同样的价,3.5 倍的账单:GPT 6.1 Sol vs Claude Sonnet 5.5
这事挺邪门。GPT 6.1 Sol 和 Claude Sonnet 5.5 只隔一天发布(9 月 28 对 9 月 29)。它们在 OpenRouter 上的 API 价格一模一样:每百万输入 token 10。
所以,标价一样。但当我让这俩跑同一批真实的 Agent 任务时,Sol 烧了 10.9。 差了 3.5 倍。同样的价,账单天差地别。
下面是前两个任务发生的事。
任务 1:做一个 3D 密室逃脱
活儿:一个第一人称 Three.js 密室逃脱——3 个房间、6 个可交互物件,全部串成一条链(A 解锁 B,B+C 打开 D,以此类推)。外加:每次点击都要有反馈、一个"当前目标"提示、5 分钟内能通关,而且模型得自己把自己的游戏玩一遍再汇报。
Sol 用 33:37 完成。它的游戏《AFTERLIGHT》看着很赞——复古值班室氛围,绿墙、棋盘格地板、背包、声音开关、目标提示。六个物件都接进了正确的依赖链。但评审说它像一本"打钩日记"——每一步都机械地打勾——而且钥匙卡看起来是悬浮在半空的,物理上不可能。
Sonnet 花了 74:32,是 Sol 的两倍多。它的版本是一间灰色牢房,装饰更少,但谜题链是完整的,而且钥匙和锁眼真的有真实感。它营造出了真正的悬念。
所以游戏这块:Sol 更快,Sonnet 手感更好。
任务 2:调研一项政策变化
活儿:调查"AI 改名为 SI"——美国行政令 14434、京都愿景、一手来源——然后给中国技术从业者写一份报告。五份交付物,每个时效性事实都必须有来源,政治性措辞不能包装成技术突破。
Sonnet 用 5 分 11 秒就搞定了。172 行、约 23,000 字节、32 次工具调用。结构干净,而且——最犀利的地方——它抓到了白宫和中国来源在"改名是否达成一致"这件事上说法的不一致。这是实打实有价值的发现。
Sol 花了 54 分 50 秒——慢了十倍。但它交出了一个 14 文件的证据包:报告、来源和验证日志、5 份原始文件(约 600KB,做了哈希校验),还有横跨 3 轮独立核查的 15 条验证判断。这玩意儿天生就是给人审计用的。
所以调研这块:Sonnet 快速画地图,Sol 慢慢堆证据链。
数字
| 任务 | GPT 6.1 Sol | Claude Sonnet 5.5 |
|---|---|---|
| 3D 密室逃脱 | 33:37 | 74:32 |
| 政策调研 | 54:50 | 5:11 |
| GPT 6.1 Sol | Claude Sonnet 5.5 | |
|---|---|---|
| 总账单(3 个任务) | $38.5 | $10.9 |
为什么差 3.5 倍
不是模型单价的问题——那俩是一样的。是每个模型选的路径不一样:
- Sol 一直在验证。多轮事实核查、给原始文件做哈希校验、重跑浏览器、把所有东西都归档。每多一次工具调用、每多一段上下文窗口,都会体现在账单上。
- Sonnet 走最短路径,出一个能用的草稿就收手。
我把这叫作之字形智能:Sol 是个钻牛角尖的强迫症工作狂,什么都查两遍;Sonnet 是个快而高效的日常操作员。
结论
模型只决定天花板。真正决定你拿到什么、以及你付多少钱的,是工具链、验证策略和停手规则。
同样的标价,3.5 倍的账单。如果你在给 Agent 干活付钱,真正要紧的数字不是每个 token 的单价,而是模型决定做多少。
值不值? 看你需要什么。要快速出第一稿 → 选 Sonnet。要可审计、可验证的交付物 → 选 Sol。只是你得知道,这俩花的钱差得远。