今天跟大家一起看一下 GPT-6 Sol 的情况。GPT-6 Sol 跟 Claude Opus 5.5 基本上是同一天发布的，但口碑其实已经呈现出了非常明显的两极分化。
GPT-6 Sol 的价格要比 5.6 Sol 更便宜 10 美元/Million 的输出，5.6 Sol 促销价的一半左右。
OpenAI 方面表示，这个模型采用了类似 Astra 的方法，能够完成很多专业工作、写代码以及操作电脑等任务，而且整个输出更短、废话更少；但是从大家实际使用的体感来看，整个模型的质量其实是大幅下降的，现在唯一能够夸的，就是更加耐用了，
我相信大家其实也发现了，这一次 OpenAI 整个宣传的核心点，就是反复强调这个模型更便宜。这跟以前新模型发布的宣传套路完全不一样。以前都是告诉你：更聪明、更强、更快；这一次上来先告诉你：兄弟，我便宜啊，香不香。
这不，所有的自媒体都高潮了...
狂降 80% GPT-6-Sol 上线杀疯了！还有不要钱的Luna
杀疯，那要被我封杀了。
那这种变化肯定是有内在原因的。目前总结下来，我觉得最主要的原因就是，这个模型整体智能水平确实不够。也许它在一些非编码任务上表现还不错，但是在编码任务上，肯定是明显倒退的。
最近有很多朋友都在测试新模型的表现，CodeReader （http://codexradar.com/） 也在做更多测试，目前已经有一些结果了，不过数据还不算特别多，大家有空可以继续关注一下。
Twitter 有一个网友做的测试对比Pawel Huryn，他是通过“找 Bug”的方式来测试整个模型的编码能力。
这个测试一共准备了 150 个模型比较容易漏掉的 Bug，而且这些 Bug 全部来自两个真实的生产级项目，所有模型都会做完全一样的题目，然后看它到底有没有找到问题、有没有真正把 Bug 修好。
第一个项目叫 GrokBuild，是他自己基于 VS Code 和 Cursor 做的一个扩展。当时这个项目大概有 2.8 万行 TypeScript 代码，里面准备了 45 个 Bug。当然，这些 Bug 在正式项目里其实都已经修好了，他为了做测试，又把有问题的老版本重新拉回本地。
第二个项目他没有特别细说，主要是一套 AI 做的课程系统，大概有 6 万行代码，前端主要使用 Vite、React 和 TypeScript。这个项目里面同样准备了 60 多个 Bug，而且答案肯定也是没有公开给模型的。
整个测试结果其实挺出乎意料的。
太长了？我帮你精简下...
GPT-6 Astra | max，3 次平均 | 45 | 33 美元 |
GPT-5.6 Sol | max，2 次平均 | 43.5 | 95 美元 |
Opus 5.5 | max，3 次平均 | 41.7 | 59 美元 |
GPT-5.6 Terra | max，1 次 | 32 | 28 美元 |
GPT-6 Sol | max，3 次平均 | 29.3 | 9.3 美元 |
GPT-6 Sol | xhigh，1 次 | 25 | 7.7 美元 |
GPT-6 Sol | high，1 次 | 20 | 4.2 美元 |
GPT-6 Luna | max，2 次平均 | 19 | 0.51 美元 |
GPT-6 Astra 下面，表现最好的是 5.6 Sol，然后是 Opus 5.5，再往下是 5.6 Terra，最后才是 GPT-6 Sol。
性价比确实很高，符合便宜输出又短的特点！价格甚至只有上一代高档模型的10%左右，但是它整个“智商”的下降实在太严重了。至少从这组真实项目测试来看，编码能力的差距非常明显。
也就是说，如果我们真的把这个模型拿到生产环境里去用，虽然模型本身便宜了，但是最后你可能会发现，你得浪费大量时间去纠正它犯下来的错误。模型费用省下来了，人的时间又赔进去了。
再往细了看，GPT-6 Sol 开到 Max 档，三次测试平均只能修好 29.3 个 Bug；而 GPT-5.6 Sol 开到 Max 档，能够修好 43.5 个左右。
换句话说，GPT-6 Sol 的最高档 Max，可能大概也就是上一代 5.6 Sol Medium 左右的水平，甚至还远远不如 Opus 5.5，可怕的是竟然还比不过 5.5 Luna Max...
所以从整个测试结果来看，GPT-6 Sol 现在真正能够赢下来的，好像就只剩一个：便宜，值得和 Grok 4.7 坐一桌了..
而且我们也关注到，其实在官方自己提供的一些图表里面，GPT-6 Sol 也并没有真正超过上一代, DeepSWE上一代模型的成绩依然能够做到 72.7% 左右，而 GPT-6 Sol 大概只有 68.8%。
这DeepSWE测试集其实早就已经被各家模型刷烂了，在这种情况下，新模型竟然还能比上一代差一点，那到了真正未知的编程问题里面，这个差距可能就完全不是表面上的 4% 了。
公开题库里面差 4%，放到真实生产环境里面，可能就是10倍甚至更大的差距，你看Pawel Huryn的测试结果不就是这个道理吗？
Computer Use 方面其实也是类似的问题。
我们知道 GPT-6 Astra 的 Computer Use 能力是真的强得有点离谱。官方这次虽然一直在强调 GPT-6 Sol 使用了类似 Astra 的方法，但是从实际结果来看，它在电脑操作方面依然没有真正超过 5.6。
所以到最后，我们又只能夸它一句：便宜。
“哇，GPT-6 Sol 好省啊，跑了半个小时才掉 1%。”
但是然后呢？
其实我对新一代 GPT-6 Sol 的要求真的一点都不高。我只希望它能够达到上一代 5.6 Sol 的水平，然后速度再快一点，便宜点就已经完全满足了，
包括 Computer Use，我本来还挺期待 Luna 能有一个比较好的表现。但是如果 GPT-6 这一代的中低档模型整体都是现在这种水平，那我觉得 Luna 基本上也没有太大的测试必要了。
所以现在的问题就变得特别尴尬，Astra 太贵了，一个 X20 可能用个一两天就没了；Sol 确实便宜，但是智商又跟不上。
那大家到底应该怎么办？如果你真的在意效果、在意生产力，那我现在反而觉得，不如直接用 Astra，这才是版本的真正答案。
尽管官方现在已经把 Astra 的额度砍到了大概 1200 美金，而 5.6 Sol 加起来可能还有 2500 美金左右的额度，但是我们实际使用之后也会发现，5.6 Sol 真正消耗起来其实一点都不算省。
所以如果你真正关注的是任务质量和最终完成效率，那还不如直接用 Astra。
你可以理解成：
这一代的 Astra，其实就是上一代真正的 更便宜的“Sol”，但是 OpenAI 不会让你真正赚到便宜，token 输出少了，那就提价（当然可能算力真的更多吧）；而这一代的 Sol，地球罢了。