跳到正文

对比模型

GPT-6.1 Sol 与 Claude Opus 5

作者:Ofrai Editorial(Model Testing Team)

这两个模型的价位接近,所以价格不会替你做决定;能力也接近,所以单条提示词同样不会。真正把它们分开的是任务不再是一问一答、而变成一整段工作之后的表现。GPT-6.1 Sol 被造来持续执行长流程而不掉线,Claude Opus 5 被造来持续判断长问题而不接受第一个说法。按工作的形状来选。

打开 GPT-6.1 Sol

对话与视频按积分计费。

决定性的一轴不是价格,而是第三十步之后发生什么

在 Ofrai 对话工作室里,GPT-6.1 Sol 与 Claude Opus 5 的花费相当,把这当成成本比较是最快得出错误结论的方式。真正经得起项目考验的差别是行为上的,而且只有在任务不再是一句话的时候才会显现。Sol 的形状是持续执行:长时间的智能体运行、不断累积的指令链、每一步都依赖上一步落地的工具调用序列。

Opus 5 的形状是持续判断:彼此冲突的要求、很长的材料,以及一份没人会再读第二遍就会照着做的结论。一个是你交底的任务执行者,一个是你征询的审阅者。单条提示词上你几乎感觉不到差别;在一整段会话里,第十条消息之后每一条都能感觉到。

由此得到的判断规则很窄,而且可以当场检验:如果这件事能被写成一份必须全部完成的步骤清单,你就在 Sol 的地盘上;如果写不成,因为你手上其实是一堆还不知道该怎么互相权衡的条件,你就在 Opus 5 的地盘上。选错在第一小时的代价很小,到第三天就很大,因为在你手上出现可以拿来核对的东西之前,选错这件事根本看不出来。

第一步永远是先把形态分清,再谈选型;几乎所有误选都出在这一步,而不是出在模型之间的比较上。

GPT-6.1 Sol 究竟被造来做什么

Sol 处在 OpenAI GPT-6 产品线的中上位,而 GPT-6.1 Sol 是对这一档的小版本更新,而不是新的能力等级:位置不变,换用更新的权重与修正。这一点在选型时很重要,因为你买的不是另一种模型,而是同一类模型更新的版本,它被记录下来的强项是复杂编程、长时智能体执行,以及依赖多步可靠性的技术工作。

它自己的目录条目把指令处理和失败步骤后的恢复列为改进之处。给它一套流程、可用工具和一个停止条件,它就会执行这套流程、在每个阶段汇报改动、遇到问题时自己爬起来。在这个目录里,它高于承担日常工作的 Luna,低于余量最大的 Astra。 小版本更新不会改变工作的形状,所以别指望它给出一种全新的答案。

对团队来说实际后果是:已经能跑的 Sol 流程迁移过来时不需要重写,提示词、工具与结构都可以照搬。它记录下来的改进范围比宣传通常说的更窄,目录点名的只有两处:指令处理,以及某一步失败之后的恢复。 换句话说,它的价值是更少地在细节上出错,而不是更会做新的事情;指望它改变工作方式的人通常会失望。

Claude Opus 5 究竟被造来做什么

在这里的目录中,Opus 5 是 Anthropic 前沿层级的旗舰一代,它被记录下来的强项都在判断一侧:会被直接执行、不再经过第二遍复核的高风险分析,覆盖长文档、大型代码库和长对话记录的大上下文工作,约束相互冲突、必须排出优先级的复杂规划,以及否则会耗费人工数小时的代码审查与调试。

它的模型页面明确写着,它在新项目上取代 Opus 4.x 系列。把一份多条要求同时成立、且彼此打架的需求说明交给它,它会给出有排序的答案:哪些是真要求、哪些只是偏好、先放弃哪一条代价最小。而把同一份说明写成步骤清单交给它,它会比你需要的更久地权衡。 注意这份清单里没有什么。

它没有提怎么让上百次工具调用一直活着,也没有提对着截止时间赶进度,所以如果你的需求主要是这两类之一,你现在读的就是错的章节。它自己的目录条目还提醒,不要把需求本身不明确的任务交给它:一个愿意给冲突条件排序的模型,会把本来就不存在的条件同样自信地排进结果里。

所以先看清楚你的需求说明里有没有互相打架的条件,再决定交给谁,这一步比看任何对比表都省时间。

两者具体在哪里分歧

拿一件真事:迁移一个服务、审一份合同、清理一个失败的构建。对 Sol 来说这是一串步骤:列出调用点、改掉、跑测试、报告仍然失败的、换一个更窄的假设重试。对 Opus 5 来说,同一件事是一组决策:哪些调用点其实重要、合同是否在一条你本来打算忽略的条款上约束了你、那次构建失败是一个缺陷还是一处设计错误。

Sol 每小时能推进更多任务,而且默认不会告诉你交给它的方案形状是错的。Opus 5 会告诉你,而且会为此花掉你的时间和积分。这是两种相反的服务。真正的错误是抱着同一种预期去用这两个模型。 配对配错的代价是可以计算的。

一段指向了错误问题的 Sol 运行,会交回一份完整、格式漂亮的产物,接下来你得亲手把它拆开,而拆开比重新写一份需求说明更慢。而一次用在机械活儿上的 Opus 5 评审,会交回一份文档,你得先把它压缩成一张清单,事情才推进得下去。

判断哪一种情况正在发生其实不难:看你手上是否已经有一份可以直接执行的清单,有就偏向 Sol,没有就偏向 Opus 5。

为什么单次调用成本无法决定这一对

因为两者花费相当,有意义的衡量方式不是单次调用的积分,而是每个被采纳成果的积分。一次一遍跑完的 Sol,比你跑到一半放弃、再在 Opus 5 上重来的同一次任务更便宜。而一条在第一句话就指出某个约束冲突无解的 Opus 5 回复,比一次花掉四十次工具调用去实现你本该放弃的那条约束的 Sol 运行更便宜。

两者都是文本工作室里的标准对话模型,共用同一套信用余额,工作室会在你发送前显示每次请求的成本,而在线程内切换模型你只付单次花费的差额。先按行为分流,再按成果衡量。 所以请按任务记一笔账:这件事实际消耗了几次尝试,包括那些你中途放弃的。真正能在下个月告诉你分流是否正确的,是这个次数,而不是价目表。

单独一次放弃说明不了什么,而同一种工作上放弃十次,就能告诉你该用哪条规则。 把这本账记下来,你才是在管理成本,而不只是在使用它;没有这本账,你只是在看价目表猜。

真正决定项目成败的那种失败

Sol 典型的风险是把错误的方案执行得非常忠实。给它一份建立在错误前提上的需求说明,它会把那个前提贯彻到每一步,纪律严密,毫无异议,因为完全照做正是你要它做的事。你得到的是一次完整、有良好文档的错误执行。

Opus 5 的风险正好是镜像:它会在框架问题上花很久,而当证据不足时,它会用足够打磨的散文把空白填满,看起来像是已经解决了。一个执行过头,一个权衡过头。对 Sol 的对策是一条明确的质疑条款;对 Opus 5 的对策是一个明确的步骤预算,外加要求它先说出缺什么,而不是硬着头皮往下做。

两种失败都越早发现越便宜,越晚发现越贵,而早期的检验办法对两个模型是一样的:让它用五句话复述你的需求,并单独列出它无法从给定材料中验证的部分。一段把错误前提原样带下去、毫无异议的复述,就是一次即将被浪费掉的运行的标志,而在这个节点上打断它几乎不花钱。

这也是为什么这段检验值得在每个新任务开始之前先跑一次,它很便宜,而事后补救从来不便宜。

怎么提示 GPT-6.1 Sol 才真的会让它回头确认

Sol 不会主动表达异议,所以要把检查写进提示里。把请求写成一整套流程:列出要求,让它复述成检查清单,并在开始之前标出其中的矛盾。然后把质疑条款和任务写在同一句话里,大意是如果方案看起来不对、或者某条要求不可能满足,就停下来说明,而不是继续。也要给它停止条件:某一步连续失败两次就停下,并告诉我它打算换什么方案。

要求它在每步之后做一段简短汇报:改了什么、观察到什么、下一步是否还有必要。有了这三样,Sol 的执行纪律才变成你能真正监督的东西。 如果工作会碰到已存的数据,再加一条:任何会删除或覆盖既有内容的步骤,先说明再停下等你确认,不要直接执行。就这一句,能把一次无人看管的运行变成有人监督的运行,而不会拖慢正常的步骤。

这条规则对任何会写文件的步骤都适用,不只是删除;不可逆的步骤尤其需要单独点名。

怎么提示 Claude Opus 5 才不会一直权衡下去

Opus 5 默认做分析,所以你的活儿是给它划定边界。把请求分段推进,而不是一次要求所有内容。明确写出输出形态,因为模型默认输出散文:一张带列名的表格,或者一个键名固定的对象,你拿到的才是能直接用的东西。如果你要它执行而不是权衡,就给出步骤预算、定义完成的标志,并要求它先给结论、后给过程。

如果你要的是相反的那种用法,那通常才是对 Opus 5 更好的用法:让它按严重程度排序真正的问题,而不是把所有问题列出来,并要求它在回答前先说明缺少哪些证据。

步骤预算这一项最常被略过,但它对结果的影响最大:给出六步的预算和一个指明形态的交付物,Opus 5 就不再是那个围绕你的问题写散文的作者,而变成你可以直接交给下一个工具的东西。没有预算,它的开销就会花在框架上,而框架通常并不是你所缺的那一部分。 反过来,如果你要的正是它的判断,那就别加预算,反而要它把权衡过程摊开给你看。

智能体循环,这是整个对比里最清楚的情形

这里的差别最不含糊。循环意味着反复的工具调用、中间观察结果喂给下一步决策,以及某一步返回意外结果时的恢复。这正是 Sol 有据可查的地盘:指令处理与失败步骤后的恢复,本来就是它这次小版本更新改进的地方。Opus 5 在这一侧没有可比的记录重点。

它并不是做不了短小的固定序列,而是它的花费用在了判断上,不是用在了让循环活着上。可行的分工是:让 Sol 列出循环的步骤并跑完,再把结果拿回来交给 Opus 5 判断——刚刚跑完的那个循环,到底是不是你一开始该跑的循环。 把循环交给错的模型,代价表现为一次被放弃的运行。

在循环走偏之前已经完成的部分,花掉的积分全部作废,重来时从零开始,也就是说第二次尝试还得把第一次已经建立的上下文重建一遍。 这也是为什么先做方案评估、再正式开跑,往往能省下整整一轮重来的开销。

长文档与格式混杂的需求说明

材料很长、结论必须经得起别人阅读时选 Opus 5:政策草稿、方案、需要全程引用证据的分析、漏掉一条就有代价的合同。输入格式混杂、且冲突发生在要求之间而不是文件之间时,也选它。当长活儿本身是机械的时选 Sol:同一条规则下几百个条目、对一堆材料施加一致变换,或者一份你打算自己再重组的第一稿。

两者都不默认输出结构化内容,所以两种情况下都要写明你想要的形态。就这一句指令,能把一页散文变成下一个工具可以直接读的东西。 真正的判据是输入的形状而不是长度。同一类来源的很多份材料是批量,批量归 Sol;而几份彼此矛盾的来源是判断,判断归 Opus 5。

格式混杂的需求说明常常看着像前者、表现却像后者,所以在发送之前就想清楚自己要买的是哪一种,因为一句格式指令救不了一份来源互相冲突的需求。 如果两种情况同时存在,就先拆成两步:机械的那部分交给 Sol,冲突的那部分交给 Opus 5 判断。

写代码:按阶段拆开

读陌生代码库、规划改动、解释设计取舍时,Sol 是自然的日常工作默认,而且在两者里它更适合反复调用。需要追根溯源而不是猜原因的调试、微妙的多任务处理或安全问题、结论要写进工单的审查,以及一旦做错就难以回退的架构决策,Opus 5 的花费才算赚回来。

两者都要求给 diff 而不是整段代码,因为二十行的 diff 和两百行的 diff 是两种不同分量的审查。合理的拆法是:在 Sol 上起草和迭代,再把完成的 diff 交给 Opus 5 做真正会进仓库的那次审查。

当改动本身并不显而易见正确时,让两个模型都给出理由而不只是改动,因为用一句话说明为什么是这个修法而不是相邻的那个修法,是判断你实际拿到哪个模型最省钱的检验。没有这句话的 diff 只说明模型写了代码,不说明它理解了缺陷。 同样的理由适用于代码之外的改动:任何你无法一眼判断对错的结果,都值得要这一句理由。

把同一条提示词跑两遍,然后读开头和结尾

拿一件你真的卡住的任务,写一条提示词,在同一线程里发给两者,然后去读两个位置,而不是结论。开头告诉你它是问了正确的问题还是接受了一个含糊的需求,是否严格遵守了格式约束,有没有标出不确定的地方。结尾告诉你的更多:留意那个跑长序列的模型是不是在最后几个条目上开始飘走,以及那个在做权衡的模型到底有没有真的做出决定。

这个测试在 Ofrai 上只多花一次生成,比任何功能列表都更有预测力。 这个测试要用你真正在做的那类任务来跑,而不是用一道人造题,并且要给它足够多的条目,让它真的变长。一个把三步循环做得很漂亮、却在第二十个条目上开始飘的模型,是常见情形而不是罕见情形,只有长到足够发生漂移的结尾才会让你看出来。

把两边的开头与结尾差别记下来,这份对照在下一个任务里可以直接复用,不必重新设计测试。

什么时候第三个模型比两者都好

当决定性因素是批量、延迟或纯粹的深度而不是行为时,两者都不是对的。做摘要、改写、日常起草和批量分类,两个家族里更便宜的档位都能用零头的花费完成:GPT-6 Luna、GPT-5.4 的 Mini 与 Nano 档、Claude Sonnet 5、Claude Haiku 4.5。

如果任务要的是能拿到的最深推理而不是最可靠的执行,GPT-6 Astra 是 OpenAI 余量最大的档位,它在同一产品线里位于 Sol 之上。而面对超大规模的自主仓库改动,目录给出的专门选项是 GPT-5.3 Codex。把这二者留给那些正好需要它们所被造出来的那种行为的工作。

由此得到的分流规则很短:常规批量交给更便宜的档位,最难的判断与最长的运行交给这两个模型,其余的一律留在你已经验证过的那个上。最常见的错误不是在这两者之间选错了,而是为根本不需要它们的工作付旗舰档位的价格。 旗舰档位留给旗舰级的问题,是最省事也最不容易破的一条成本纪律。

Ofrai 积分标价

评分为站内实测编辑估计,非第三方基准。

模型类型积分
GPT-6.1 Sol对话模型Input/Output 0.365696/1.82848
Claude Opus 5对话模型Input/Output 1.37136/6.8568

常见问题

GPT-6.1 Sol 比 Claude Opus 5 更好吗?
不存在单纯的更好,而且价格也告诉不了你答案,因为两者花费相当。真正的差别是行为。长时间多步工具调用与智能体循环是 Sol 的强项,它的长档位被记录下来的能力正是在于把流程串住并在某一步失败后恢复。冲突的要求、长文档以及会被直接执行的结论则是 Opus 5 的强项。最可靠的判断方式,是在同一线程里把一条真实的提示词同时发给两者,去读开头,也去读结尾。
对比它们需要分别订阅 OpenAI 和 Anthropic 吗?
不需要。两者都作为标准对话模型列在 Ofrai 对话工作室,并共用同一套信用余额。打开工作室,把同一条提示词分别发给 GPT-6.1 Sol 与 Claude Opus 5 直接比较,不必管理两个账号、两份外部密钥或两张账单。控成本靠的是把每次请求分配到行为合适的那一个。
长时间智能体执行或工具调用该选哪个?
选 GPT-6.1 Sol。大量工具调用的长时间运行、不断累积的指令链、以及失败步骤之后的恢复,正是它所属 Sol 档位被记录下来的强项,而这次小版本更新改进的也正是指令处理与错误恢复。要留意的是,Sol 不会主动告诉你方案本身是错的,所以要在提示里写明一条质疑条款和一个停止条件。
长文档和相互冲突的要求该选哪个?
选 Claude Opus 5。它被记录下来的强项是会被直接执行、不再经过第二遍复核的高风险分析,覆盖长文档、大型代码库与长对话记录的大上下文工作,以及约束冲突、必须排出优先级的复杂规划。如果交付物是一份别人会读了并且照着做的文档,或者需求说明里的要求彼此打架,那正是它的花费能够赚回来的地方。
任务进行到一半怎么在两者之间切换?
在同一个对话线程里切换。上下文与历史会跟着切换走,所以工作中最贵的部分不会被丢弃。可行的做法是:在 Sol 上把流程跑完,再把结果拿给 Opus 5 判断这套流程本身是否选对,然后带回去让 Sol 继续完成剩下的机械步骤。全程走同一套积分。
GPT-6.1 Sol 是这里能力最强的 OpenAI 模型吗?
不是,这一点值得说清楚。GPT-6.1 Sol 是 GPT-6 Sol 档位的小版本更新,而该档位在 GPT-6 产品线中处于中上位而非顶端。GPT-6 Luna 是它之下的日常档位,GPT-6 Astra 位于它之上、在最难推理上余量最大。另外,目录给出的专门选项是 GPT-5.3 Codex,用于超大规模的自主仓库改动。Sol 是在这个价位上追求可靠执行的合适选择,而不是可得的最强推理。

相关模型

工具

使用场景