OpenAI представила GPT-6.1 Sol
OpenAI продолжает очень быстро обновлять семейство GPT-6.
29 сентября 2026 года компания представила GPT-6.1 Sol — улучшенную версию GPT-6 Sol, вышедшей всего неделей ранее.
Основной акцент сделан на трех направлениях:
-
agentic coding;
-
computer use;
-
профессиональная работа.
И если GPT-6 Sol уже позиционировалась как более доступная альтернатива флагманской Astra, то новая версия сокращает этот разрыв еще сильнее.
По опубликованным OpenAI результатам, в отдельных software-engineering тестах GPT-6.1 Sol уже достигает уровня GPT-6 Astra.
При этом базовая стоимость API остается прежней.
GPT-6.1 Sol — что изменилось
GPT-6.1 Sol не заменяет Astra в качестве флагманской модели OpenAI.
Логика семейства остается прежней.
GPT-6 Astra — максимальные возможности для самых сложных задач.
GPT-6.1 Sol — сильная рабочая модель для программирования, агентов и профессиональной работы с более привлекательной стоимостью.
GPT-6 Luna — экономичная модель для быстрых и массовых задач.
Но после обновления до 6.1 разница между Astra и Sol становится заметно меньше.
Особенно это касается программирования.
OpenAI заявляет улучшения при работе с реальными кодовыми базами, продолжительными задачами, инструментами, терминалом и графическими интерфейсами.
Для разработчиков это, пожалуй, главная часть релиза.
GPT-6.1 Sol серьезно усилили в программировании
Современный AI для программирования — это уже не только генерация отдельной PHP-функции или React-компонента.
Coding agent должен уметь:
изучить проект → найти связанные файлы → понять архитектуру → изменить код → запустить тесты → проанализировать ошибки → исправить результат.
Именно на таких сценариях OpenAI тестирует новое поколение моделей.
На DeepSWE v1.1, где проверяется выполнение сложных software-engineering задач в реальных кодовых базах, OpenAI сообщает, что GPT-6.1 Sol смогла сравняться с GPT-6 Astra.
При этом относительно максимального результата обычной GPT-6 Sol новая версия прибавила 6,4 процентного пункта.
Это достаточно серьезное изменение для модели, которая появилась всего через неделю после первоначальной Sol.
Почему DeepSWE особенно интересен разработчикам
Классические coding benchmarks не всегда хорошо отражают реальную разработку.
Модель может отлично написать отдельную функцию, но значительно хуже работать с большим существующим проектом.
DeepSWE пытается приблизить тест к реальной software engineering работе.
Модели необходимо взаимодействовать с кодовой базой и решать задачи, требующие нескольких последовательных действий.
Поэтому рост именно здесь особенно интересен для пользователей Codex.
Например, реальная задача может выглядеть так:
Изучи реализацию корзины WooCommerce, найди причину повторной отправки AJAX-запроса после изменения количества товара, сделай минимальное исправление и проверь связанные сценарии.
Чтобы выполнить ее правильно, недостаточно знать PHP или JavaScript.
Модель должна разобраться в существующем проекте.
И именно подобные сценарии становятся главным направлением развития GPT-6.1 Sol.
Улучшилась работа с терминалом
OpenAI также сообщает о серьезном росте результатов в Terminal-Bench Science 0.1.
На максимальном reasoning GPT-6.1 Sol более чем вдвое улучшила результат GPT-6 Sol.
Это важное направление для coding agents.
Терминал используется практически постоянно:
-
запуск тестов;
-
Composer;
-
npm;
-
Git;
-
линтеры;
-
сборка проекта;
-
миграции;
-
CLI WordPress;
-
серверные инструменты;
-
анализ логов.
Чем лучше модель работает в терминальной среде, тем меньше ее роль похожа на обычный «генератор кода».
Она постепенно становится полноценным агентом разработки.
GPT-6.1 Sol приблизилась к Astra
Главный маркетинговый тезис релиза OpenAI заключается в том, что новая Sol предоставляет возможности, приближающиеся к Astra, при существенно меньшей цене.
В некоторых тестах это действительно видно.
На DeepSWE v1.1 новая модель сравнялась с Astra.
В computer use разрыв тоже заметно сократился.
На OSWorld 2.0 offline при максимальном reasoning GPT-6.1 Sol улучшила результат обычной GPT-6 Sol примерно на 7 процентных пунктов.
При этом до Astra осталось около 2,1 пункта, а стоимость выполнения задачи, по расчетам OpenAI, была примерно в семь раз ниже.
Однако важно правильно интерпретировать эти результаты.
Это не означает:
GPT-6.1 Sol теперь полностью равна GPT-6 Astra.
Astra остается флагманской моделью и сохраняет преимущества в наиболее сложных задачах.
Речь идет о том, что для значительной части практических сценариев разрыв стал намного меньше.
Цена GPT-6.1 Sol не выросла
Пожалуй, наиболее приятная новость для разработчиков — стоимость.
Стандартная цена GPT-6.1 Sol составляет:
Input — $2 за 1 млн токенов.
Output — $10 за 1 млн токенов.
То есть переход с GPT-6 Sol на GPT-6.1 Sol не сопровождается повышением базовой стоимости input/output.
Для сравнения, стандартная стоимость GPT-6 Astra составляет:
$10 за 1 млн входных токенов.
$50 за 1 млн выходных токенов.
Таким образом, базовая цена Sol за обычные входные и выходные токены составляет одну пятую стоимости Astra.
Именно поэтому рост возможностей GPT-6.1 выглядит особенно интересно.
Cached input стал в два раза дешевле
Есть и прямое снижение цены.
У GPT-6 Sol cached input стоил:
$0,20 за 1 млн токенов.
У GPT-6.1 Sol:
$0,10 за 1 млн токенов.
То есть стоимость кешированного контекста снизилась еще на 50%.
Относительно обычного input за $2 это означает 95-процентную скидку.
Для продолжительных AI-задач это может быть очень существенно.
Представим, что Codex работает с большим проектом.
В контексте находятся:
-
инструкции;
-
архитектура;
-
исходный код;
-
документация;
-
история задачи.
Значительная часть этой информации повторно используется между запросами.
Если ее удается эффективно кешировать, стоимость продолжительной агентной работы заметно снижается.
Почему prompt caching особенно важен для Codex
Обычный пользовательский запрос может занимать несколько тысяч токенов.
Работа coding agent — совершенно другой сценарий.
Контекст может включать десятки или сотни файлов.
Агент выполняет много шагов.
Одни и те же инструкции и части проекта могут использоваться повторно.
Поэтому цена:
$2 → $0,10
для кешированной части контекста имеет намного большее значение, чем может показаться на первый взгляд.
OpenAI в GPT-6 вообще уделяет большое внимание prompt caching.
Компания ранее обновила механизм кеширования, увеличила вероятность cache hit и добавила более подробные инструменты диагностики.
Для больших проектов это становится отдельным инструментом оптимизации стоимости AI-разработки.
Улучшилась профессиональная работа
GPT-6.1 Sol предназначена не только для программирования.
OpenAI также заявляет рост качества при работе с профессиональными задачами и сложными документами.
В тесте GDP.pdf, где модели отвечают на профессиональные вопросы, используя сложные PDF-документы, GPT-6.1 Sol показывает заметный рост относительно GPT-6 Sol.
По данным OpenAI, новая модель также смогла превзойти Claude Opus 5.5 с fallback-механизмом при стоимости задачи менее половины от конкурирующего решения.
Для практической работы это означает улучшение сценариев вроде:
-
анализа документации;
-
изучения технического задания;
-
работы с отчетами;
-
анализа PDF;
-
подготовки структурированных выводов;
-
извлечения информации из больших документов.
Это особенно полезно для разработки, где техническая задача часто начинается не с кода, а с документации.
GPT-6.1 Sol стала сильнее в автоматизации
Еще один показательный benchmark — AutomationBench.
Он проверяет end-to-end рабочие процессы с использованием десятков различных инструментов.
Это задачи из областей:
-
продаж;
-
маркетинга;
-
поддержки;
-
финансов;
-
HR;
-
operations.
По опубликованным данным OpenAI, GPT-6.1 Sol на medium reasoning улучшила результат GPT-6 Sol примерно на 4,8 процентного пункта.
Также компания сообщает, что в этом режиме новая модель обошла Claude Opus 5.5 примерно на 2,2 пункта при приблизительно втрое меньшей стоимости выполнения задачи.
И здесь опять важна не столько победа в конкретном benchmark.
Интереснее направление развития.
Модели все чаще оцениваются не по способности дать правильный ответ, а по способности самостоятельно выполнить многоэтапную работу.
Улучшилась фактическая точность
OpenAI сообщает и о снижении количества фактических ошибок.
На специально подобранном наборе сложных вопросов при low reasoning доля фактических ошибок GPT-6 Sol составляла 11,4%.
У GPT-6.1 Sol показатель снизился до 7,7%.
Это примерно 32-процентное относительное снижение.
При этом сама OpenAI делает важное уточнение:
тест специально содержит сложные запросы и не является репрезентативным для обычного использования.
Поэтому цифру 7,7% нельзя интерпретировать как:
GPT-6.1 ошибается в 7,7% всех ответов.
Это показатель конкретного evaluation.
Тем не менее направление изменения выглядит положительным.
Улучшено следование инструкциям
Для agentic AI недостаточно просто быть умным.
Модель должна понимать границы задачи.
Например:
Исправь ошибку, но не изменяй API.
или:
Проверь проект, но ничего не удаляй.
или:
Используй только существующие зависимости.
Для coding agent такие ограничения критически важны.
OpenAI заявляет, что GPT-6.1 Sol стала надежнее соблюдать явные ограничения пользователя и прозрачнее сообщать о собственных ограничениях.
Компания также тестировала модель на сценариях с неработающими инструментами и ситуациях, где агент мог попытаться добиться результата неразрешенным способом.
Это особенно важно по мере роста автономности AI.
Чем больше действий модель способна выполнить самостоятельно, тем важнее способность соблюдать установленную пользователем область работы.
GPT-6.1 Sol и computer use
Еще одно направление развития — работа с графическим интерфейсом.
GPT-6.1 Sol улучшила результаты на OSWorld 2.0, который проверяет способность AI работать с компьютерной средой.
На максимальном reasoning результат вырос примерно на 7 процентных пунктов относительно GPT-6 Sol.
До результата Astra осталось около 2,1 пункта.
Computer use становится все важнее и для разработки.
AI может не только написать HTML и CSS.
Он способен:
открыть страницу → посмотреть результат → взаимодействовать с интерфейсом → обнаружить проблему → вернуться к коду → исправить ее.
Для frontend-разработки это принципиально другой уровень автоматизации.
Что изменится в Codex
GPT-6.1 Sol уже разворачивается в Codex.
И именно здесь обновление может быть наиболее заметным.
Новая модель ориентирована на:
-
сложный рефакторинг;
-
исследование больших кодовых баз;
-
debugging;
-
продолжительные coding tasks;
-
использование терминала;
-
agentic workflows;
-
работу с интерфейсами.
Для веб-разработчика это означает, что модель можно использовать не только для генерации фрагментов кода.
Например:
Изучи проект на 1С-Битрикс, найди все места, где используется устаревый API, оцени совместимость с PHP 8.3, внеси минимально необходимые изменения и запусти доступные проверки.
Или:
Изучи существующую тему WordPress, реализуй AJAX-фильтр каталога в рамках текущей архитектуры, не устанавливай дополнительные плагины и проверь работу на мобильных устройствах.
Такие задачи значительно ближе к реальной работе разработчика.
GPT-6.1 Sol появится в режиме Ultrafast
Вместе с релизом OpenAI анонсировала еще одну интересную возможность — GPT-6.1 Sol Ultrafast.
Это отдельный премиальный режим inference.
OpenAI заявляет ускорение генерации:
до 8 раз в Codex
и
до 6 раз через API.
Максимальная заявленная скорость может достигать примерно 300 токенов в секунду.
На момент релиза Ultrafast еще только готовится к широкому запуску.
OpenAI сообщила, что режим станет доступен в ближайшие дни.
Для обычного чата подобная скорость может быть избыточной.
Но в agentic coding latency складывается из большого количества последовательных шагов.
Поэтому ускорение каждого inference способно значительно сократить общее время выполнения задачи.
GPT-6.1 Sol появилась в GitHub Copilot
Модель уже выходит за пределы продуктов OpenAI.
GitHub подтвердил начало распространения GPT-6.1 Sol в GitHub Copilot.
Модель предназначена в том числе для:
-
agentic coding;
-
terminal workflows;
-
многоэтапной разработки.
GitHub отмечает, что в раннем тестировании GPT-6.1 Sol выполняла задачи с меньшим количеством шагов и токенов по сравнению с предыдущими моделями семейства GPT-6 и GPT-5.6.
Это хорошо согласуется с общей идеей релиза:
не просто увеличить интеллектуальные возможности, а снизить фактическую стоимость выполнения законченной задачи.
Где доступна GPT-6.1 Sol
OpenAI начала распространение GPT-6.1 Sol 29 сентября.
Модель появляется в:
ChatGPT Work;
Codex;
OpenAI API;
GitHub Copilot.
В ChatGPT Work и Codex rollout начинается с пользователей Pro и расширяется на Plus, Business, Enterprise и Edu.
Для Enterprise и Edu доступ может зависеть от настроек администратора рабочего пространства.
В API идентификатор модели:
gpt-6.1-sol
Важно отметить, что GPT-6.1 Sol не является на момент первоначального запуска обычной моделью Chat.
OpenAI отдельно разделяет модели, доступные в стандартном ChatGPT, и модели для Work/Codex.
GPT-6.1 Sol или GPT-6 Astra
После нового релиза выбор становится интереснее.
Если необходимы максимальные возможности без серьезных ограничений по стоимости — Astra остается флагманом.
Но если AI используется постоянно, экономика начинает играть большую роль.
Базовое соотношение цен:
GPT-6.1 Sol — $2 / $10.
GPT-6 Astra — $10 / $50.
То есть Astra в пять раз дороже по стандартным input/output token rates.
А cached input у новой Sol стоит уже в десять раз дешевле Astra:
$0,10 против $1.
При этом в отдельных software-engineering тестах разрыв практически исчезает.
Поэтому для регулярной разработки GPT-6.1 Sol выглядит особенно интересно.
А что с обычной GPT-6 Sol
GPT-6 Sol вышла всего за неделю до версии 6.1, поэтому возникает логичный вопрос: зачем она вообще была нужна?
На практике OpenAI очень быстро переносит улучшения в рабочие модели.
При одинаковой базовой цене новая версия предлагает:
-
более сильный coding;
-
лучшее computer use;
-
более качественную профессиональную работу;
-
меньшую стоимость cached input;
-
улучшенную фактическую точность;
-
более надежное соблюдение ограничений.
Поэтому для новых проектов логичнее ориентироваться уже на GPT-6.1 Sol, если она доступна в выбранном продукте.
Однако production-системы не стоит автоматически переводить на новую модель без проверки.
Старые prompts, tool calls и workflows желательно прогнать через собственные evals.
Более сильная модель может немного иначе интерпретировать те же инструкции.
Что GPT-6.1 Sol дает веб-разработчику
Для меня наиболее интересная часть релиза — не очередные несколько процентов в benchmark.
Важнее сочетание:
сильный coding;
большой контекст;
работа с инструментами;
computer use;
дешевое кеширование;
agentic workflow.
Современная веб-разработка состоит не только из написания кода.
Нужно прочитать документацию.
Разобраться в чужом проекте.
Найти проблему.
Изменить несколько файлов.
Запустить тесты.
Открыть страницу.
Проверить интерфейс.
Посмотреть console.
Вернуться в код.
Именно в этом направлении развивается GPT-6.1 Sol.
Для WordPress это может быть анализ темы, WooCommerce, создание custom blocks и debugging.
Для 1С-Битрикс — интеграции, работа с API, legacy-кодом, PHP и производительностью.
Для frontend — перенос макета, responsive, визуальное тестирование и исправление интерфейса.
Стоимость задачи становится важнее стоимости токена
GPT-6.1 Sol хорошо показывает еще один важный тренд.
Раньше модели сравнивали в основном по:
цене миллиона токенов.
Теперь намного важнее:
сколько стоит получить законченный результат.
Представим две модели.
Первая стоит в два раза дешевле, но делает в три раза больше tool calls, чаще ошибается и требует нескольких повторных попыток.
Вторая дороже за токен, но решает задачу с первого раза.
В итоге вторая может оказаться дешевле.
Поэтому OpenAI все чаще публикует не только benchmark score, но и cost per task.
Для agentic development это намного более полезный показатель.
GPT-6.1 Sol показывает направление развития AI-разработки
GPT-6.1 Sol интересна не только как очередное обновление модели.
Она показывает, куда движется весь рынок.
Основная борьба постепенно идет не за лучший ответ на один вопрос.
Модели конкурируют в способности выполнить законченную работу.
Не:
Как исправить эту ошибку?
а:
Найди ошибку, исправь ее и проверь результат.
Не:
Как сверстать этот блок?
а:
Реализуй блок по макету, открой страницу, сравни результат и исправь расхождения.
Не:
Напиши интеграцию.
а:
Изучи существующую архитектуру, реализуй интеграцию, обработай ошибки и проверь основные сценарии.
Именно поэтому coding, computer use, tool calling и стоимость продолжительных agentic workflows становятся ключевыми характеристиками новых моделей.
GPT-6.1 Sol — еще один серьезный шаг в эту сторону.
Итог
GPT-6.1 Sol выглядит значительно более серьезным обновлением, чем может показаться по номеру версии.
OpenAI удалось увеличить возможности модели, не повышая базовую стоимость API.
Особенно заметен рост в программировании, работе с терминалом, computer use и многоэтапных профессиональных задачах.
При этом цена остается:
$2 за миллион входных токенов;
$10 за миллион выходных токенов.
А cached input подешевел до:
$0,10 за миллион токенов.
На отдельных software-engineering benchmarks новая Sol уже достигает уровня GPT-6 Astra, хотя Astra в целом остается более мощной моделью.
Для разработчиков это делает выбор особенно интересным.
Astra остается вариантом для максимально сложных задач.
Luna — для дешевой массовой обработки.
А GPT-6.1 Sol все больше выглядит как основная рабочая модель семейства GPT-6 для ежедневной разработки и AI-агентов.
AI и современная веб-разработка
Если вам нужен сайт под ключ, интернет-магазин или доработка существующего проекта — подробнее об услугах можно узнать тут.
