GPT-6.1 Sol: mocniejszy model, tańszy cache i koszt zadania

GPT-6.1 Sol podnosi możliwości tańszego modelu OpenAI zaledwie tydzień po premierze GPT-6 Sol. W niezależnym Intelligence Index Artificial Analysis wariant max uzyskał 52 punkty: o cztery więcej od poprzednika i o jeden mniej od GPT-6 Astra. Standardowa cena wejścia i wyjścia się nie zmienia, ale odczyt wcześniej przetworzonego kontekstu tanieje z 0,20 do 0,10 USD za milion tokenów. To istotna różnica dla agentów, które wielokrotnie pracują na tych samych dokumentach.

Najważniejszy wniosek? Nowy Sol zbliża się do Astry w części pomiarów przy znacznie niższym koszcie.

Co zmieniło się tydzień po GPT-6 Sol?

OpenAI przedstawiło GPT-6.1 Sol 29 września 2026 r. jako rozwinięcie modelu do programowania, obsługi aplikacji i pracy zawodowej. Poprzednią premierę opisaliśmy w materiale o GPT-6 Sol i Luna. Nowy model zachowuje cenę standardowego wejścia 2 USD i wyjścia 10 USD za milion tokenów, a obniżka dotyczy odczytu cache.

Według komunikatu OpenAI model jest dostępny w ChatGPT Work i Codex dla użytkowników Plus, Pro, Business, Enterprise i Edu oraz przez API. Na dzień 30 września nie jest jeszcze dostępny w zwykłym trybie Chat. Zapowiedziany został także wariant Ultrafast w Codex.

Specyfikacja: duży kontekst, wejście tekstowe i obrazy

Oficjalna karta modelu, sprawdzona 30 września, podaje następujące limity i możliwości:

Wywoływanie narzędzi wymaga Responses API. Chat Completions obsługuje ten model bez narzędzi. Nie są obsługiwane poziomy none i minimal ani dostrajanie przez fine-tuning. Nie należy mylić możliwości korzystania z narzędzia generującego obraz z własną modalnością wyjściową modelu.

Milionowy kontekst opisuje pojemność, a nie gwarancję znalezienia każdej informacji w ogromnym zbiorze. Wdrożenie warto sprawdzić na dokumentach z odpowiedzią wzorcową i celowo umieszczonymi wyjątkami. Długi prompt może też przekroczyć próg droższego rozliczania.

Niezależne pomiary: wynik zależy od effort

W sprawdzonej 30 września tabeli wariantów Artificial Analysis zwiększenie effort wiąże się z wyższym wynikiem ogólnym i kosztem benchmarkowego zadania. To pomiary autora benchmarku, niezależne od tabel OpenAI.

Źródło: Artificial Analysis, Intelligence Index v4.3.2; odczyt 30 września 2026 r. Koszt jest ważoną średnią dla zadań indeksu, nie cennikiem typowej rozmowy.

Karta wariantu max pokazywała 10. miejsce w swojej grupie porównawczej obejmującej 222 modele i warianty. Nie jest to pierwsze miejsce na całym rynku. Indeks łączy dziesięć różnych ewaluacji, więc pojedyncza liczba może ukrywać różnice w specjalizacjach. Źródło nie daje podstaw, by różnicę jednego punktu nazwać statystycznie rozstrzygniętą przewagą.

W analizie premiery AA porównuje warianty max: GPT-6.1 Sol osiąga 52 punkty, GPT-6 Sol 48, a Astra 53. Koszt zadania wynosi odpowiednio 0,72, 1,05 i 3,26 USD. Kwota dla poprzedniego Sola jest odczytem z analizy premierowej; dynamiczne strony mogą pokazywać nieco inne wartości po aktualizacji pomiarów.

AA odnotowuje też wzrost w Coding Agent Index, lecz xhigh uzyskał tam wynik o trzy punkty wyższy niż max. Wyższy budżet rozumowania nie musi więc pomagać w każdym procesie. Autorzy wskazują również większą liczbę tokenów wyjściowych niż w GPT-6 Sol i nieco słabszą ocenę prezentacji w AA-Briefcase mimo poprawy analizy.

Co deklaruje producent?

OpenAI podaje, że w DeepSWE 1.1 nowy Sol dorównuje Astrze, a w AutomationBench przy medium poprawia wynik GPT-6 Sol o 4,8 punktu procentowego. Są to wyniki przytoczone przez producenta w jego konfiguracji badawczej.

W trudnej próbie faktograficznej przy low udział odpowiedzi zawierających błąd spadł z 11,4% do 7,7%. Próba wykorzystuje rozmowy, w których użytkownicy wcześniej wskazali błąd innego modelu. Nie jest reprezentatywna dla codziennego użycia i nie oznacza, że 7,7% wszystkich odpowiedzi Sola będzie błędnych.

Cena: cache i długi kontekst zmieniają rachunek

Na dzień 30 września oficjalne stawki Standard wyglądają następująco. Wszystkie kwoty dotyczą miliona tokenów w USD.

Źródło: oficjalna karta GPT-6.1 Sol.

Po przekroczeniu progu wyższe mnożniki obejmują całe żądanie. Fast kosztuje dwa razy tyle co Standard, Batch i Flex są o połowę tańsze; przetwarzanie regionalne dolicza 10%, gdy jest dostępne. Rezydencja danych jest obsługiwana w USA i UE, ale Fast nie działa z rezydencją UE.

W prawdziwym zadaniu do rachunku dochodzą kolejne wywołania, rozumowanie i narzędzia. Wcześniej opisywaliśmy podobne zależności przy Agents API. Porównanie powinno uwzględniać cenę zaakceptowanego wyniku, także po poprawkach.

Szkolenie i granice wiedzy o modelu

Dodatek do system card odsyła do tych samych rodzajów danych i szkolenia co Astra. Opis bazowy mówi o zróżnicowanych zbiorach, filtrowaniu danych oraz uczeniu rozumowania przez reinforcement learning. Nie ujawnia liczby parametrów całkowitych i aktywnych, architektury, pełnych zbiorów, szczegółowej receptury pretrainingu i post-trainingu ani kosztu infrastruktury dla GPT-6.1 Sol. Nie m

Model jest zamknięty, bez publicznych wag; korzystanie odbywa się przez usługi i na warunkach OpenAI. System card klasyfikuje zdolności cyber jako Critical, a biologiczne i chemiczne jako High według własnego frameworku firmy. Kontekst Astry opisaliśmy przy jej premierze.

Co zmienia premiera?

GPT-6.1 Sol daje mocniejszy punkt wyjścia do powtarzalnej pracy agentowej przy cenie tokenów poprzedniego Sol i tańszym odczycie kontekstu.

Najbardziej użyteczna kolejna obserwacja to porównanie kilku effort na tym samym procesie: liczby poprawnych wyników, poprawek i całkowitego zużycia. Warto też śledzić dostępność w Chat i faktyczne wdrożenie Ultrafast. Sama bliskość Astry w indeksie nie rozstrzyga, który model lepiej wykona konkretną pracę.