实测 GPT 6.1 Sol 与 Claude Sonnet 5.5：Sol 证据链更深，Sonnet 5.5 成本更低且速度更快

一句话结论

GPT 6.1 Sol 在复杂任务中证据链更深但成本高，Claude Sonnet 5.5 路径短、速度快且总成本仅为前者 28%。

关键要点

GPT 6.1 Sol 与 Claude Sonnet 5.5 在 OpenRouter 的 API 标价完全相同，均为每百万输入 Token 2 美元，输出 10 美元。
三项复杂任务总成本对比中，GPT 6.1 Sol 花费 38.5 美元，Claude Sonnet 5.5 花费 10.9 美元，差距约 3.5 倍。
在 3D 密室开发任务中，GPT 6.1 Sol 耗时 33 分钟，Claude Sonnet 5.5 耗时 74 分钟，Sol 完成速度更快。
在最新政策调查任务中，Claude Sonnet 5.5 仅用 5 分钟完成报告，GPT 6.1 Sol 耗时将近一小时，Sonnet 速度优势显著。
评测结果呈现“锯齿状智能”特征，模型决定能力上限，而工具链、验证方式和停止策略决定最终交付成果与成本。

背景与事实

2024 年 9 月 28 日，Anthropic 推出 Claude Sonnet 5.5；次日，OpenAI 推出 GPT 6.1 Sol。两款模型在 OpenRouter 渠道商处的 API 定价策略完全一致，均设定为每百万输入 Token 2 美元，每百万输出 Token 10 美元。这一巧合的定价策略表明，两家头部模型厂商均试图将接近最高档模型的能力，压缩进更快、更便宜、适合 Agent（智能体）与专业工作的产品层。Anthropic 强调 Sonnet 5.5 能以更少步骤完成边界清晰的日常任务，而 OpenAI 则定位 GPT 6.1 Sol 旨在解决复杂编码、计算机操作和专业工作场景。

雷峰网评测团队将两款模型放入同一工作台，通过 OpenRouter 渠道调用，要求模型连续完成三项高难度任务：使用 Three.js 开发包含 3 个房间和 6 个可交互物件的第一人称 3D 密室逃脱游戏；基于美国行政令 14434 和《京都愿景》等一手资料完成面向中国技术从业者的政策调查报告；以及解读诺贝尔奖官方 2026 年化学奖公告并制作单文件 HTML 互动演示。评测不仅关注最终交付成果，还详细对比了端到端耗时、工具调用、原件归档、运行验证和实际账单。

在 3D 密室开发任务中，GPT 6.1 Sol 耗时 33 分钟完成，构建了名为《余光 / AFTERLIGHT》的作品，具有复古值班室视觉风格，六个物件形成两路汇合的依赖链，且具备明确的反馈机制。Claude Sonnet 5.5 耗时 74 分钟，采用灰色牢房和配电室风格，谜题链条完整但画面装饰较少。在政策调查任务中，情况发生反转，Claude Sonnet 5.5 仅用 5 分钟完成报告，而 GPT 6.1 Sol 耗时将近一小时。成本方面，GPT 6.1 Sol 三项任务总花费 38.5 美元，Claude Sonnet 5.5 总花费 10.9 美元。

影响分析

对于中文开发者与从业者而言，本次实测揭示了当前大模型市场“中段模型”的行业位置正在上升，它们开始成为企业 AI 的主力执行层，承接大部分复杂而高频的生产任务。分析判断认为，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。开发者在实际选型时，不能仅看模型在特定基准测试中的排名，而应关注其在具体业务场景下的端到端表现。例如，对于需要快速响应、低成本日常办公自动化和简单逻辑处理的任务，Claude Sonnet 5.5 这类高效模型更具吸引力；而对于需要深度证据链、复杂逻辑验证和长期运行的科研或深度调查任务，GPT 6.1 Sol 的深度工作能力可能更符合需求。企业需要建立基于自身业务流的评估体系，通过实测工具链和停止策略来优化成本与效率的平衡。

此外，本次评测强调了“工具链、验证方式和停止策略”对最终结果的核心影响。这意味着企业在部署 AI Agent 时，单纯的模型能力不是唯一变量，围绕模型的工程化封装、验证机制以及何时停止任务的标准，将直接影响最终交付物的质量和成本。从业者应关注如何通过优化这些非模型因素来最大化 AI 的价值，避免陷入“模型越强越好”的误区，而是追求“在约束条件下交付最优结果”。

适用边界

本结论仅适用于基于 OpenRouter 渠道调用 GPT 6.1 Sol 和 Claude Sonnet 5.5 执行 3D 开发、政策调查和科普演示这三类特定任务的场景。结论可能不适用于其他类型的任务，如纯文本创作、多模态图像生成或需要特定领域专业知识的复杂科学计算。此外，成本和时间数据依赖于特定的测试环境和模型版本，若厂商调整 API 定价策略或模型迭代更新，这些数据将不再适用。评测使用的 Three.js 框架和特定的任务约束条件也可能影响结果的普适性，其他技术栈或任务定义下的表现可能存在差异。