我不是小布丁
@xiaobuding
第三方评测机构给 GPT-6.1 Sol 出的分数卡，重点不在分数本身，而在它替换前任的速度：上一代 GPT-6 Sol 上线仅一周就被新版本顶替。指数层面，6.1 Sol 比 6 Sol 高 4 分、比 5.6 Sol 高 5 分，距 GPT-6 Astra 只差 1 分，而单题成本不到 Astra 的四分之一；agent 型知识工作的两个分项——AA-Briefcase v1.1 与 GDPval-AA——分别再涨 4 分和 5 分，涨分集中在真实工作负载而非刷题项。
分项结构比总分更值得读。Astra 定位仍是"最高智能"的天花板，Sol 系列做的是把天花板下放：分数逼近、成本砍到四分之一，等于官方在同一代里造出两档供给，一档买智能，一档买性价比。
对多数团队而言，能否吃满 1 分之差的智能取决于任务是否长链、是否少有人兜底，这类任务本来就少；而分数在分项上的分布提示，涨的是"读文档、做简报、跨工具执行"这类日常负载，正好覆盖大部分企业调用面。换句话说，这一代把钱花在了最高频的那部分调用上，边缘长尾仍留给 Astra 挡着。
定价链条同样连成一条线：6.5 时代之后，6 Sol 相对上一代打五折，6.1 Sol 再把缓存读取折扣从 90% 抬到 95%，账面单次调用价不变，agent 混合价却继续下行。
三次动作指向同一策略——用折扣而非标价让重度缓存的 agent 负载实际降价，标价留在那里服务轻量用户，折扣留给规模化用户。看价格时若只盯每百万 token 的牌价，会漏掉这条线上真正的降价发生在哪里。
一周一代的节奏带来的管理问题比技术问题更大。评测机构七天能出一张完整分数卡，用户上手一周就可能看到版本被顶替，锁定某一代模型的提示词与工作流，保质期等于官方发布周期。采购合同里的模型版本条款、CI 里跑的回归集、内部沉淀的提示词库，都隐含一个过期日，只是没人写在纸上。
把这份分数卡放回行业里看，模型层的两股力量正在同时收紧。一边是旗舰厂内部的自我替代：一周一代的节奏让每款模型的可用窗口缩短，能力上移与价格下移被压进同一次迭代，用户在同一家产品线里就能买到两档供给，天花板与性价比分开卖。
另一边是开源阵营的追赶，同一批评测里开源模型与前沿线的差距逐月收窄，闭源厂商用更快的迭代和更深的折扣回应——两边同时动作，用户端的体感是选择变多、贬值变快。
由此产生的行业影响有三层。评测机构的角色变了：从"发布后一次性背书"变成"按周滚动复核"，评测周期必须贴着厂商发布周期跑，否则榜单一出就过期。云厂商与路由层受益：模型轮换越快，按任务动态路由的价值越高，固定绑定单一代模型的架构成本上升。
供应链的隐含条款开始显形：采购合同的版本锁定、CI 回归集、提示词库都带着无人书写的过期日，模型越像消耗品，这些资产的重估越频繁。
对选型与工程团队的实操建议有两条：一是把"任务档位 + 混合价"当成固定量，模型随版本轮换、档位不动，每次官方发布只对分项做一次回归测试，不重建整套工作流；二是把缓存命中率当成价格的一部分来治理，同一份上下文反复进出的调用方式天然吃满九五折，把系统提示词、检索片段与工具定义的顺序固定下来，命中率的提升会直接体现在账单上，比等下一次官方降价更可控、也更可预期。
