GPT-6.1 Sol (Max) 进入 Agent Arena 第 5 名，以更低成本逼近前列模型

一句话看懂：GPT-6.1 Sol (Max) 首次进入 Agent Arena 就排到第 5 名，单任务中位成本仅 0.56 美元，用明显更低的价格把性能压到头部模型 2 个百分点以内，重新划定了成本与能力的性价比边界。

事件核心：发生了什么

据 Arena 在 X 上发布的信息，OpenAI 的 GPT-6.1 Sol (Max) 进入 Agent Arena 后排名第 5，较此前提升 11.23%，并改写了该榜单的帕累托前沿。核心数据是成本：它完成单个任务的中位成本为 0.56 美元，而性能与 GPT-6 Sol、GPT-6 Astra 的差距都在 2 个百分点以内。具体来看，它比 GPT-6 Sol 便宜 39%，得分反而高出 1.52 分；比 GPT-6 Astra 便宜 81%，分差仅 1.04 分。横向对比 Claude 系列同样如此：比排名第 1 的 Claude Fable 5.1 (Max) 低 88% 成本、分差 3.08 分；比第 2 的 Claude Opus 5.5 (High) 低 65%、分差 2.59 分；比第 3 的 Claude Sonnet 5.5 (Max) 低 80%、分差 1.29 分。Arena 此前还提到，该模型在 Code Arena: WebDev 中排到第 3，得分 1759，混合价格约每百万 token 8 美元。

为什么重要

这组数字的意义不在“又发了一个新模型”，而在于性价比曲线的移动。Agent Arena 衡量的是多步骤任务的实际完成能力，直接对应 API 调用成本。当第 5 名的模型只花头部模型五分之一到十分之一的钱，企业做 Agent 应用的边际成本会明显下降。更关键的是，榜单前几名目前由 Claude 系和 OpenAI 系交替占据，GPT-6.1 Sol 以低价切入前五，等于把价格战从“聊天对话”推到了“能干活的任务型 Agent”这一层。对闭源厂商来说，能否在维持性能的同时压低推理成本，正在变成比单点跑分更硬的竞争维度。

对用户/开发者/创作者的影响

对开发者，0.56 美元的中位任务成本意味着做长链路 Agent、批量网页操作、自动化工作流的试错门槛降低，很多此前“跑得起但不敢多跑”的场景可以重新算账，比如代码生成、网页开发辅助、多轮工具调用。对企业和采购方，榜单排名接近而价差数倍，会促使他们按任务类型混合调度模型，而不是全部押注单一最强模型。对创作者，成本下降通常先反映在第三方 AI 应用订阅价和免费额度上，但短期更可能体现为工具内部能力变强，而非直接降价。需要注意的是，Arena 的得分和成本都是特定评测条件下的数据，目前公开信息显示，它并不等同于所有真实业务场景的表现。