OpenAI lanserar GPT-6.1 Sol med $2 för indata och $10 för utdata API-prissättning

OpenAI introducerade GPT-6.1 Sol den 29 september 2026, en uppgradering av sin GPT-6 Sol-modell, med standard‑API‑priser på $2 per miljon indata‑token, $0.10 per miljon cachade indata‑token och $10 per miljon utdata‑token. Modellen är tillgänglig samma dag för alla Plus-, Pro-, Business-, Enterprise- och Edu‑användare i ChatGPT Work och Codex, samt för utvecklare via OpenAI API som gpt-6.1-sol, enligt OpenAI:s lanseringsinlägg. Den är ännu inte tillgänglig i Chat.

OpenAI beskriver GPT-6.1 Sol som nästan lika bra som GPT-6 Astra, deras mest intelligenta modell, när det gäller agentbaserad kodning, datorsystemanvändning och professionellt arbete, till en femtedel av Astras standardpriser för in- och utdata‑token. En modell‑kort‑grafik i tillkännagivandet listar priser per miljon token för GPT-6 Astra på $10 för indata, $50 för utdata och $1 för cachad indata, samt för GPT-6 Luna på $0.10 för indata, $0.50 för utdata och $0.01 för cachad indata. OpenAI uppger att GPT-6.1 Sols pris för cachad indata är 95 % lägre än standardpriset för indata och 50 % lägre än GPT-6 Sols pris för cachad indata.

Lanseringen var en av mer än 20 tillkännagivanden på DevDay 2026, där OpenAI också hänvisade till totalt 1,2 miljarder veckovisa användare över ChatGPT‑ytor, enligt företagets evenemangsrecension.

Rapporterade resultat från benchmarktester

På DeepSWE v1.1, som utvärderar komplexa mjukvaruutvecklingsuppgifter i verkliga kodbaser, säger OpenAI att GPT-6.1 Sol matchar GPT-6 Astra till ungefär en femtedel av kostnaden samtidigt som den överträffar GPT-6 Sols bästa resultat med 6,4 procentenheter vid lägre resonemangsinsats och kostnad.

På GDP.pdf, som mäter hur exakt modeller svarar på professionella frågor med hjälp av komplexa PDF‑dokument, säger OpenAI att GPT-6.1 Sol får högre poäng än Opus 5.5 med fallback‑lösningar till mindre än hälften av kostnaden per uppgift över de testade resonemangsinställningarna, och närmar sig Astras prestanda till ungefär en femtedel av kostnaden per uppgift. På AutomationBench, ett test av flerstegiga affärsarbetsflöden över 47 verktyg, säger OpenAI att modellen får 2,2 procentenheter högre resultat än Opus 5.5 vid medel‑resonemangsinsats till ungefär en tredjedel av kostnaden, vilket är 4,8 procentenheter mer än GPT-6 Sol under samma inställning. OpenAI noterar att datapunkten för Claude Fable 5.1 i AutomationBench underskattar dess faktiska kostnad eftersom den utelämnar kostnaden för fallback‑lösningar, vilka inträffade i ungefär 40 % av uppgifterna.

På OSWorld 2.0:s offline‑uppsättning, som utvärderar agenter i krävande datoranvändningsarbetsflöden, säger OpenAI att GPT-6.1 Sol överträffar GPT-6 Sol med sju procentenheter vid maximal resonemangsinsats till mindre än hälften av kostnaden, och ligger inom 2,1 procentenheter från Astra vid ungefär en sjundedel av kostnaden per uppgift.

På Terminal-Bench Science 0.1, som utvärderar vetenskapliga arbetsflöden inklusive dataanalys, simulering och satsbevis, säger OpenAI att GPT-6.1 Sol mer än fördubblar GPT-6 Sols resultat vid maximal resonemangsinsats till mindre än hälften av kostnaden per uppgift, med ett genomsnitt på $5.47 per uppgift jämfört med $23.21 för Opus 5.5 och $23.80 för Astra. OpenAI uppger att Astra fortfarande har det högsta resultatet bland de testade modellerna, på 68,1 %.

OpenAI säger att modellens största förbättring i faktualitet jämfört med GPT-6 Sol sker vid låg resonemangsinsats, där andelen svar som innehåller ett faktumfel sjunker från 11,4 % till 7,7 %, en minskning på ungefär 32 %, med felgrader som förblir inom 1,9 procentenheter från Astra över de testade inställningarna. Faktualitetsutvärderingen mäter avidentifierade konversationer där användare markerade ett fel i en tidigare modell, och OpenAI påpekar att dessa avsiktligt svåra uppmaningar inte är representativa för normal användning. Företaget noterar att utvärderingar av deras GPT‑modeller genomfördes i deras forskningsmiljö eller via deras API, och att konkurrerande modellers utvärderingar hämtades från offentligt tillgängliga rapporter.

Säkerhets‑ och beredskapsutvärderingar

I ett tillägg till systemkortet anger OpenAI att de behandlar GPT-6.1 Sol som en kritisk förmåga inom cybersäkerhet och en hög förmåga inom de biologiska och kemiska domänerna enligt deras beredskapsramverk, och under den höga tröskeln för AI‑självförbättring. Enligt ramverket beskriver kritisk cybersäkerhetsförmåga en modell som kan “identifiera och utveckla funktionella noll‑dag‑exploits av alla allvarlighetsnivåer i många härdade kritiska system i verkligheten utan mänsklig inblandning.” Baserat på bedömningen använder GPT-6.1 Sol samma skyddsstapel som GPT-6 Astra.

I OpenAI:s Production Benchmarks, en utvärderingsuppsättning av konversationer som representerar utmanande exempel från produktionsdata, får GPT-6.1 Sol högre poäng än GPT-6 Sol i fem av åtta kategorier. I under‑18‑utvärderingar får den högre poäng i fem av sex kategorier, där regressionen i gore‑utvärderingen inte är statistiskt signifikant. OpenAI rapporterar en försvarssuccégrad på 99,99 % mot instruktion‑hierarki‑attacker, vilket matchar GPT-6 Astra, samt jämförbara eller högre försvarssuccégrader än GPT-6 Sol i statiska och flerstegs‑jailbreak‑utvärderingar.

OpenAI rapporterar att GPT-6.1 Sol inte gjorde några försök att kringgå en automatiserad säkerhetsgranskare, vilket matchar GPT-6 Astra och GPT-6 Sol. Dess uppmätta felaktighetsgrad är 1,50 %, jämfört med 1,30 % för GPT-6 Sol och 0,51 % för Astra, på uppgifter som medvetet valdes för att framkalla oärlighet. Modellen misslyckas med att erkänna ett trasigt sökverktyg i 2,08 % av fallen, jämfört med 4,92 % för GPT-6 Sol.

I en driftsimulering av 49 650 interna Codex‑uppgifter flaggade GPT‑6.1 Sol 28 missanpassningsflaggor med allvarlighetsgrad 3 eller högre (0,056 %), jämfört med 42 (0,085 %) för GPT‑6 Sol och 27 (0,054 %) för GPT‑6 Astra. OpenAI definierar allvarlighetsgrad 3 som ett missanpassat beteende som en rimlig användare sannolikt inte skulle förutse och starkt skulle motsätta sig.

Vid cyberkapacitetsutvärderingar får GPT‑6.1 Sol 99,7 % på ExploitBench med maximal resonemangsinsats, ett resultat som OpenAI varnar för kan vara artificiellt uppblåst av potentiell kontaminering från exponering för historiska sårbarheter. På ExploitBench Internal Port, en intern utvärdering med nyligen avslöjade sårbarheter, når modellen en godkänd kodexekveringsgrad på 21,5 %, mot 5,5 % för GPT‑6 Sol och 31,5 % för Astra. Den får 78,8 % på SEC‑Bench Pro och når en avsedd‑sårbarhets‑framgångsgrad på 35,1 % per försök på ExploitGym. OpenAI uppger att modellens rapporterade biologiska resultat inte översteg de indikativa kritiska trösklarna, och att den inför ett fasat betrodd‑åtkomst‑tillvägagångssätt för cybersäkerhet genom sitt Daybreak‑program, på samma sätt som för Astra.

OpenAI rapporterar att GPT‑6.1 Sol presterar på samma nivå som GPT‑6 Astra i sina HealthBench‑utvärderingar, med längdanpassade resultat inom 0,5 procentenheter från Astra i alla fyra utvärderingar, och får totalt 57,9 % på MentalHealthBench jämfört med 58,7 % för Astra med maximal resonemangsinsats.

Lanseringen följer OpenAI:s introduktion av GPT‑6 Astra den 3 september 2026 samt av GPT‑6 Sol och GPT‑6 Luna den 22 september 2026, då företaget halverade API‑priserna från deras GPT‑5.6‑kampanjpriser. GPT‑6 Sol övergick till 2 $ per miljon inmatningstoken och 10 $ per miljon utmatningstoken, samma standardpriser som GPT‑6.1 Sol nu har, och den tidigare releasen medförde även förbättringar av prompt‑cachning som ger 90 % rabatt på läsningar av cachade inmatningstoken.

OpenAI säger att de kommer att erbjuda GPT‑6.1 Sol Ultrafast inom de närmaste dagarna, med upp till 8 × snabbare token‑generering än standardhastigheten i Codex. Sammanfattningen från DevDay beskriver Ultrafast som en premium‑hastighetsnivå som når 300 token per sekund i Codex och upp till 6 × snabbare token‑generering i API:t, med GPT‑6 Astra Ultrafast tillgänglig nu och GPT‑6.1 Sol Ultrafast som kommer snart.