AI 新模型分数更高，就值得升级吗？先读懂评测条件 - AIPlan

分数上涨本身不构成升级理由。截至 2026 年 10 月 18 日核对，OpenAI API 价目表上 gpt-6-astra 输出价每 100 万 token $50.00，gpt-6.1-sol 是 $10.00，gpt-6-luna 是 $0.50，最贵一档是最便宜的 100 倍。同一张表里相差 100 倍的产品并列出售，“更强”和“更该买”本来就是两个独立问题。 先确认分数说的是哪个模型 新闻里的“新模型”至少可能指三件不同的东西。Chat 标签页里，Plus、Pro、Business、Enterprise 用 GPT-6 Sol，Free 与 Go 用 GPT-6 Luna，Pro 的 Pro reasoning 档位由 GPT-6 Astra 驱动。Work 与 Codex 另有 GPT-6 Astra 和 GPT-6.1 Sol，官方原文写它们 “separate from the models available in Chat”。API 里对应 id 是全小写的 gpt-6.1-sol、gpt-6-astra、gpt-6-luna。 这三个入口的额度、单价、可用地区都不一样。一条“某模型提升 30%”的消息没说清是哪个入口，就没有可执行含义。还有第四层：推理档位。GPT-6 Sol 在 Instant 到 Extra High 之间切换，Pro reasoning 那一档换成 GPT-6 Astra 且不支持 Intelligent UI，榜单上的“GPT-6”并不区分这些设置。 一个分数背后至少有 4 个变量 第一是测试集本身。编程基准考函数级补全、仓库级修改还是缺陷修复，差距很大；数学基准考竞赛题还是应用题，决定了它与日常工作的距离。同一模型在两类基准上排名互换很常见。 第三是尝试次数。一次作答取结果与多次采样取最优是两种测量。看到 “pass@8” 要意识到它对应 8 次尝试；只用一次时，实际表现更接近 pass@1。 第四是评分方式。人工偏好投票、单元测试通过率、精确匹配，三种百分比不能混着比较；人工偏好还牵涉评委是谁、顺序是否随机、并列怎么处理。报告没交代的部分标成“未说明”。 价格表要按 token 单价读，不要按倍率读 OpenAI 的 API 定价页把输入、缓存输入、缓存写入、输出分成四列，还按短上下文和长上下文各列一遍。以下是每 100 万 token 的美元价，截至 2026 年 10 月 18 日核对： 模型 上下文 输入 缓存读 缓存写 输出 gpt-6-astra 短 $10.00 $1.00 $12.50 $50.00 gpt-6-astra 长 $20.00 $2.00 $25.00 $75.00 gpt-6.1-sol 短 $2.00 $0.10 $2.50 $10.00 gpt-6.1-sol 长 $4.00 $0.20 $5.00 $15.00 gpt-6-luna 短 $0.10 $0.01 $0.125 $0.50 gpt-6-luna 长 $0.20 $0.02 $0.25 $0.75 看到“便宜一半”的宣传，先问是哪一列。输入降 50% 而输出不变，对输出占七成成本的任务，总价只降约 15%。按汇率 1 美元约 6.69 元折算，gpt-6.1-sol 短上下文的输出价约合每百万 token 66.90 元，长上下文约 100.35 元。服务档位另分 Standard、Batch、Flex、Fast、Ultrafast 五档，档位关系和模型关系是两条独立的线，不能混用。 缓存省的是哪一段，算一次就清楚 缓存写入价比普通输入价高：gpt-6.1-sol 是 $2.50 对 $2.00，gpt-6-astra 是 $12.50 对 $10.00。这意味着第一次写入不但没省，还多花了 $0.50 或 $2.50。 真正省下来的在第二次及以后。gpt-6.1-sol 一次写入加一次命中读取共 $2.60，同样两段走普通输入是 $4.00，净省 $1.40，约 35%；gpt-6-astra 是 $13.50 对 $20.00，净省 $6.50，约 32.5%。 “缓存命中率 90%”必须和调用次数一起看：只调用一次的长提示，开缓存反而更贵；调用 10 次的固定系统提示几乎稳赚。方法只有一条，把“写入 + N 次命中”与“N+1 次普通输入”列出来比一次。 长上下文为什么是双倍价 同一模型的长上下文列，输入按 2 倍计，输出按 1.5 倍计。gpt-6.1-sol 从 $2.00 跳到 $4.00、从 $10.00 跳到 $15.00；gpt-6-astra 从 $10.00 跳到 $20.00、从 $50.00 跳到 $75.00。 套餐侧是另一套刻度。ChatGPT 定价页显示，GPT Instant 总上下文窗口：Free 27K、Go 54K、Plus 54K、Pro 128K；GPT Reasoning：Go 256K、Plus 256K、Pro 400K。输入上限按“页”折算，Free 约 12 页，Go 与 Plus 约 40 页，Pro 约 250 页（Instant）与约 680 页（Reasoning）。 容易混淆的一点：Plus 与 Go 在 Instant 窗口上同为 54K，Reasoning 上同为 256K。差距在别处：Codex 额度、深度研究、Projects、Scheduled tasks、Sites、Space，可对照 各档功能归属 确认。 套餐额度和 API 账单不能互相换算 官方在 Codex 定价页写得很直白：“API token prices are separate from subscription usage; don't use them to estimate included tasks.” 订阅额度按模型、任务、设置和速度档位消耗，不按 token 结算。 可以参考的只有区间。官方给出的五小时窗口估算，Plus 与 Standard Business 相同： 模型 五小时窗口估算条数 GPT-6 Astra 5–45 GPT-6.1 Sol 15–160 GPT-6 Sol 15–150 GPT-6 Luna 350–3,000 Pro 100、Pro 200、Pro 500 在 Work 与 Codex 里没有五小时上限，只有计划内总额度。官方标注这些是 “estimates, not guaranteed message counts”。 速度档位直接改变消耗：Fast 按 Standard 的 2.5 倍计入额度，Ultrafast 对 GPT-6 Astra 与 GPT-6.1 Sol 按 8 倍计入，用购买的 credits 时按 6 倍计费。Ultrafast 只对 Pro 500 开放，在 Pro 100 或 Pro 200 上买 credits 也不会解锁。 用你自己的 3 到 5 个任务做对照 准备三到五个真实任务，固定输入、验收标准、推理档位，新旧各跑一遍。记录四个数：完成度（能不能直接用）、返工次数、从提交到可交付的分钟数、这次的实际消耗。 样本只有 3 到 5 个时，结论只能写成“在这 5 个任务上，返工从 2 次降到 0 次，但单次耗时从 4 分钟涨到 7 分钟”。这种句子能支撑一次续费决定，没有条件说明的排行榜不能。 阈值自己定：返工次数没减少、或单次耗时增加超过 50%，就没有理由加钱；把人工复核 3 遍压到 1 遍，多付 2 倍单价也划算。 想看某个模型能不能在现有套餐里选到，先读 GPT-6.1 Sol 的入口与套餐限制。若结论是要换套餐，Plus 月卡 ¥115.50 适合仍在 Plus 档的用户；Plus 到期前不能提前续费，别在有效期还剩 20 天时下单。 数据核对日期为 2026 年 10 月 18 日。价目表、额度区间与档位名称以官方页面当天显示为准，下一次调整可能改变上文任何一个数字。 参考资料资料核对日期：2026-10-17 • Text generation • Business Pricing | OpenAI • Creating Helpful, Reliable, People-First Content | Google Search Central  |  Documentation  |  Google for Developers 延伸阅读• 怎样检查 ChatGPT 回答是否可靠？先查最影响决定的三句话 • 模型和推理强度怎么选？把高成本能力留给难判断的部分 • GPT-6.1 Sol 在哪里用？先区分产品入口与套餐 • GPT-6 Astra 上线详解:哪些订阅可用:Ultrafast 扣费规则