你让 AI 帮公司改一处关键系统：普通任务希望它答得快、花得少；遇到可能影响业务的难题，又愿意多等一会儿，让它仔细检查；月底还有几万份文件待整理，但不要求立即返回。GPT-6.1 Sol 的产品思路，就是不再让这三类需求挤在同一个档位里。
OpenRouter 页面目前已列出 GPT-6.1 Sol、GPT-6.1 Sol Pro，以及两者的 batch 版本。这里的 API，是软件调用模型能力的接口；batch 即批处理，把大量、不着急的请求集中提交，以更长等待换取较低成本。需要先说明：现有发布信息和效果描述都来自 OpenRouter 这一处信源，尚无材料显示 OpenAI 官方公告或独立实测，也没有明确发布日期。
升级模型，也继续拆分“思考预算”
据 OpenRouter 介绍，GPT-6.1 Sol 是 GPT-6 Sol 的升级版，在 GPT-6 系列中定位低于旗舰 GPT-6 Astra。它面向 agentic coding、computer use、文档密集型专业工作，以及多步骤业务流程自动化。
Agentic coding 不只是让模型补全几行代码。模型还要自己规划步骤、读取项目、调用工具，并检查修改是否有效。类似地，computer use 和业务自动化也要求模型连续执行多步操作，而不是回答一道孤立的问题。
本刊 9 月 24 日介绍 GPT-6 Sol 时，已经出现普通版、Pro 和批处理版的分层。升级到 6.1 后，这套结构继续沿用。变化的重点不只是型号后多了“.1”，还在于同一个底层模型被进一步包装成不同的调用方式。
Pro不是另一颗脑子，而是多给草稿纸
OpenRouter 明确写道，GPT-6.1 Sol Pro 与普通 Sol 使用同一个底层模型，区别是把 reasoning.mode——控制推理强度的设置——调到 pro。
可以把它理解为同一个人处理两份题目：普通档要求尽快交卷，Pro 档允许写更多草稿、反复核对。这里的“草稿”对应 reasoning token，也就是模型在给出答案前用于推理的计算量。OpenRouter 称，Pro 的典型请求会消耗多得多的推理 token，成本可能达到普通 Sol 的数倍，完成时间也更长。因此它面向复杂、高风险、值得为额外准确性付费的问题；日常编程、智能体和聊天任务，页面仍建议使用普通 Sol。
批处理则解决另一条轴线的问题。它并不强调把单次回答想得更深，而是改变请求的提交方式：不需要即时结果的分类、整理和评测，可以成批送入系统。于是产品线实际上按两个维度切开：任务要想多深，以及结果要不要马上回来。
为什么这次分层值得看
OpenRouter 对 GPT-6.1 Sol 的定位是：以低于 Astra 的成本，在上述任务上接近 Astra 级效果；相比上一代 Sol，事实错误更少，在智能体任务中也更能遵守明确限制和用户意图。不过页面没有给出评测名称、样本、具体分数或误差，这些说法目前应视为产品定位，而不是已经得到独立验证的结论。
这套分层更值得关注的地方，是模型产品不再只按“谁更强”排成一列。开发者可以把日常任务交给普通 Sol，把少数难题升级到 Pro，再把不着急的大批工作放进 batch。换句话说，选择模型正在变成选择服务方式：质量、等待时间和成本需要一起权衡。
OpenRouter 展示的价格行也支持这种分档思路：标准页面常见 $2.00 / $10.00 / $0.10，Flex 为 $1.00 / $5.00 / $0.05，Fast 为 $4.00 / $20.00 / $0.20；batch 页面则显示 $1.00 / $5.00 / $0.05。但供稿截文缺少列名和计价单位，部分供应商端点还出现 $2.20 / $11.00 / $0.11，因此不能把这些数字直接解释为某几类 token 的确定官方定价。
局限与未知
- 目前只有 OpenRouter 单一信源，无法确认这是否代表全平台正式发布。
- “接近 Astra”“错误更少”“更可靠”均缺少公开评测细节，实际提升幅度未知。
- 页面延迟和吞吐量是不同供应商端点的 P50 观测值，结果交错，不能据此断言 Pro 稳定慢多少，或哪一档始终更快。