GPT-6.1 Sol迁移指南：从token单价转向每任务成本门禁
内容提要
OpenAI发布GPT-6.1 Sol，能力接近Astra但单任务成本更低。文章强调，真实成本不应只看token单价，而应等于调用成本乘以尝试次数，再加上工具、人工复核与失败损失。建议先记录成功率、缓存命中、重试和人工耗时，再按失败代价路由模型，并进行灰度验证。
延伸解读
为什么 token 单价会误导成本判断
文章指出，一次成功任务的真实成本等于模型调用成本乘以平均尝试次数，再加工具、人工复核和失败损失。缓存输入虽便宜 95%，但若系统提示开头放时间戳或随机 ID，缓存可能不命中。长上下文也非免费，超过 272K 后整个请求进入更高费率。因此只看单价会低估实际支出。
按失败代价路由，而非提示词长度
文章建议根据失败代价选择模型：简单格式修改可继续用 Luna，跨文件调试用 6.1 Sol，高风险发布或科学推理再升级 Astra。一次 0.02 美元但成功率 60% 的调用，可能比 0.08 美元、成功率 95% 的调用更贵。路由决策应基于任务失败后的损失，而不是输入长度。
迁移前必须核对的兼容性与风险点
文章列出迁移检查项：工具 schema 是否兼容；6.1 Sol 不支持 none 和 minimal 推理档位，是否误用；图像任务是否重跑；超过 272K 的请求是否拆分；缓存前缀是否稳定；高风险动作是否仍需确认。建议先灰度 5%，连续观察失败类别，而非只看平均分。
官方评测数据不能直接当作自己的收益
文章强调，发布方报告的 DeepSWE 1.1、OSWorld 2.0 等提升是官方评测，不等于你的仓库、界面和提示词会得到相同比例。正确做法是保留旧模型对照，冻结任务集与评分器，统计成功率、P95 延迟、输出 token、缓存命中、回退率和人工分钟数，再决定是否迁移。
Q&A
GPT-6.1 Sol 的 API 定价和上下文限制是怎样的？
标准价格为每百万输入 token 2 美元、缓存输入 0.10 美元、输出 10 美元；超过 272K 输入后，整个请求的输入与缓存费率翻倍，输出费率为 1.5 倍。模型支持 1,050,000 token 上下文、128,000 token 最大输出，工具调用应使用 Responses API。
为什么不能只看 token 单价来评估模型成本？
因为一次成功任务的真实成本等于模型调用成本乘以平均尝试次数，再加上工具、人工复核和失败损失。缓存输入便宜 95% 的前提是重复前缀真的命中，否则缓存优势可能消失；长上下文越过 272K 后全请求进入更高费率。
如何用代码估算 GPT-6.1 Sol 的单次调用成本？
使用 Responses API 创建请求后，从 response.usage 中获取 input_tokens、cached_tokens 和 output_tokens，然后按公式计算：cost = (fresh * 2.00 + cached * 0.10 + output * 10.00) / 1_000_000。注意价格估算未含工具调用、区域处理、Fast、Batch/Flex 与超长上下文加价。
迁移到 GPT-6.1 Sol 前应该检查哪些事项？
应检查：工具 schema 是否兼容；none 和 minimal 推理档位是否被误用（6.1 Sol 不支持）；图像任务是否重跑；超过 272K 的请求是否拆分；缓存前缀是否稳定；高风险动作是否仍需确认。先灰度 5%，连续观察失败类别，而不是只看平均分。
如何根据失败代价来路由模型？
路由不应只看提示词长度，而应看失败代价。例如简单格式修改可以继续走 Luna，跨文件调试走 6.1 Sol，涉及高风险发布或科学推理再升级 Astra。一次 0.02 美元但成功率 60% 的调用，可能比一次 0.08 美元、成功率 95% 的调用更贵。
GPT-6.1 Sol 的官方评测结果如何？
官方报告称，GPT-6.1 Sol 在 DeepSWE 1.1 上以更低推理强度超过上一代 6.4 个百分点；OSWorld 2.0 离线集相对 GPT-6 Sol 提升 7 个百分点；困难事实性集合中，低推理强度的含错回答比例从 11.4% 降到 7.7%。这些是官方评测，不等于你的仓库、界面和提示词会得到相同比例。
