GPT-6.1速度实测：8倍速多花多少钱

10 月 10 日，OpenAI 在 API、Codex 与 ChatGPT Work 上线了 GPT-6.1 Sol 的 Ultrafast 模式，速度最高为标准版的 8 倍，API 定价为输入 12 美元、输出 60 美元（每百万 Token）（来源：OpenAI 官方定价页与多家媒体转述，口径一致）。
同一天，Cline 宣布编码模型 Step 5 Preview 免费开放。一边用免费抢开发者，一边用延迟向企业收溢价。但这里有一笔很容易算错的账：8 倍速不等于 8 倍值。我写了个打分器model_menu_scorer.py，把「能力 / 延迟 / 单价」三个维度折算成每千次任务成本。跑完之后，最有价值的发现不是谁最便宜，而是这张表本身该怎么用。## 一、为什么不能用单价选模型先看一组公开口径的对照。GPT-6.1 Sol Ultrafast 是 12 美元输入、60 美元输出；Claude Haiku 5.5 的运行成本比上一代低约 75%（来源：OpenAI 定价页与 Anthropic 官方发布信息）。只看单价，答案很直接：Ultrafast 贵得多。但只要任务里有输出 token，单价的排序就不等于每千次任务成本的排序，因为不同模型的输出长度不一样。所以正确的第一步是把单价折算成「每次任务花多少钱」：pythoncost = (in_tokens / 1e6 * in_price + out_tokens / 1e6 * out_price) * tasks按 4000 输入 token、1200 输出 token、1000 次任务折算，Ultrafast 是120.00 美元，标准版是75.00 美元。8 倍速对应的是 1.6 倍价。这个数才是能拿去和业务讨论的数字，而不是「每百万 Token 60 美元」。## 二、跑一遍：同一份菜单，四种画像脚本的自检先过一遍判据：bashpython model_menu_scorer.py --selftest5 项控制里有两项是负控：缺字段的条目必须进 UNKNOWN 且不参与排名，零价条目必须标 FREE 且不许霸榜。全绿后再跑打分：bashpython model_menu_scorer.py --profile balanced --pretty均衡画像（能力 0.4 / 延迟 0.3 / 成本 0.3，输入 4000 token × 1000 次）的输出：模型 AA 延迟ms 每千次成本$ 质量/美元 综合Liquid d1（决策专用） 31 8 3.52 8.807 79.1Claude Haiku 5.5 43 900 19.00 2.263 53.3GPT-6.1 Sol 标准 62 2560 75.00 0.827 51.3Mistral Large 4 38 1800 26.40 1.439 48.0 GPT-6.1 Sol Ultrafast 62 320 120.00 0.517 40.8换一个画像，排名会翻。把能力权重提到 0.7（--profile quality），第一名变成 GPT-6.1 Sol 标准，综合 77.5，Ultrafast 升到第二、70.2。把成本权重提到 0.7（--profile cheap），Ultrafast 掉到最后一名，综合 20.2。同一个模型，在不同画像下可以正数第一，也可以是最后一名。这就是为什么「哪个模型最好」这个问题本身没法回答，能回答的是「针对某类任务，哪个画像是划算的」。## 三、真正的坑：菜单里混进了专用小模型上面那张表里有一个异常：Liquid d1 在均衡、成本、延迟三种画像下都排第一。它的 AA 指数只有 31，是全场最低的。原因不复杂：它单次判断只要 8 毫秒、成本只有 3.52 美元，延迟得分和成本得分都拉满，把能力上的劣势盖过去了。这说明的不是「小模型更强」，而是这张表坏了。Liquid d1 是面向结构化决策的专用模型，把它和通用生成模型放进同一张菜单打分，等于让一个短跑选手参加十项全能。修法是先分层，再打分：按任务类型（通用生成 / 结构化决策 / 代码补全）把菜单切开，打分只在同一层内部做。分层之后，通用模型那一层里，Haiku 5.5 与 GPT-6.1 标准版才是可比的对手。这一步不做，打出来的分会把人带偏，而且偏得很有说服力。因为每一项都没算错，只是它们本来不该放在一起比。## 四、工程取舍：企业该按哪几个维度点菜把上面的经验压成三条可执行的判据。其一，先按任务类型分层，再谈排名。跨层的比较没有意义。比如客服问答、代码补全、结构化决策，应该各有一张菜单。其二，用「每千次任务成本」而不是「每百万 Token 单价」做预算。单价只影响输入侧和输出侧的系数，任务的实际 token 结构才决定总额。同一份单价，在长输出任务和短输出任务上的差距可能超过两倍。其三，延迟要给权重，但只在你真的需要它的场景给。交互式产品里 320 毫秒和 2560 毫秒是两种体验，值得为它付 1.6 倍价；批处理任务里这个差别毫无意义，那 1.6 倍就是纯浪费。## 五、三个踩坑坑一，缺字段的条目会被静默当成 0。第一版取值函数用了m.get(k, 0)，某条菜单没写输出单价时按 0 处理，于是它算出的每千次成本恒为 0、性价比无穷大，直接霸榜。现在改成返回None并把条目移进 UNKNOWN，负控专门盯着这一条。坑二，零价条目不能当成「成本最优」。免费开放期的模型价格是 0，如果参与排名，它的性价比会是无穷大，把付费模型全压下去，但这个结论只在免费期内成立。现在价格全为 0 的条目统一标 FREE，单独列出，不参与排名。坑三，权重全为 0 时必须报错，而不是随便给个第一。如果画像配置写错了（三个权重都填了 0），归一化会变成除以 0。现在这种情况直接返回 INVALID，宁可不出结论，也不给一个看起来正常的排名。

六、怎么复现bash# 1. 先跑自检（5 项正控/负控/边界）python model_menu_scorer.py --selftest# 2. 换画像对比python model_menu_scorer.py --profile quality --prettypython model_menu_scorer.py --profile cheap --pretty# 3. 换成你自己的菜单与画像python model_menu_scorer.py --menu my_menu.json --profile my_profile --pretty需要说明口径：脚本内置菜单里，只有 Ultrafast 的 12 美元 / 60 美元单价与 8 倍速来自公开信息；其余单价与延迟是按公开折扣信息折算的示例值，只用于演示「换画像排名会翻转」这个判据，不能当作各厂商的实际报价引用。- 你现在的业务里，延迟真的值 1.6 倍价吗？- 如果让你按三维给自家任务画像打分，权重会是多少？- 你觉得「速度单独定价」会不会成为所有厂商的标配？欢迎在评论区说说你的任务画像，我可以按这套脚本帮你把菜单跑一遍。## 数据与事件来源- GPT-6.1 Sol Ultrafast 上线时间、8 倍速口径、12 美元输入与 60 美元输出（每百万 Token）：OpenAI 官方定价页与多家媒体转述，口径一致。- Cline 编码模型 Step 5 Preview 免费开放：Cline 官方发布信息。- Claude Haiku 5.5 运行成本比上一代低约 75%：Anthropic 官方发布信息。- 每千次任务成本、质量性价比、综合分与四种画像下的排名翻转：本机model_menu_scorer.py实测输出，--selftest5 项控制全部通过。- 示例菜单的单价与延迟参数：除 Ultrafast 外均为按公开折扣折算的示例值，用于演示判据，不代表厂商实际报价。