实测丨GPT 6.1 Sol 硬刚 Sonnet 5.5：一个太老实，另一个精得很

导语：同样的模型调用单价，为什么一次 Agent 任务的实际成本相差 3.5 倍？

Anthropic 于 9 月 28 日推出 Claude Sonnet 5.5，OpenAI 于 9 月 29 日推出 GPT 6.1 Sol。巧合的是，两款模型在 OpenRouter 上的 API 标价完全相同：每百万输入 Token 2 美元，输出 10 美元。雷峰网(公众号：雷峰网)

两家公司给出的方向高度相似：把接近最高档模型的能力，压进更快、更便宜、适合 Agent 与专业工作的产品层。Sonnet 5.5 强调以更少步骤完成边界清晰的日常任务；GPT 6.1 Sol 则瞄准复杂编码、计算机操作和专业工作。

我们把两款模型放进同一个工作台，通过同一个渠道商调用，要求模型连续完成 3D 密室开发、最新政策调查和诺奖化学科普三项任务。最终，GPT 6.1 Sol 花了 38.5 美元，Claude Sonnet 5.5 只用了 10.9 美元，相差约 3.5 倍。

速度上的差异更有意思。开发 3D 密室时，Sol 用了 33 分钟，Sonnet 却花了 74 分钟；到了政策调查，情况完全反转，Sonnet 仅用 5 分钟就完成报告，Sol 则花了将近一小时。

除了最终交付成果，我们还对比了端到端耗时、工具调用、原件归档、运行验证和实际账单。

结果没有形成一条整齐的胜负线，GPT 6.1 Sol 在密室开发中更快，并在两项研究任务里建立了更深的证据链和发布闭环；Claude Sonnet 5.5 则以更短路径交付可用成果，两项研究任务均快出数倍，三项任务总成本也只有 Sol 的约 28%。

这是一种典型的“锯齿状智能”：Sol 是一个愿意继续核验的深度工作狂，Sonnet 5.5 更像高效的日常先锋官。通过详细分析发现，模型只能决定能力上限，工具链、验证方式和停止策略才是决定我们最终得到什么，又为此付出多少的核心。

这两款产品也折射出中段模型的行业位置正在上升：开始成为企业 AI 的主力执行层，承接大部分复杂而高频的生产任务。当模型能力满足使用门槛后，稳定交付和单位任务成本将比单项榜单领先更能决定模型的产业价值。

对比实测：3 道真实任务检验两款模型

本文选择近期发布的两款顶级模型来进行对比测试：分别来自 OpenAI 和 Anthropic 的 GPT 6.1 Sol 和 Claude Sonnet 5.5，我们使用 Claude Code Cli 作为测试平台，调用来自 OpenRouter 渠道商的两款模型分别完成三个复杂任务。两款模型均可搜索网页、读写文件、运行命令和调用浏览器。

测试任务 1: 3D 密室游戏开发

用 Three.js 做一个第一人称 3D 密室逃脱：3 个房间、6 个可交互物件。

硬约束：

1. 物件之间必须有【连锁依赖链】，不能是六个平行谜题：拿到 A 才能使用 B，B 与 C 组合才能开 D，D 打开才能进第 3 个房间…… 请把这条依赖链明确画出来给我看；

2. 每个物件点击都必须有明确反馈（有反馈，但还没到能用的时候，也要给出“为什么现在用不了”的提示，而不是静默无响应）；

3. 有一个“当前目标”提示，保证玩家不会被卡死；

4. 全流程 5 分钟内可通关；

5. 全部文件和中间文件都保存在当前文件夹下。

做完后：自己从头到尾走一遍通关流程，把每一步的操作和反馈写出来。

如果你自己都没通到关，直接告诉我卡在哪一步。

模型既要实现 3 个房间和 6 个物件，还要把它们串成依赖图；玩家乱点、提前点击、距离过远时都要获得反馈；最后模型还得亲自从头走到尾。

一起来看看两个模型的表现：

首先是 6.1 Sol，做出的《余光 / AFTERLIGHT》有一套完整的复古值班室视觉：绿色墙裙、格纹地板、三维标牌、物品栏、声音开关和常驻目标提示都已经进入成品。六个物件被安排成两路汇合的依赖链：A 保险丝恢复 B 配电箱供电，C 门禁卡与供电状态共同解锁 D 终端，随后才能进入第三个房间取得 E 钥匙并打开 F 出口。

GPT 6.1 Sol 构建的 3D 密室逃脱游戏体验过程

不同于 Sol，Sonnet 5.5 采用灰色牢房和配电室风格，画面装饰较少，谜题链条依然完整。玩家需要先从床垫下取出螺丝刀，再拆通风口后拿到管理员钥匙；钥匙同时打开牢房门和书桌抽屉，抽屉里的门禁卡解锁工具柜并取得电池，最后由“门禁卡 + 电池”共同打开出口电子门。第三个房间尽头的光门只负责触发结算，没有被偷算进 6 个交互物件。

Claude Sonnet 5.5 构建的 3D 密室逃脱游戏体验过程

通过评测人员的感受来看，Sol 更像是交作业的流水账日记，Sonnet 则明显设置了玩密室的悬念感。Sol 的每一个步骤都被标记出来，同时，门禁卡的设计更像违背物理规律的悬空设计。反观 Sonnet，钥匙的质感和门上的钥匙孔都展现出一种真实感。

测试任务 2：最新政策调查

本题专门考验时效信息与证据纪律，行政令、国际联合声明、出口规则和科研安全政策混在一起，很容易把政治措辞写成技术突破，也容易把一条搜索摘要扩写成既成事实。

请基于美国行政令 14434、《京都愿景》及相关一手资料，完成一篇面向中国技术从业者的调查报告：
1. 说明“AI 改名 SI”在法律、技术和产业层面分别改变了什么、没有改变什么；
2. 建立“说法—原始证据—可信度—可能误读”表格；
3. 分析它对中国 AI 企业、开源社区和科研合作可能产生的三项实际影响；
4. 列出五个可能出现但不准确的中文标题，并逐一纠正；
5. 所有时效性事实必须附来源，不得把政策措辞当成技术突破。

从运行过程来看，Sol 先写核验方法，再运行深度研究流程，最终交付了一份含有 14 个文件的调研报告，包括正式报告、来源与核验记录、方法说明、5 份官方原始文件、4 份辅助提取文本和一份 SHA-256 校验清单。5 份原件合计约 60 万字节，下载结果经过哈希校验，还把 5 组核心结论分别交给 3 路核验，共留下 15 份判断，再对整篇报告做一次审查和修订。整体来看，整个工作非常细致，而且严格遵循需求完成全部任务。

GPT 6.1 Sol 任务运行过程截图

GPT 6.1 Sol 任务执行结束后的交付说明截图

与 GPT 6.1 Sol 不同的是，Claude Sonnet 5.5 仅在 5 分 11 秒内完成 172 行、约 2.3 万字节的报告，过程共调用工具 32 次。正文结构完整，同样给出 12 条核验表、三项中国影响、五个误导标题，并列出 4 个值得继续追踪的日期，同时，还抓住了白宫与中方文本对“是否同意改名”的表述差异，这个角度极具有价值。

Claude Sonnet 5.5 任务执行结束后的交付说明截图

从测试人员体验来看，Sonnet 更像在快速绘制一张新闻地图，而 Sol 则更努力地在修补边界，确保数据真实性。整体来说，高时效新闻需要迅速建立议题地图时，Sonnet 更容易抢到第一版；涉及法律边界、对华政策和可追责引用时，Sol 的证据包更接近可供复核的底稿。

测试任务 3: 诺奖化学科普


请阅读诺贝尔奖官方 2026 年化学奖的公告及科普材料（材料需要自行获取），完成以下交付：
1. 用普通读者能理解的方式解释手性、对映异构体、非线性效应和不对称自催化
2. 解释 Kagan 与 Soai 的贡献分别解决了哪一步问题，不能混为一谈
3. 制作一个单文件 HTML 互动演示，展示微小初始偏差如何在自催化过程中被放大
4. 明确说明互动演示是教学模型，而非对 Soai 反应的精确动力学复现

5. 输出一份五页演示文稿提纲，并核查所有数字、年份和药物相关表述。