20 октября OpenAI выпустила GPT‑6.1 Sol и сразу открыла модель в API под идентификатором gpt-6.1-sol. Для маркетинговой команды это повод не менять модель во всех сценариях, а провести короткую миграционную приёмку: сравнить качество на собственных задачах, пересчитать полный расход и оставить возможность отката.
Ниже — рабочий маршрут для автоматизации, которая готовит рекламные тексты, разбирает отчёты, классифицирует обращения или выполняет действия через инструменты. Он отделяет подтверждённые свойства релиза от результата, который ещё нужно проверить в конкретном процессе.
Что изменилось в GPT‑6.1 Sol
По данным OpenAI, GPT‑6.1 Sol доступна с 20 октября 2026 года в ChatGPT Work и Codex для Plus, Pro, Business, Enterprise и Edu, но пока не в обычном чате ChatGPT. Разработчики могут обращаться к модели через API.
Стандартные цены API за миллион текстовых токенов:
| Вид токенов | GPT‑6.1 Sol | GPT‑6 Astra |
|---|---|---|
| Входные | $2 | $10 |
| Кэшированные входные | $0,10 | $1 |
| Выходные | $10 | $50 |
Базовые цены входа и выхода у GPT‑6.1 Sol совпадают с прежней GPT‑6 Sol. Изменение в тарифе для повторяемых сценариев — кэшированный вход стал вдвое дешевле: $0,10 вместо $0,20 за миллион токенов. Это полезно, когда запросы действительно повторяют одинаковый префикс; само наличие длинной инструкции кэш не гарантирует.
В анонсе опубликованы улучшения на тестах профессиональной работы, использования компьютера и автоматизации. Эти результаты описывают тестовую среду OpenAI. Они не доказывают, что модель лучше пишет ваши объявления, точнее размечает ваши лиды или надёжнее работает с вашей CRM.
Учебный расчёт для 1 000 задач
Возьмём условную автоматизацию: каждый запуск получает 6 000 входных токенов и возвращает 1 000 выходных. За 1 000 запусков получится 6 млн входных и 1 млн выходных токенов.
Без кэша GPT‑6.1 Sol обойдётся в $22: 6 × $2 + 1 × $10. По официальному курсу НБРБ на 20 октября — 2,9950 BYN за доллар — это примерно 65,89 BYN.
Если в каждом запросе 5 000 токенов приходятся на уже кэшированный одинаковый префикс, а 1 000 остаются обычным входом, расчёт чтения составит $12,50: 1 × $2 + 5 × $0,10 + 1 × $10, или около 37,44 BYN. Сценарий предполагает фактическое попадание в кэш и не включает первоначальную запись в кэш, промахи и повторные вызовы.
Для сравнения, GPT‑6 Astra без кэша на том же учебном объёме даст $110, или 329,45 BYN. Это арифметика по опубликованным тарифам, а не обещание счёта: инструменты, поиск, изображения, режим обработки, длинный контекст, налоги и условия аккаунта могут добавить расходы.
Учебный расчёт по стандартным тарифам и курсу НБРБ на 20 октября 2026 года. Кэшированный сценарий показывает чтение уже совпавшего префикса.
Расчёт можно повторить без сторонних библиотек:
from decimal import Decimal
jobs = Decimal("1000")
input_per_job = Decimal("6000")
output_per_job = Decimal("1000")
usd_byn = Decimal("2.9950")
input_million = jobs * input_per_job / Decimal("1000000")
output_million = jobs * output_per_job / Decimal("1000000")
sol_usd = input_million * Decimal("2") + output_million * Decimal("10")
astra_usd = input_million * Decimal("10") + output_million * Decimal("50")
print(sol_usd, (sol_usd * usd_byn).quantize(Decimal("0.01")))
print(astra_usd, (astra_usd * usd_byn).quantize(Decimal("0.01")))Контрольный результат: 22.000 и 65.89 BYN для GPT‑6.1 Sol; 110.000 и 329.45 BYN для GPT‑6 Astra.
Проверьте миграцию на задачах из рабочего журнала
Соберите 30–50 завершённых случаев из текущего процесса. В наборе должны быть обычные задачи, длинные документы, неоднозначные входы, ошибки источника и случаи, где автоматизация раньше требовала ручной правки. Уберите персональные данные и сохраните ожидаемый результат до запуска новой модели.
Для каждого случая сравните текущую модель и GPT‑6.1 Sol при одинаковых инструкциях, инструментах и входных данных. Сначала примените стоп‑условия: выдуманный факт, неверная сумма, сломанный JSON, запрещённое действие или запись не в ту систему. Только прошедшие ответы сравнивайте по ясности и полноте. Слепой порядок для такой проверки разобран в материале как сравнить два промпта попарным тестом.
Храните по каждому запуску:
| Поле | Зачем нужно |
|---|---|
case_id | сопоставить две версии на одном задании |
model и параметры | повторить результат после изменения настроек |
| пройденные стоп‑условия | не прятать критичную ошибку за средним баллом |
| время и число повторов | учитывать задержку и нестабильность |
| входные, кэшированные и выходные токены | пересчитать фактическую стоимость |
| вызовы инструментов и итог записи | проверить, что действие действительно выполнено |
| минуты ручной правки | увидеть цену доработки человеком |
Переход имеет смысл, если новая модель выполняет согласованный порог качества и снижает полную стоимость принятого результата. Цена одного ответа мало помогает, когда часть ответов приходится переделывать или запускать повторно.
Отдельно измерьте кэш
Кэш работает по совпадающему префиксу. Стабильные инструкции и определения инструментов ставьте в начало, а изменяемый бриф — после них. В журнале Responses API смотрите usage.input_tokens_details.cached_tokens: это фактическое число повторно использованных токенов.
Кэшированные токены по-прежнему учитываются в лимите пропускной способности, а совпадающий префикс не делает ответы одинаковыми. Поэтому проверяйте одновременно три показателя: долю кэшированного входа, стоимость принятой задачи и процент успешных завершений.
Запускайте через ограниченный трафик
После офлайн-проверки направьте на GPT‑6.1 Sol небольшую долю задач, например 5–10%, и сохраните прежнюю модель как маршрут отката. Не меняйте одновременно промпт, схему инструментов и бизнес-правила: иначе причину изменения результата найти будет трудно.
Для текстового процесса сравнивайте подтверждённые факты, редакторские правки и время до принятия. Для агента добавьте проверку реального действия: какая цепочка инструментов выполнилась, что записано во внешнюю систему и не появился ли дубль. Такой журнал подробно разобран в статье как проверить AI‑агента по действиям.
Решение о переходе
Не переводите весь процесс только потому, что модель новее или дешевле Astra в опубликованной таблице. Зафиксируйте решение в одной строке: какая задача проверена, сколько случаев прошло стоп‑условия, сколько стоил принятый результат, что произошло с задержкой и при каком сигнале команда вернётся к прежней версии.
Если модель используется для подготовки статей, сначала сверяйте полный маршрут — исследование, черновик, редактуру и фактчек. Отдельный разбор WiseLab показывает, как считать стоимость всего цикла статьи, а не одного вызова.
GPT‑6.1 Sol выглядит рациональным кандидатом для процессов с повторяемым контекстом и сложными рабочими задачами. Готовность к миграции подтверждают только собственный набор примеров, фактический журнал токенов и контролируемый запуск с откатом.
Источники
Материал подготовлен редакцией WiseLab с помощью AI. Источники и фактические утверждения проверены при подготовке.
Что думаете?
Загружаем комментарии…