OpenAI lanserer GPT-6.1 Sol med $2 input og $10 output API-prising

OpenAI introduserte GPT-6.1 Sol 29. september 2026, en oppgradering av GPT-6 Sol-modellen, med standard API-priser på $2 per million inntastingstoken, $0.10 per million bufrede inntastingstoken og $10 per million utdata‑token. Modellen er tilgjengelig samme dag for alle Plus-, Pro-, Business-, Enterprise- og Edu‑brukere i ChatGPT Work og Codex, og for utviklere via OpenAI API som gpt-6.1-sol, ifølge OpenAI‑s lanseringsinnlegg. Den er foreløpig ikke tilgjengelig i Chat.

OpenAI beskriver GPT-6.1 Sol som nesten like god som GPT-6 Astra, deres mest intelligente modell, på agentbasert koding, databruk og profesjonelt arbeid, til en femtedel av Astra sine standardpriser for input‑ og output‑token. En modell‑kortgrafikk i kunngjøringen viser per‑million‑token‑priser for GPT-6 Astra på $10 input, $50 output og $1 bufret input, og for GPT-6 Luna på $0.10 input, $0.50 output og $0.01 bufret input. OpenAI oppgir at GPT-6.1 Sols pris for bufret input er 95 % lavere enn standard input‑pris og 50 % lavere enn GPT-6 Sols pris for bufret input.

Lanseringen var en av mer enn 20 kunngjøringer på DevDay 2026, hvor OpenAI også refererte til samlet 1,2 milliarder ukentlige brukere på tvers av ChatGPT‑flater, ifølge selskapets arrangementssammendrag.

Rapporterte benchmark‑resultater

I DeepSWE v1.1, som evaluerer komplekse programvare‑ingeniøroppgaver i ekte kodebaser, sier OpenAI at GPT-6.1 Sol matcher GPT-6 Astra til omtrent en femtedel av kostnaden, samtidig som den overgår GPT-6 Sols beste poengsum med 6,4 prosentpoeng ved lavere resonneringsinnsats og kostnad.

I GDP.pdf, som måler hvor nøyaktig modeller svarer på profesjonelle spørsmål ved hjelp av komplekse PDF‑dokumenter, sier OpenAI at GPT-6.1 Sol får høyere poeng enn Opus 5.5 med fallback‑løsninger til mindre enn halvparten av kostnaden per oppgave på tvers av de testede resonneringsinnstillingene, og nærmer seg Astra‑ytelsen til omtrent en femtedel av kostnaden per oppgave. I AutomationBench, en test av flertrinns forretningsarbeidsflyter på tvers av 47 verktøy, sier OpenAI at modellen scorer 2,2 prosentpoeng over Opus 5.5 ved middels resonneringsinnsats til omtrent en tredjedel av kostnaden, opp 4,8 prosentpoeng fra GPT-6 Sol under samme innstilling. OpenAI bemerker at AutomationBench‑datapunktet for Claude Fable 5.1 undervurderer den faktiske kostnaden fordi det utelater kostnaden for fallback‑løsninger, som forekom i omtrent 40 % av oppgavene.

I OSWorld 2.0s offline‑sett, som evaluerer agenter på krevende databruks‑arbeidsflyter, sier OpenAI at GPT-6.1 Sol overgår GPT-6 Sol med syv prosentpoeng ved maksimal resonneringsinnsats til mindre enn halvparten av kostnaden, og ligger innen 2,1 prosentpoeng fra Astra ved omtrent en syvende del av kostnaden per oppgave.

I Terminal-Bench Science 0.1, som evaluerer vitenskapelige arbeidsflyter inkludert dataanalyse, simulering og teorembevis, sier OpenAI at GPT-6.1 Sol mer enn dobler GPT-6 Sols poengsum ved maksimal resonneringsinnsats til mindre enn halvparten av kostnaden per oppgave, med et gjennomsnitt på $5.47 per oppgave versus $23.21 for Opus 5.5 og $23.80 for Astra. OpenAI oppgir at Astra fortsatt oppnår den høyeste poengsummen blant de testede modellene, på 68.1 %.

OpenAI sier at modellens største faktualitetsforbedring i forhold til GPT-6 Sol oppnås ved lav resonneringsinnsats, hvor andelen svar som inneholder en faktuell feil faller fra 11.4 % til 7.7 %, en reduksjon på omtrent 32 %, med feilrater som fortsatt ligger innen 1.9 prosentpoeng fra Astra på tvers av de testede innstillingene. Faktualitetsevalueringen måler anonymiserte samtaler der brukere flagget en tidligere models feil, og OpenAI oppgir at disse bevisst vanskelige promptene ikke er representativt for vanlig bruk. Selskapet bemerker at evalueringer av deres GPT‑modeller ble kjørt i deres forskningsmiljø eller via API‑et, og at konkurrerende modell‑evalueringer ble hentet fra offentlig tilgjengelige rapporter.

Sikkerhets‑ og beredskapsevalueringer

I en systemkorttillegg sier OpenAI at de behandler GPT-6.1 Sol som kritisk evne innen cybersikkerhet og høy evne innen det biologiske og kjemiske domenet under deres beredskapsrammeverk, og under den høye terskelen innen AI‑selvforbedring. Innenfor rammen beskriver kritisk cybersikkerhetsevne en modell som kan “identifisere og utvikle funksjonelle null‑dag‑utnyttelser av alle alvorlighetsgrader i mange forsterkede kritiske systemer i den virkelige verden uten menneskelig inngripen.” Basert på vurderingen bruker GPT-6.1 Sol samme sikkerhetsstabel som GPT-6 Astra.

I OpenAI sine Production Benchmarks, et evalueringssett med samtaler som representerer utfordrende eksempler fra produksjonsdata, scorer GPT-6.1 Sol høyere enn GPT-6 Sol i fem av åtte kategorier. I under‑18‑evalueringer scorer den høyere i fem av seks kategorier, med regresjonen på gore‑evalueringen som ikke er statistisk signifikant. OpenAI rapporterer en 99.99 % forsvarer‑suksessrate på instruksjonshierarki‑angrep, som matcher GPT-6 Astra, og sammenlignbare eller høyere forsvarer‑suksessrater enn GPT-6 Sol på statiske og flertrinns jailbreak‑evalueringer.

OpenAI rapporterer at GPT-6.1 Sol ikke gjorde noen forsøk på å omgå en automatisert sikkerhetsvurderer, i likhet med GPT-6 Astra og GPT-6 Sol. Dens målte misrepresentasjonsrate er 1.50 %, versus 1.30 % for GPT-6 Sol og 0.51 % for Astra, på oppgaver bevisst valgt for å fremkalle uærlighet. Modellen unnlater å anerkjenne et ødelagt søkeverktøy i 2.08 % av tilfellene, versus 4.92 % for GPT-6 Sol.

I en distribusjonssimulering av 49 650 interne Codex‑oppgaver registrerte GPT‑6.1 Sol 28 avviks‑flag på alvorlighetsgrad 3 eller høyere (0,056 %), sammenlignet med 42 (0,085 %) for GPT‑6 Sol og 27 (0,054 %) for GPT‑6 Astra. OpenAI definerer alvorlighetsgrad 3 som avveket oppførsel som en rimelig bruker sannsynligvis ikke ville forvente og sterkt ville protestere mot.

I cyber‑kapabilitetsevalueringer oppnår GPT‑6.1 Sol 99,7 % på ExploitBench ved maksimal resonneringsinnsats, et resultat OpenAI advarer kan være kunstig oppblåst av potensiell forurensning fra eksponering for historiske sårbarheter. På ExploitBench Internal Port, en intern evaluering med nylig avslørte sårbarheter, når modellen en suksessrate på 21,5 % for vilkårlig kode‑eksekvering, mot 5,5 % for GPT‑6 Sol og 31,5 % for Astra. Den scorer 78,8 % på SEC‑Bench Pro og oppnår en suksessrate på 35,1 % for tiltenkte sårbarheter per forsøk på ExploitGym. OpenAI opplyser at modellens rapporterte biologiske resultater ikke overskred de indikative kritiske tersklene, og at den innfører en fasebasert pålitelig‑tilgangstilnærming for cyber gjennom Daybreak‑programmet, slik den gjorde med Astra.

OpenAI rapporterer at GPT‑6.1 Sol presterer på nivå med GPT‑6 Astra i HealthBench‑evalueringene, med lengdejusterte poeng innen 0,5 prosentpoeng fra Astra på alle fire evalueringene, og oppnår 57,9 % samlet på MentalHealthBench versus 58,7 % for Astra ved maksimal resonneringsinnsats.

Lanseringen følger OpenAIs introduksjon av GPT‑6 Astra 3. september 2026, samt GPT‑6 Sol og GPT‑6 Luna 22. september 2026, da selskapet reduserte API-prisene med 50 % fra deres GPT‑5.6‑kampanjepris. GPT‑6 Sol gikk over til $2 per million inndata‑tokens og $10 per million utdata‑tokens, de samme standardprisene som GPT‑6.1 Sol nå har, og den tidligere utgivelsen medførte også forbedringer i prompt‑caching som ga 90 % rabatt på lesing av bufrede inndata‑tokens.

OpenAI sier at de vil tilby GPT‑6.1 Sol Ultrafast i løpet av de kommende dagene, med opptil 8 × raskere token‑generering enn standardhastigheten i Codex. DevDay‑oppsummeringen beskriver Ultrafast som et premium‑hastighetsnivå som når 300 tokens per sekund i Codex og opptil 6 × raskere token‑generering i API‑et, med GPT‑6 Astra Ultrafast tilgjengelig nå og GPT‑6.1 Sol Ultrafast som kommer snart.