OpenAI 发布 GPT-6.1 Sol：主打智能体编码与跨应用工作流，定价低于 GPT-6 Astra

OpenAI 发布 GPT-6.1 Sol，官方称其在编码、computer use 与跨应用工作流中表现强劲，面向复杂重构、深度代码库调查和长时间运行的智能体场景。该模型定价低于 GPT-6 Astra，缓存输入可享较标准输入定价 95% 的折扣，并附带官方 API 文档链接。

此前后续模型通常在能力与价格上同步上探，而 GPT-6.1 Sol 定位为面向智能体编码与跨应用工作流的专用型号，且价格低于 GPT-6 Astra，意味着 OpenAI 可能在细分场景上尝试能力与成本的不同组合，而非单纯堆叠通用能力。

证据显示其能力描述集中于编码、computer use 与跨应用工作流，并强调支持复杂重构、深度代码库调查和长时间运行智能体，说明优化方向偏向多步骤、长上下文、工具调用类任务；缓存输入 95% 折扣则通过复用重复上下文降低长时代理的输入成本，属于针对智能体调用模式的定价设计。

若能力描述成立，研发团队在代码库调查、复杂重构与跨应用自动化流程中可引入更长运行时间的智能体。缓存输入大幅折扣会直接影响长上下文与高频重复调用场景的成本结构，产品侧可据此重新评估按任务计费的定价与调用策略。

• 面向代码库调查与重构场景，基于 GPT-6.1 Sol 构建可长时间运行的编码智能体功能，并以缓存输入折扣测算单任务成本。
• 针对跨应用工作流推出连接器或编排层，把多应用操作封装为一次可复用的智能体任务。
• 在定价页或成本计算器中单列缓存输入折扣，帮助用户估算长上下文与重复调用场景的实际支出。

• GPT-6.1 Sol 与 GPT-6 Astra 在编码、computer use 和跨应用工作流上的具体评测差异是多少？
• 缓存输入 95% 折扣的适用条件、缓存时长与命中规则如何界定？
• 该模型是否已正式开放 API 调用，以及上下文长度与限流规格如何？
• 面向长时间运行智能体的稳定性与失败恢复机制是否有官方说明？