GPT-6.1 Sol 上线没有配发布会，只有开发者账号的一条推文。但定位写得毫不含糊：复杂重构、深度代码库调查、跨应用长时间运行的智能体。翻译成人话——OpenAI 这次不打算让模型更会聊天，它想让模型更像一个能打卡上班的同事。同时放出的还有 computer use 能力和一张让不少人愣了一下的价格表。
能力清单里，藏着一次重心转移
编码这件事，从"补全"走到了"接手"
过去两年，编码模型的竞争焦点是补全准确率：给半行函数，猜出下一行。Sol 谈的却是重构。重构难在哪？不在写新代码，而在读懂旧代码为什么长成这样——那些没人写注释的兼容分支，那些为了绕开某个已下线服务而留下的硬编码。要在这里不出错，模型得对整个代码库建立长期记忆。工程量级完全不同。
computer use 补上了最后一环
会写代码的模型有个天然残疾：它只能活在自己的文本世界里。要跑一次构建、要看 CI 报错、要在内部工具里点两下确认发布状态，它就得停下来等人。computer use 把这个断点接上了。看屏幕、操作界面，这些动作串起来，模型才第一次能自己完成"改→测→看结果→再改"的闭环。闭环一旦成立，agent 才算具备独立工作的资格。
"接近 Astra"是句很重的评价
Astra 在 OpenAI 的产品序列里处于什么位置，圈内人心里有数。用"接近"而不是"对标"，措辞相当克制，信息量却足够大：Sol 不是常规的小版本迭代，它在某些维度上已经咬住了更高一档的产品。剩下那点差距具体在哪，官方没说。这种沉默通常比参数表更值得琢磨。
价格表里那句容易被读反的话
95% 折扣，等于标价的二十分之一
官方措辞是缓存输入定价为标准输入价格的 95% 折扣。仔细读——不是打九五折，是减掉 95%，实际支付标准价的 5%。这个力度在 API 市场里几乎找不到先例。多数厂商的缓存折扣在 50% 到 90% 之间徘徊，做到 95%，基本等于把重复上下文当成免费资源在发。
它赌的是长任务会成为主流
为什么下这个狠手？因为长时间运行的智能体会疯狂重复发送同一批上下文。你让它调查一个大型代码库，第一轮读进去十万 token，第二轮、第三轮、第十轮还在读同样的文件。每次都按标准价计费，成本曲线会陡到没人敢用。把缓存价格压到 5%，等于给长任务松了绑。
门槛从单价挪到了总量
便宜不便宜，得看跑多久。一个 agent 连续工作八小时，调用次数可能上千，累计 token 消耗远超单人一天的对话量。这个定价结构其实在筛客户：偶尔问两句的人感受不到便宜，只有真打算让模型长时间干活的人，才会发现账单和预期完全不是一回事。
三个场景，三种不同的赌注
复杂重构：把跨季度的事塞进两周
遗留系统迁移、框架升级、模块解耦——这类活的特点是收益明确、过程折磨。没人愿意干，因为改动面太广，风险散落在几百个文件里。第一轮全量梳理和机械替换交给它，人类只处理被标出来的疑点，这个分工在 Sol 这一档上第一次显得靠谱。
深度调查：新人不必再问那个问题
"这段代码为什么这么写"是团队里最贵的问题。答案往往藏在三年前的提交记录、某个已离职同事的邮件，以及一条没人记得的工单里。把这项任务交出去，附带一个时间预算，它给出的不只是解释，还有引用路径。这比一位语焉不详的老员工口述可靠得多。
跨应用长跑：耐力比聪明更难
同时操作代码仓库、CI 面板、工单系统和聊天工具，中途不能掉线，不能忘记三小时前设定的目标。这种任务考验的不是单步推理，而是状态维持。它一旦稳定，改变的就不只是程序员的工作方式，还有整个发布流程的人力配置。
剩下那些没人回答的问题
八小时自主运行，谁来兜底
agent 跑得越久，犯错的窗口越大。一个错误的分支决策在第八小时才暴露，中间它可能已经改了几十个文件、触发了几次构建。权限边界怎么划、回滚怎么做、谁在什么时刻按下暂停键——发布推文里一个字都没提。
评测体系还在追产品
现有编码基准大多测单轮任务，十几分钟跑完。拿它们衡量一个能连续工作八小时的模型，相当于用百米成绩预测马拉松。缺少合适的评测手段，结果就是用户只能在自己的生产环境里试错，而这个试错成本并不低。
Sol 的发布没有烟花，方向却指得很明白：能长时间独立干活的模型，和能漂亮回答问题的模型，是两种完全不同的产品。前者要处理的问题更脏、更琐碎，也更接近真实工作本身。价格表已经先走一步，接下来要看的是生态跟不跟得上。
