O GPT-6.1 Sol foi lançado em 29 de setembro de 2026 como uma atualização do GPT-6 Sol para código, uso de computador e trabalho profissional. Na API, custa US$ 2 por milhão de tokens de entrada, US$ 0,10 por milhão de tokens em cache e US$ 10 por milhão de tokens de saída. A OpenAI o posiciona próximo do GPT-6 Astra em várias avaliações, mas a decisão de migrar deve usar tarefas, dados e custos da própria empresa.
Leia o preço como parte do custo por tarefa
A comparação correta não termina no preço por token. Um modelo mais capaz pode precisar de menos tentativas, produzir menos retrabalho ou concluir uma sequência que um modelo barato abandona. Também pode gerar respostas mais longas ou usar mais raciocínio. Some entrada, saída, ferramentas, armazenamento, observabilidade e revisão humana.
O valor de US$ 0,10 por milhão de tokens em cache favorece fluxos que repetem instruções, políticas, esquemas e contexto estável. Segundo a OpenAI, isso representa redução de 95% em relação à entrada padrão do próprio modelo. O benefício depende de acerto de cache; conteúdo variável ou estrutura instável pode eliminar a economia esperada.
Escolha tarefas compatíveis com o perfil do modelo
O anúncio destaca engenharia de software, leitura de documentos complexos, automações de negócio, uso de computador e pesquisa científica. Para uma empresa, candidatos práticos incluem revisão de código, extração de tabelas, preparação de análises, operação assistida de sistemas e agentes que precisam encadear ferramentas.
Não migre todos os fluxos por causa de uma média de benchmark. Classifique tarefas por dificuldade, risco e valor. Solicitações simples podem continuar em um modelo menor; casos difíceis podem exigir Astra; e o Sol pode ocupar a faixa intermediária. Roteamento por tipo de tarefa costuma ser mais econômico que padronizar tudo em um único modelo.
Interprete benchmarks sem confundir teste e produção
A OpenAI relata que o GPT-6.1 Sol se aproxima do Astra em avaliações de código e trabalho profissional, melhora sete pontos percentuais sobre o GPT-6 Sol em um conjunto de uso de computador e reduz a parcela de respostas com erro factual de 11,4% para 7,7% no teste de baixa intensidade de raciocínio. Esses números ajudam a formar hipóteses, não garantem desempenho no seu processo.
As avaliações usam ambientes, ferramentas e perguntas específicos. A própria página informa que conversas usadas no teste de factualidade foram selecionadas por terem provocado erros anteriormente e não representam o uso típico. Reproduza o seu fluxo com entradas reais anonimizadas, exceções e critérios objetivos antes de estimar retorno.
Monte uma avaliação com qualidade, latência e custo
Selecione um conjunto fixo de casos representativos e uma amostra de casos difíceis. Compare o modelo atual, GPT-6.1 Sol e, se necessário, Astra. Use a mesma instrução, ferramentas e limite de saída. Registre sucesso completo, erro crítico, correção humana, tempo até resultado e custo total da execução.
Inclua falhas de ferramenta, dados ausentes e instruções conflitantes. Agentes precisam reconhecer quando não podem continuar. Para uso de computador, verifique se o modelo respeita confirmações, não ultrapassa o aplicativo autorizado e consegue se recuperar sem repetir uma ação com efeito externo.
- Taxa de conclusão correta
- Custo por resultado aprovado
- Latência no percentil 95
- Erros críticos e ações não autorizadas
Aproveite cache sem comprometer dados
Coloque instruções estáveis e conteúdo reutilizado no início do contexto para aumentar a chance de cache. Monitore tokens em cache por chamada e compare a economia realizada com a estimada. Alterações frequentes no prefixo, ordem inconsistente e identificadores dinâmicos podem reduzir acertos.
Economia não elimina governança. Evite inserir segredos e dados pessoais sem necessidade, aplique controles de acesso e confirme políticas de retenção e processamento aplicáveis ao contrato. O cache é uma otimização técnica; ele não substitui classificação de dados, consentimento, segurança ou revisão de fornecedores.
Migre com limites e caminho de retorno
O modelo está disponível na API como gpt-6.1-sol e, no lançamento, em ChatGPT Work e Codex para Plus, Pro, Business, Enterprise e Edu. A OpenAI informa que ele ainda não estava disponível no Chat. Confirme a superfície de uso, região, limites e contrato antes de prometer disponibilidade interna.
Comece com uma parcela pequena do tráfego, acompanhe regressões e mantenha o modelo anterior como retorno. Fixe versão, registre instruções e resultados e revise o orçamento depois de dados suficientes. Uma migração bem-sucedida é aquela que melhora custo por resultado mantendo segurança e qualidade, não apenas a que reduz preço por token.
Para levar daqui
GPT-6.1 Sol oferece uma relação promissora entre capacidade e preço, sobretudo quando há contexto reutilizável. Valide com tarefas reais, custo por resultado, falhas e revisão humana; depois migre gradualmente, com limites e retorno preparado.
