GPT-6.1 Solは、GPT-6 Solのアップグレードとして発表されました。エージェント型コーディング(agentic coding)、computer use、専門的な業務においてGPT-6 Astraの知能にほぼ並びますが、標準の入力・出力トークン価格はGPT-6 Astraの5分の1です。また、コンピューターアプリケーションを操作するタスク(computer use)においても大きく前進しています。

GPT-6.1 Solのキャッシュ入力(cached input)は100万トークンあたり$0.10で、標準の入力価格より95%安く、GPT-6 Solのキャッシュ入力価格より50%安い価格設定となっています。この料金により、開発者がリクエストをまたいでコンテキストを再利用する高性能なエージェントを構築・実行する余地が広がるとされています。

日常業務を大規模に、高速かつ効率的にこなすためのモデルであるGPT-6 Lunaの料金は、入力が$0.10、出力が$0.50、キャッシュ入力が$0.01です。

コーディングや業務タスクでの評価結果

GPT-6.1 Solは、重要な日常業務に向けた能力とコストの新しいバランスを提供します。コードの作成・デバッグ、ドキュメントの理解、複数ステップの業務ワークフローの実行まで、複雑な専門業務全般でGPT-6 Solを大きく上回ります。複数の評価では、大幅に低いコストでGPT-6 Astraの性能に近づきつつあります。

実際のコードベースにおける複雑なソフトウェアエンジニアリングタスクを評価するDeepSWE v1.1では、GPT-6.1 SolはGPT-6 Astraとほぼ5分の1のコストで並びます。さらに、より低い推論の強度(reasoning effort)とコストで、GPT-6 Solの最高スコアを6.4ポイント上回ります。

表、チャート、図、細かい注記を含む複雑なPDFドキュメントを使って専門的な質問にどれだけ正確に答えられるかを測るGDP.pdfでは、GPT-6.1 SolはOpus 5.5 with fallbacksより高いスコアを出しました。検証した推論設定のすべてにおいて、タスクあたりのコストはOpus 5.5 with fallbacksの半分未満です。また、GDP.pdfでは、GPT-6 Astraのおよそ5分の1のタスクあたりのコストで、GPT-6 Astraの最先端の性能に近づきます。

エージェントが複数ステップの業務ワークフローを正しく完了できるかを測るAutomationBenchでは、GPT-6.1 Solはmediumのreasoning effortでOpus 5.5を2.2ポイント上回り、費用は約3分の1です。このスコアは、同じ設定のGPT-6 Solから4.8ポイント上がっています。

負荷の高いcomputer-useワークフローでエージェントを評価するOSWorld 2.0のオフラインセットでは、GPT-6.1 Solは最大のreasoning effortの設定でGPT-6 Solを7ポイント上回り、そのコストはGPT-6 Solの半分未満です。また、同じ最大のreasoning effortでのAstraのスコアには2.1ポイント差まで迫り、タスクあたりのコストはおよそ7分の1です。

事実の正確さとアラインメントの評価

GPT-6.1 Solは、難しいプロンプトでの事実の正確さも向上しています。GPT-6.1 Solにおける最大の改善は低いreasoning effortで見られ、低いreasoning effortにおいて事実誤りを含む回答の割合をGPT-6 Solの11.4%から7.7%へ約32%減少させます。検証した推論設定全体では、誤り率はGPT-6 Astraの誤り率から1.9ポイント以内で、タスクあたりのコストは5分の1未満です。この評価は、ユーザーが以前のモデルの誤りを指摘した匿名化された会話で、少なくとも1つの事実の誤りを含む回答の割合を測るものであり、プロンプトは意図的に難しく、典型的な利用を代表しません。アラインメント(alignment)の評価では、GPT-6 Solより大きく改善し、GPT-6 Astraに近づいたとされます。自身の限界についてより透明であり、ユーザーの意図と安全上の制約を尊重する点でより信頼できます。難度の高い評価では、検索ツールが壊れていることについての透明性、明示された制限の順守、およびエージェント的タスク中に未承認の結果を避けることに関して、GPT-6 Solより失敗率が低くなっています。

GPT-6.1 Solでは、自動安全レビュアーを回避しようとする試みは観察されませんでした。これはGPT-6 AstraおよびGPT-6 Solと同じです。詳細はGPT-6.1 Solのシステムカード補遺(system card addendum)に記載されています。

利用できる範囲と科学ワークフローの評価

GPT-6.1 Solは、公開当日からChatGPT WorkとCodexにおいて、Plus、Pro、Business、Enterprise、Eduのすべてのユーザーが利用できます。ただし、Chatではまだ利用できません。安全性・アラインメントの評価は意図的に難しい状況を試すものであり、典型的な利用での失敗率を測るものではありません。

データ分析、シミュレーション、定理証明を含む科学ワークフローを評価するTerminal-Bench Science 0.1において、GPT-6.1 Solは最大のreasoning effortで、タスクあたりのコストが半分未満という条件で、GPT-6 Solのスコアの2倍超を達成します。最大のreasoning effortでは、GPT-6.1 Solのタスクあたりの平均コストは$5.47で、Opus 5.5の$23.21、Astraの$23.80と比べて、どちらよりも75%以上低いコストです。このベンチマークでは、検証したモデルの中でGPT-6 Astraが68.1%で最高スコアを出しており、最も難しい科学研究タスクにはGPT-6 Astraを使うべきだとされています。

API価格とUltrafastの提供予定

開発者はOpenAI APIからgpt-6.1-solとしてGPT-6.1 Solを利用できます。標準のAPI価格は、入力100万トークンあたり$2、キャッシュ入力100万トークンあたり$0.10、出力100万トークンあたり$10です。

数日中に、GPT-6.1 Sol Ultrafastも提供される予定で、Codexでは標準の速度に比べてトークン生成が最大8倍速くなります。

GPTの評価は、OpenAIの研究環境またはAPI経由で実施されました。システムプロンプト、利用可能なツール、reasoning effortなどの違いにより、本番のChatGPTとは出力が少し異なる場合があります。競合モデルの評価は、公開されているレポートから取られています。