OpenAI 这波 DevDay 发了二十多个东西,热闹得像过年。但你只要盯一条:GPT-6.1 Sol 的定价。其余都是烟花。
$2 每百万输入 token,$10 每百万输出。这个价格,买到了"接近 GPT-6 Astra"的能力。半年前,同样的智能水平要 $10/$30。剪刀差在收窄,而且收窄的速度在加快。
但先别急着换模型。
"接近 Astra"这五个字,大到能装下所有你想问的问题。接近是多接近?在哪些任务上接近,哪些任务上差得远?官方只说在 agentic 编码、computer use、专业工作这三个方向上接近——偏偏是 Agent 场景里最容易翻车的三块。所以这五个字既是卖点,也是免责声明。
$2/$10 确实到了一个拐点。但不是"AI 变便宜了"那种拐点,是"AI 从实验性玩具变成生产基础设施"的拐点。当 token 价格降到这个量级,成本不再是"要不要用 AI"的决定因素,而变成了"怎么用、用在哪"的优化题。
大多数人漏看了一个细节:缓存输入 $0.10。
如果你每次调用都重传完整上下文——system prompt、工具定义、历史对话——付 $2 全价。把这些固定内容缓存、只在变化时重算,固定部分成本降到 $0.10。二十分之一。
这不是优化建议,是架构级的成本断层。做了上下文缓存的 Agent,和没做的,同样任务量下成本差一个数量级。你的架构师如果设计阶段没想这件事,后面补的代价会让他肉疼。
所以建议很朴素。
别看基准分数。去 Agent Arena 翻 GPT-6.1 的真实任务投票,等两周数据沉淀再说。基准测试这东西,每家厂商都能跑出自己想看的结果。
做个最小的 PoC:拿你业务里最核心的三个场景,用 $2/$10 跑一遍,和现在的模型比成功率、返工率、人工介入频率。差距在五个点以内,换。超过十个点,等下一代。
上下文缓存架构,现在就搭。不管你用哪个模型,这层设计都是必选项,不是可选项。
最后把线连起来看:同一天 OpenAI 还发了 dots 常驻智能体、平台开放、500 美元订阅。GPT-6.1 Sol 的 $2 不是在卖模型,是在卡生态位——用低价把开发者拉进来,再用 dots 和插件生态让你走不出去。
你在选模型,OpenAI 在选生态。