口：我们的资料没有给出 GPT-6 的缓存写入费率。Anthropic 为 Opus 5.5 公布了这一项，OpenAI 的材料里没有为 Sol 公布，所以不要把写入当成免费。命中缓存的具体机制见《GPT-6 提示缓存》。

一个算例

取一个常见的 agent 步骤：40,000 token 的 prompt 加 2,000 token 的补全，每月跑 100,000 次。以下全部是按上面的费率做的算术。

从促销那一行到未缓存的 GPT-6 那一行，就是广告里说的 50%。从标价那一行到缓存那一行是 84%，而最后这一段里的大部分来自缓存，不是来自降价。如果这次发布只让你记住一条预算经验，就记这一条。

规模在另一个方向上同样重要。OpenAI 披露其内部研究员在 coding agent 上的花费中位数超过每天 $600，90th 百分位超过每天 $7,000。这些费率就是为这种用量形态设计的，如果你自己的 agent 开销看起来很吓人，这是个有用的现实参照。

低价买不到的东西

Sol 是便宜且强的档位，不是快的档位。第三方机构 Artificial Analysis（不代表任何一家厂商）测得 GPT-6 Sol 的 max reasoning 变体输出速度为 115.2 token/秒，首 token 时间 102.15 秒。这个数字专门针对 max 变体，并且带有第三方测量的全部保留条件，但它的形态是真的：高 reasoning effort 意味着在第一个 token 到达之前有一段漫长的静默等待。任何有用户在等的地方，都需要更低的 effort 设置或换一个档位。我们在《GPT-6 Sol 延迟》里做了拆解。

Sol 也不是家族里的顶配。OpenAI 明确表示，$10/$50 的 GPT-6 Astra“在所有方面仍然是我们最好的模型”。对于已经在用 Astra 的团队，问题是哪些工作负载经得起往下降一档——这正是《从 Astra 迁移到 Sol》的主题。而且 Sol 还没有进入 Chat：它通过 ChatGPT Work 和 Codex 面向 Plus、Pro、Business、Enterprise 和 Edu 提供，此外还有 API 上的 gpt-6-sol。

在你自己的流量上核对账单

厂商的单任务成本表是在厂商自己的测试框架上、针对厂商自己的工作负载测出来的。你的会不一样。在批复预算之前：

1. 把真实的生产 prompt 发给 gpt-6-sol，从响应里读出 usage，而不是靠字符数估算。
2. 把同一个 prompt 在两档 effort 下各跑一次，记录两者的 token 用量和实际耗时。更便宜的设置不一定每个任务都更便宜。
3. 把缓存命中和未命中的情况分开测量。对 prompt 中错误的那一半打 90% 折扣，几乎毫无价值。
4. 如果下游有任何超时限制，就记录首 token 时间，而不只是总延迟。

这就是普通的 HTTP 请求测试，所以把调用搭起来，把两个 effort 变体保存成不同的请求，对响应结构做断言，并在 Apifox 里观察耗时，而不是写一个用完就扔的临时脚本。保存成集合之后，下次价格一变，这个对比会自己重跑——从目前的证据看，那天很快就会到。

简要版本

GPT-6 Sol 每百万输入 token $2、每百万输出 token $10，上下文 872,000 token，缓存读取享 90% 折扣。广告里的 50% 降幅是拿 GPT-5.6 促销价做基准算的；对比我们在那次发布时记录的标价，则是输入降 60%、输出降 67%。这两个都不是这次发布里最大的数字。对照 OpenAI 做过基准测试的那些模型，每个已完成任务的成本下降了 60% 到 91%，而提示缓存还能在剩下的部分再咬掉一大口。按任务编预算，在自己的流量上核对，并且记住：那个 50% 前面永远挂着“促销”二字。

开发必备：API 全流程管理神器 Apifox

介绍完上文的内容，我想额外介绍一个对开发者同样重要的效率工具 —— Apifox。作为一个集 API 文档、调试、设计、测试、Mock、自动化测试于一体的工具，Apifox 是目前提升研发效率的首选。

如果你正在开发项目，不妨试试其极其友好的界面设计，它完全兼容 Postman 和 Swagger 数据格式，导入数据非常方便，，即使是新手也能很快上手，点击这里即可注册使用。

值得一提的是，除了个人和常规团队使用，针对有高安全合规要求、或需要在内网环境协作的企业，Apifox 还提供了深度定制的私有化部署方案。

获取专属报价与部署方案

详细的私有化部署系统架构与安全白皮书

针对您公司规模的专属报价单

免费的 1v1 专属产品演示 (Demo) 机会

获取部署方案

* 提交后，我们的客户经理将在 1 个工作日内与您联系

林俊锋 企业微信

@Apifox 专属顾问

扫码备注: 私有化 + 公司名