一句话结论
GPT-6.1 Sol在亚马逊云科技 Bedrock全面可用，以约为旗舰模型五分之一的成本实现接近的日常工作流智能。
关键要点
- GPT-6.1 Sol是基于大规模性能、安全性和可靠性设计的推理引擎运行的重大升级版，其日常工作流程智能接近 GPT-6 Astra。
- 在 DeepSWE v1.1 基准测试中，GPT-6.1 Sol 性能匹配 GPT-6 Astra，但每任务成本约为其五分之一；相比 GPT-6 Sol 最高分高出 6.4 个百分点，且推理投入更低。
- 该模型支持通过代码编辑助手 Codex 进行代码编写、调试及测试，用户可通过桌面应用、命令行界面（CLI）或集成开发环境（IDE）访问。
- 亚马逊云科技的智能体工具包（Agent Toolkit）通过单条终端命令连接 Codex 与亚马逊云科技文档、API 及服务，简化集成流程。
- 推理运行在硬件隔离基础设施上，实行零操作员访问，推理数据不用于模型训练，滥用检测流量由亚马逊云科技保留最多 30 天并程序化处理，用户可申请零数据保留。
背景与事实
亚马逊云科技（Amazon Web Services，AWS）宣布 OpenAI 的 GPT-6.1 Sol 模型已在 Amazon Bedrock 上全面可用。该模型定位为面向日常办公场景的智能模型，旨在以显著低于旗舰模型的成本提供接近 GPT-6 Astra 的性能。根据 OpenAI 的介绍，GPT-6.1 Sol 是 GPT-6 Sol 的重大升级版，其核心优势在于在保持高性能的同时，大幅降低了推理投入和每任务成本。在具体的基准测试数据中，在 DeepSWE v1.1 基准测试里，GPT-6.1 Sol 的性能表现与 GPT-6 Astra 持平，但其每任务成本仅为后者的约五分之一；与此同时，该模型相比前代 GPT-6 Sol 的最高分高出 6.4 个百分点，且所需的推理资源投入更低。在功能层面，该模型在复杂文档分析和多步骤业务工作流中的表现优于 GPT-6 Sol，并改进了透明度、用户意图识别以及明确限制的评估机制。
在部署与集成方面，GPT-6.1 Sol 深度支持代码编辑助手 Codex，开发者可以利用它进行代码的编写、调试及测试工作。用户访问方式灵活，既可以通过桌面应用，也可以通过 CLI 或 IDE 进行交互。为了降低开发门槛，亚马逊云科技提供了智能体工具包（Agent Toolkit），该工具包允许通过单条终端命令将 Codex 与亚马逊云科技的文档、应用程序编程接口（API）及服务进行连接。此外，用户可以利用 Amazon Bedrock API 构建内部工具或智能体，并自定义可用工具及异常响应机制。
在安全与合规性方面，Amazon Bedrock 提供生产级基础设施支持。模型访问通过亚马逊云科技身份与访问管理（IAM）策略进行管理，调用日志通过亚马逊云科技云跟踪（CloudTrail）进行审计，并可通过由亚马逊云科技私有连接（PrivateLink）驱动的虚拟私有云（VPC）端点保持流量在指定网络边界内。推理过程运行在硬件隔离的基础设施上，严格执行零操作员访问政策，意味着亚马逊云科技的操作员无法接触用户的提示词和补全结果。值得注意的是，推理数据不会被用于模型训练，用户也无需加入 OpenAI 的数据共享计划。对于被分类器标记的滥用检测流量，亚马逊云科技会保留最多 30 天并进行程序化处理，用户若需更高隐私级别，可申请零数据保留服务。
影响分析
这一变化对中文开发者及从业者具有显著的降本增效意义。分析认为，GPT-6.1 Sol 以约五分之一的成本达到接近旗舰模型的性能，极大地降低了企业日常办公自动化和复杂文档处理的试用与部署门槛。对于预算有限的初创团队或处于探索阶段的企业而言，这意味着他们无需承担高昂的旗舰模型调用费用，即可利用接近顶部的智能水平构建内部工作流。此外，通过亚马逊云科技生态（如 IAM、CloudTrail、PrivateLink）的安全合规集成，国内企业在选择云端模型服务时，可以更容易地满足内部审计、数据出境合规及网络隔离要求。智能体工具包提供的单命令集成能力，也简化了后端工程师将 AI 能力嵌入现有业务系统的开发流程，使得非专业 AI 开发人员也能更快速地构建基于大语言模型的工具。
适用边界
上述结论主要适用于部署在亚马逊云科技环境、且以日常办公、代码辅助及文档分析为主要场景的企业用户。对于需要极致推理深度、复杂科学计算或超高精度逻辑演绎的特定专业场景，由于 GPT-6.1 Sol 在成本上做出了取舍，其表现可能不如资源投入更高的全功能旗舰模型。此外，该模型依赖亚马逊云科技的网络基础设施与安全架构，对于严格禁止数据出公网或必须完全私有化部署且无法接受云边架构的内网封闭环境，此云服务方案不适用。
孤本观察
编辑判断，GPT-6.1 Sol 在亚马逊云科技的出现，标志着大语言模型市场正式进入“性能-成本”分层精细化的阶段，通过牺牲少量极致推理资源换取大幅度的成本下降，使得接近顶级模型的日常工作流能力成为企业可广泛承受的标准化基础设施组件。
常见问题
GPT-6.1 Sol在DeepSWE v1.1基准测试中与GPT-6 Astra相比，成本和性能有何差异？
性能匹配GPT-6 Astra，但每任务成本约为后者的五分之一。
亚马逊云科技如何管理被标记的滥用检测流量数据？
保留最多30天并进行程序化处理，用户可申请零数据保留。
开发者可如何集成Codex以连接亚马逊云科技的服务？
通过智能体工具包（Agent Toolkit）单条终端命令连接。
GPT-6.1 Sol相比前代GPT-6 Sol在性能指标上有何提升？
最高分高出6.4个百分点，且推理投入更低。
在亚马逊云科技部署GPT-6.1 Sol时，推理数据是否用于模型训练？
不会，推理数据不用于模型训练，用户无需加入数据共享计划。