GPT-6.1 Sol 对比 Opus 5.5：投诉事实核查
更新于 October 13, 2026 · 首次发布 October 13, 2026
目前同时流传着两组投诉。OpenAI 一侧：Pro $200 被削减，GPT-6.1 Sol 感觉变差，Astra 吃掉了额度。Anthropic 一侧：Claude Code 额度缩水，Opus 5.5 烧光每周上限，Opus 5.5 被削弱。我们逐条拿来对照了各家官方页面、Artificial Analysis、用户附带数字提交的 GitHub issue，以及我们自己的日志。大部分费用类投诉站得住脚。“变笨了”这类投诉目前没有证据支持。
简要结论：
- GPT 比 Claude 便宜吗？ 是的，而且这是整场争论中证据最充分的一条。按 token 计，GPT-6.1 Sol 的价格是 Opus 5.5 的一半（$2/$10 对 $4/$20）。按任务计，Artificial Analysis 测得 Opus 5.5 的成本是 4.2 倍到 8.9 倍，取决于努力等级。
- Claude 有没有削减额度？ 两种说法都属实。从 9 月 14 日起，Claude Code 每周额度比促销前高出 25%，且为永久调整。但它也比夏季人们享受的 50% 加成水平低 17%（从 150 降到 125）。
- OpenAI 有没有削减 Pro $200？ 有，10 月 30 日起从 Plus 的 20 倍降到 10 倍，价格不变。完整的重新定价我们已在另文中报道；这里只把它和其他说法放在一起核对。
- Opus 5.5 被削弱了吗？GPT-6.1 Sol 变笨了吗？ 两者都无法证实。目前唯一一项受控测试没有发现下降，但它承认可能漏掉小幅下降。Anthropic 状态页上也没有与质量问题对应的事件。
- 真正决定成本的是什么？ 努力等级。两个模型上，最高档的成本都是最低档的 5 倍到 11 倍，换来的是 10 到 16 个指数分。
哪些投诉站得住脚？
| 投诉 | 结论 | 依据 |
|---|---|---|
| OpenAI 把 Pro $200 砍了一半 | 属实 | 10 月 30 日从 Plus 的 20 倍降到 10 倍，GPT-6 Pro 聊天额度从每周 200 次降到 100 次。多家媒体报道，Hacker News 上引用的一封 OpenAI 邮件也印证了这一点。我们无法打开 OpenAI 的帮助页面（抓取工具返回 403）。 |
| Claude 额度被削减 | 部分属实 | Anthropic 支持页面：比促销前高 25%，永久。Anthropic 自己的表述：相对加成水平减少 17%。 |
| Opus 5.5 烧光每周上限 | 有争议 | 一位用户在 9 月 25 日重置后测得消耗速度快了 3.1 倍。其他人报告只用了套餐的 1% 到 20%。工作负载各不相同，且未说明。 |
| Opus 5.5 被削弱 | 无法证实 | 没有官方确认，状态页上 9 月 1 日到 10 月 7 日没有质量事件，一项独立测试目前没有发现下降。 |
| GPT-6.1 Sol 很笨 | 无法证实 | Artificial Analysis 给它的分数比 Astra 低一分。有用户称它“在我的项目里是一场灾难”。但没有共同的测试任务。 |
| GPT 更便宜 | 属实 | 标价、Artificial Analysis 的单任务成本以及我们自己的日志结论一致。 |
Anthropic 对 Claude Code 额度做了哪些改动？
Claude Code 每周额度在五个月内变动了三次。Anthropic 从 5 月 13 日到 9 月 13 日实施了 50% 的加成。从 9 月 14 日起，额度比加成前的水平高出 25%，Anthropic 表示这一调整是永久的。以加成前的额度为 100 计算，它的变化是 100、150、125。相对于 9 月初用户所处的水平，这是 16.7% 的下降，Anthropic 在 8 月 29 日宣布调整时自己称之为 17% 的削减。五小时额度没有变动。
| 日期 | Claude Code 每周额度（促销前 = 100） |
|---|---|
| 2026 年 5 月 13 日之前 | 100 |
| 2026 年 5 月 13 日至 9 月 13 日 | 150（临时加成） |
| 2026 年 9 月 14 日起 | 125（永久） |
| 2026 年 9 月 22 日 | Opus 5.5 发布；据报道五小时额度提高，并有一次性重置，10 月 22 日到期 |
Anthropic 没有公布任何套餐的小时数或 token 上限。其定价页面只说明 Max 5x 和 20x 分别是每个五小时时段 Pro 的 5 倍和 20 倍，另有每周上限，并且 Max 对 Fable 模型有单独的每周额度。你看到的任何“每周多少小时”的数字都来自第三方。我们没有找到 10 月份对 Claude 额度或价格的官方改动。
每个模型每个 token 的成本是多少？
以下为每百万 token 的标价，于 10 月 13 日从各家官方定价页面读取。
| 模型 | 输入 | 缓存输入 | 输出 |
|---|---|---|---|
| GPT-6 Astra | $10 | $1.00 | $50 |
| GPT-6.1 Sol | $2 | $0.10 | $10 |
| GPT-6 Sol | $2 | $0.20 | $10 |
| GPT-6 Luna | $0.10 | $0.01 | $0.50 |
| Claude Fable 5.1 | $10 | $0.25 | $50 |
| Claude Opus 5 | $5 | $0.50 | $25 |
| Claude Opus 5.5 | $4 | $0.20 | $20 |
| Claude Sonnet 5.5 | $2 | $0.10 | $10 |
| Claude Haiku 5.5（提示词最多 100K） | $0.10 | $0.01 | $0.50 |
有三个细节对账单的影响比标价本身更大：
- OpenAI 上长提示词更贵。 输入超过 272K token 时，GPT-6.1 Sol 的输入价格翻倍到 $4，输出涨到 $15。Haiku 5.5 超过 100K 时涨了五倍。
- Opus 5.5 每个 token 比 Opus 5 便宜 20%。 Anthropic 声称在典型工作负载下成本约低 40%。新的 Claude 分词器对同样的文本会多产生约 30% 的 token，因此跨代比较 token 单价会低估实际变化。
- 缓存读取才是编程代理的主战场。 GPT-6.1 Sol 的缓存价格从 $0.20 减半到 $0.10，即 Opus 5.5 $0.20 的一半。我们的 Codex 日志显示 98% 的输入 token 都命中了缓存，这也是缓存价格比输入价格更重要的原因。
努力等级会让成本变化多少？
努力等级是影响最大、却最少被讨论的因素。两个模型都有五个档位：low、medium、high、xhigh、max。两者默认都是 medium。Artificial Analysis 在两个模型上各跑了一遍其智能指数，并公布了每个档位的分数和单任务成本。
| 努力等级 | Opus 5.5 分数 | Opus 5.5 每任务 $ | 6.1 Sol 分数 | 6.1 Sol 每任务 $ | Opus 的成本倍数 |
|---|---|---|---|---|---|
| low | 42 | $0.55 | 42 | $0.13 | 4.2x |
| medium | 51 | $1.34 | 48 | $0.21 | 6.4x |
| high | 54 | $1.82 | 50 | $0.32 | 5.7x |
| xhigh | 56 | $3.46 | 51 | $0.39 | 8.9x |
| max | 58 | $5.98 | 52 | $0.72 | 8.3x |
这张表可以从三个角度读：
- 在每个努力等级上，Sol 都更便宜。 同样是 42 分，Sol 花 $0.13，Opus 花 $0.55。只有让 Opus 充分思考时它才会领先：其 max 档比 Sol 的 max 档高 6 分，但成本是 8.3 倍。
- 最后几步最贵。 Opus 从 42 分提到 58 分，成本涨到 10.9 倍。Sol 从 42 分提到 52 分，成本涨到 5.5 倍。在 Sol 上，max 档在整个指数中消耗的输出 token 约为 low 档的 7 倍（6,700 万对 900 万），换来 10 分的提升。
- 单价只能解释一部分差距。 Opus 5.5 每 token 的价格是 Sol 的 2 倍。一篇二手分析称，在该指数上 Opus 的输出 token 为 2.6 亿，Sol 为 6,700 万，约为 3.9 倍。2 乘以 3.9 得到 7.8 倍，接近实测的 8.3 倍。Opus 更贵，一是因为每个 token 更贵，二是因为它用掉的 token 更多。Opus 5.5 也无法关闭思考。
我们自己的编程测试落在这个区间的低端：在我们的单任务成本文章中，GPT-6 Sol 每个任务的花费比 Claude 少 3.3 到 4.2 倍。通用基准指数与编程工作负载不会完全一致，但方向和数量级是吻合的。
Codex 套餐实际能用多少？
OpenAI 的定价页面列出了 Plus 上每个五小时窗口内的本地 Codex 消息数，而你选择的模型会大幅改变这个数字：
| Plus 上的模型 | 每 5 小时消息数 |
|---|---|
| GPT-6 Luna | 350 到 3,000 |
| GPT-6.1 Sol | 15 到 160 |
| GPT-6 Sol | 15 到 150 |
| GPT-6 Astra | 5 到 45 |
Astra 能发的消息只有 Sol 的三到四分之一，而价格差距是 5 倍。这与“Astra 耗尽了我的窗口”的抱怨相符，且无需假设模型被削弱：额度的计量方式本就让贵的模型消耗更多份额。一位 Hacker News 用户写道，在他自己的测试中 Astra 消耗的额度约为 6.1 Sol 的 7 倍。这只是一个人、没有说明工作负载的数据，但落在同一区间。定价页面还写明，Fast 模式按 2.5 倍计入包含的用量，Ultrafast 按 8 倍计入。目前 Pro 套餐没有五小时上限，只有每周上限，OpenAI 也没有公布任何档位的 token 预算。
人们自己测出了什么？
我们寻找的是公布了数字、而不是只表达感受的人。有用的内容主要在 GitHub 上的 anthropics/claude-code issue 跟踪器中。我们无法读取 Reddit 或 X，因此这些讨论不在本文范围内。
| Issue | 说法 | 方法与注意事项 |
|---|---|---|
| #97398（9 月 26 日） | 9 月 25 日重置后每周消耗加快：之前每 1% 对应 93 次响应，之后为 30 次 | 本地转录，已去重。按用户自己的数字是 3.1 倍，但标题写的是 3.6 倍。一位用户，一种工作负载。 |
| #97074（9 月 25 日） | 无界面的 claude -p 每个 token 消耗的五小时窗口约为交互模式的 1.8 倍 | 无界面模式约每 1% 花费 $1.6，交互模式为 $3.0。工作负载相同。 |
| #98679（10 月 1 日） | Opus 5.5 的思考 token 中位数从 67 升到 126；输出中位数从 447 升到 711 | 样本很小（第二个时段只有 8 个会话），并且 CLI 版本在同一时间发生了变化。 |
| #96241（9 月 23 日） | Ultracode 在 20 分钟内用掉了 Max 5x 套餐的 70% | 同时运行 18 个代理。一则带数字的个例。 |
第一条和第三条指向同一方向：每个请求的 token 越多，每周上限消耗得越快。它们涉及不同的用户和不同的机制，因此应视为松散的吻合，而不是重复验证。另一方面，Hacker News 上的评论者报告，一次代码移植只用了 $20 每周额度的至多 1%，或者从未超过套餐的 20%。1% 的读数和“两天用掉 Max 的 54%”的读数很可能都是真的，只是工作负载不同。
有人在测试是否被削弱吗？
有一个项目在做。Livenerf 用一组固定的 78 道题，每天 90 次采样，持续 30 天。10 月 11 日时它已进行到第 18 天，只公布了基线：未检测到下降。其文档自己写明，它能检测约每 10 天 6.6 分的变化，并且在 99% 的置信度下无法区分 Opus 5 与 Opus 5.5。因此“未发现下降”并不能证明“没有被削弱”，它只能排除较大的下降。
Anthropic 的历史也是相关事实。它 4 月 23 日的事后分析指出了 Claude Code 质量投诉的三个真实原因：默认努力等级从 high 降到 medium（3 月 4 日至 4 月 7 日），一个 bug 导致每一轮都清除思考历史（3 月 26 日至 4 月 10 日），以及一条将工具调用之间的回复限制为 25 个字的提示词（4 月 16 日至 4 月 20 日）。思考历史的这个 bug 可能还通过缓存未命中加快了额度消耗。Anthropic 为所有订阅用户重置了额度。所以春天时“感觉变差了”的判断是对的，但原因是配置问题，而不是模型悄悄变弱。这也是为什么我们会先检查努力设置和客户端版本，再去怀疑模型权重。Anthropic 状态页显示 9 月 1 日到 10 月 7 日之间没有质量事件，记录的是错误、延迟以及一个支出上限的 bug。
对 GPT-6.1 Sol 而言，证据更加单薄。OpenAI 称其得分接近 Astra，而 token 价格只有 Astra 的五分之一；Artificial Analysis 认为它比 Astra 低一个指数分。我们找到的投诉都是单条帖子，而且有几条早期的“被削弱”帖子讨论的是 GPT-6 Sol，那是在 6.1 于 9 月 29 日发布之前。关于真正的回归测试需要什么，请参阅悄悄降级为何会打乱你的成本模型。
你应该如何检查自己的套餐？
- 记录百分比，而不是感受。 Codex 会把
used_percent和 token 数写入~/.codex/sessions/。请求按标价折算成美元，再用美元数除以已用的百分点，乘以 100。这就是每个窗口的美元成本，也是我们 60 天对比所用的方法。 - 每次读数都记录努力等级和客户端版本。 issue #98679 说明了原因：版本升级和日期变化在数据上看起来一模一样。
- 把交互模式和无界面模式的运行分开统计。 issue #97074 测得两者相差 1.8 倍。
- 在相同努力等级下比较。 两个模型上，medium 与 max 之间都有 5 到 8 倍的差距。
- 每次重置或发布后重新测量。 今年秋天两家公司都在模型发布前后调整了额度。
我们无法核实的内容有哪些？
- OpenAI 关于 Pro 调整的帮助中心页面对我们的抓取工具返回 403；10 月 30 日的数字依据的是多家媒体报道和一封被引用的 OpenAI 邮件，而不是我们读到的某个页面。
- 两家公司都没有以 token 或美元公布每周上限。所有“每周多少小时”的数字都来自第三方。
- 2.6 亿对 6,700 万输出 token 的比较，以及 Opus 5.5 发布时的额度提高，都来自二手报道。
- 我们没有找到这两个模型的同口径 SWE-bench、METR、Aider 或 LMArena 数据，也没有基于 ccusage 的公开追踪器。
- 厂商的基准表（DeepSWE、Terminal-Bench、OSWorld）是厂商自行报告的，并不总是列出相同的竞品模型。
- 我们没有搜索 Reddit 和 X，因此最嘈杂的投诉渠道并未覆盖。
来源
- Anthropic：Claude Code 每周额度促销及 9 月 14 日的水平
- Anthropic：套餐定价及 Max 倍率
- Anthropic：API 定价
- Anthropic：Claude Opus 5.5 发布
- Anthropic：4 月 23 日关于 Claude Code 质量的事后分析
- Anthropic：状态页事件历史
- OpenAI：API 定价
- OpenAI：最新模型指南（推理努力等级）
- OpenAI：Codex 套餐与使用限额
- Artificial Analysis：GPT-6.1 Sol 对比 Claude Opus 5.5
- Artificial Analysis：GPT-6.1 Sol 取代 GPT-6 Sol
- GitHub：claude-code #97398，9 月 25 日重置后的每周消耗
- GitHub：claude-code #97074，无界面与交互模式的消耗对比
- GitHub：claude-code #98679，Opus 5.5 的思考与输出 token
- Livenerf：受控模型回归测试
- Implicator：9 月 14 日 Anthropic Claude Code 每周额度调整
- The Next Web：OpenAI 削减 Pro $200 额度并推出 $500 套餐
相关文章
- ChatGPT Pro $200 的 Codex 削减至 10 倍
- Claude Max 对比 ChatGPT Pro $200 的 Codex
- 前沿模型的单任务实际成本
- 悄悄的模型降级
- Codex 提示词缓存成本
想将这些方法用于您的技术栈吗？ 请准备好供应商账单、网关日志和主要工作流；我们会梳理成本驱动因素与节省空间。 预约免费审查 →