GPT-6.1 Sol چیست؟ مدل جدید OpenAI با قیمت ۲ دلار و سطح تفکر max

شرکت OpenAI مدل GPT-6.1 Sol را عرضه کرده است؛ مدلی که طبق مستندات رسمی، «عملکردی نزدیک به Astra با هزینه‌ی کمتر» را وعده می‌دهد. در این مقاله قیمت، سطوح تفکر، قابلیت‌ها و تفاوت آن با GPT-6 Astra، Sol و Luna را مرور می‌کنیم.

بخش ۱ — GPT-6.1 Sol دقیقاً چیست؟

خانواده‌ی GPT-6 در ماه‌های اخیر چند عضو پیدا کرده است. بالاترین سطح هوش در این خانواده متعلق به GPT-6 Astra است، مدل Sol نسخه‌ی متعادل‌تر و ارزان‌تر محسوب می‌شود و Luna سریع‌ترین و کم‌هزینه‌ترین گزینه است. حالا GPT-6.1 Sol به این فهرست اضافه شده تا شکاف بین Astra و Sol قبلی را پر کند.

توضیح رسمی OpenAI برای این مدل این است که برای کدنویسی پیچیده، کار با رایانه و کارهای حرفه‌ای ساخته شده و عملکردی نزدیک به Astra دارد، اما با هزینه‌ی پایین‌تر. طبق گزارش‌ها، تاریخ انتشار آن ۲۹ سپتامبر ۲۰۲۶ بوده است. اگر با نام‌های این خانواده گیج شده‌اید، پیشنهاد می‌کنیم ابتدا مقاله‌ی OpenAI چیست را مرور کنید.

بخش ۲ — قیمت API و مقایسه با Astra

برای بیشتر تیم‌ها، تصمیم انتخاب مدل در نهایت به عدد روی صورت‌حساب برمی‌گردد. بر اساس اطلاعات منتشرشده، قیمت GPT-6.1 Sol برای درخواست‌هایی تا ۲۷۲ هزار توکن ورودی به این شکل است:

• ورودی استاندارد: ۲ دلار برای هر یک میلیون توکن
• ورودی کش‌شده: ۰٫۱۰ دلار برای هر یک میلیون توکن
• نوشتن در کش: ۲٫۵۰ دلار برای هر یک میلیون توکن
• خروجی: ۱۰ دلار برای هر یک میلیون توکن

در مقابل، GPT-6 Astra طبق گزارش‌ها برای ورودی ۱۰ دلار و برای خروجی ۵۰ دلار قیمت دارد. یعنی Sol جدید در هر دو بخش حدود یک‌پنجم هزینه‌ی Astra را دارد. البته مستندات خود OpenAI یادآوری می‌کند که Astra با وجود قیمت بالاتر هر توکن، به‌دلیل بازدهی بیشتر ممکن است برای برخی وظایف هزینه‌ی کل کمتری داشته باشد؛ پس مقایسه‌ی واقعی را باید روی کار خودتان انجام دهید.

بخش ۳ — پنجره‌ی زمینه و قابلیت‌ها

پنجره‌ی زمینه‌ی مدل ۱٫۰۵ میلیون توکن و حداکثر خروجی ۱۲۸ هزار توکن است. این یعنی می‌توانید یک مخزن کد بزرگ، چندین سند طولانی یا تاریخچه‌ی کامل یک جلسه‌ی کاری را یک‌جا به مدل بدهید. دانش مدل تا ۳۰ آوریل ۲۰۲۶ به‌روز است.

قابلیت‌های فنی ثبت‌شده در صفحه‌ی مدل شامل استریم، فراخوانی تابع و خروجی ساختاریافته است. ابزارهای پشتیبانی‌شده هم جستجوی وب، جستجوی فایل، تولید تصویر، مفسر کد، کنترل رایانه و MCP هستند. این ترکیب نشان می‌دهد مدل برای ساخت عامل‌های هوشمند طراحی شده، نه فقط پاسخ‌گویی در چت.

بخش ۴ — سطح تفکر از low تا max

یکی از مهم‌ترین تغییرها در پارامتر reasoning.effort است. این مدل پنج سطح را می‌پذیرد: low، medium، high، xhigh و max. سطح پیش‌فرض medium است. هرچه سطح بالاتر برود، مدل بیشتر «فکر» می‌کند؛ پاسخ دقیق‌تر می‌شود، اما زمان و هزینه هم بالاتر می‌رود.

حالت none دیگر نیست

برخلاف GPT-6 Sol و Luna که هنوز حالت none را دارند، در GPT-6.1 Sol و Astra گزینه‌های none و minimal وجود ندارند. اگر اپلیکیشن شما برای پاسخ‌های سریع و ساده روی حالت بدون تفکر تکیه داشت، یا باید سطح low را انتخاب کنید یا برای آن بخش از Luna و Sol قبلی استفاده کنید.

راهنمای عملی انتخاب سطح

برای دسته‌بندی متن، استخراج اطلاعات و پاسخ‌های کوتاه، low معمولاً کافی است. برای کدنویسی روزمره و تحلیل سند، medium نقطه‌ی شروع خوبی است. برای باگ‌های پیچیده، برنامه‌ریزی چندمرحله‌ای و کارهای عاملی بلندمدت، high تا xhigh را آزمایش کنید و max را فقط برای کارهایی نگه دارید که دقت برایشان از هزینه مهم‌تر است.

بخش ۵ — مقایسه‌ی Astra، Sol و Luna

برای انتخاب درست باید تفاوت اعضای خانواده را بدانید. فهرست زیر خلاصه‌ی اطلاعاتی است که تاکنون منتشر شده:

• شرکت OpenAI مدل GPT-6 Astra را اوایل سپتامبر ۲۰۲۶ عرضه کرد؛ گران‌ترین و قوی‌ترین گزینه با ۱۰ و ۵۰ دلار برای ورودی و خروجی.
• مدل GPT-6 Sol و GPT-6 Luna در ۲۲ سپتامبر ۲۰۲۶ آمدند؛ Sol با ۲ و ۱۰ دلار و Luna با ۰٫۱۰ و ۰٫۵۰ دلار.
• مدل GPT-6.1 Sol در ۲۹ سپتامبر ۲۰۲۶ آمد و با همان قیمت Sol، عملکردی نزدیک‌تر به Astra را هدف گرفته است.

در آزمون DeepSWE، گزارش شده Sol در حداکثر سطح تفکر به ۶۸٫۸ درصد و Luna به ۶۶٫۶ درصد رسیده است، اما هزینه‌ی هر وظیفه برای Luna حدود ۰٫۲۲ دلار و برای Sol حدود ۲٫۷۴ دلار بوده. این عددها نشان می‌دهد برای کارهای پرحجم و ساده، Luna می‌تواند از نظر هزینه بسیار برنده باشد. برای آشنایی بیشتر با تفاوت مدل‌های رقیب، مقاله‌ی مقایسه‌ی ChatGPT و DeepSeek هم خواندنی است.

بخش ۶ — Responses API، چندعاملی و اقامت داده

مستندات توصیه می‌کند برای فراخوانی ابزار با این مدل‌ها از Responses API استفاده کنید. در GPT-6.1 Sol قابلیت چندعاملی به‌صورت بتا ارائه شده؛ یعنی مدل در یک درخواست می‌تواند بخشی از کار را به زیرعامل‌ها بسپارد. این رویکرد برای کارهای بزرگ مثل بازبینی هم‌زمان چند فایل کد یا تحقیق موازی کاربرد دارد.

در بخش زیرساخت، اقامت داده‌ی آمریکا و اروپا پشتیبانی می‌شود، با یک محدودیت: حالت Fast با اقامت داده‌ی اروپا در دسترس نیست. شرکت‌هایی که الزامات حریم خصوصی دارند باید این نکته را قبل از مهاجرت در نظر بگیرند.

بخش ۷ — قابلیت‌های جدید خانواده‌ی GPT-6 برای عامل‌ها

مستندات GPT-6 چند قابلیت مخصوص کارهای عاملی را برجسته می‌کند. اول، فراخوانی ناهمگام ابزار است که اجازه می‌دهد مدل هنگام اجرای ابزار به تفکر ادامه دهد. دوم، هدایت میان‌نوبت است که با WebSocket امکان تغییر دستورالعمل در میانه‌ی کار را می‌دهد. سوم، تنظیم پویای سطح تفکر بدون از دست رفتن کش است. چهارم هم پایش ناهم‌ترازی برای افزایش ایمنی است.

توصیه‌ی دیگر مستندات این است که فایل‌های مهارت و دستورالعمل خود را از نظر تضاد بررسی کنید، چون Astra نسبت به دستورهای داخل مهارت‌ها حساس‌تر است. همچنین بهتر است مرز استقلال عامل را صریح بنویسید تا مدل بی‌دلیل برای تأیید متوقف نشود. اگر تازه با نوشتن دستور آشنا شده‌اید، آموزش نوشتن پرامپت برای مبتدی‌ها نقطه‌ی شروع مناسبی است.

بخش ۸ — کاربران عادی ChatGPT چه چیزی می‌بینند؟

این خبر بیشتر به توسعه‌دهنده‌ها مربوط است، اما کاربران عادی هم بی‌تأثیر نیستند. طبق گزارش‌ها، مدل‌های Sol و Luna در ChatGPT فقط در حالت Work (حالت عامل) و Codex برای کاربران Plus، Pro، Business، Enterprise و Edu در دسترس‌اند و Luna در اپ دسکتاپ برای کاربران رایگان و Go هم دیده می‌شود. برای راهنمای کار با خود ربات، صفحه‌ی آموزش‌های ChatGPT و آخرین اخبار هوش مصنوعی را دنبال کنید.

نکته‌ی مهم این است که قیمت پایین‌تر مدل‌های قوی معمولاً چند ماه بعد به محصولات مصرفی و ابزارهای روزمره هم می‌رسد. برای درک اهمیت این روند در کسب‌وکار می‌توانید مقاله‌ی اهمیت هوش مصنوعی در کسب‌وکار را بخوانید.

بخش ۹ — چطور مهاجرت به GPT-6.1 Sol را شروع کنیم؟

پیشنهاد عملی این است که مهاجرت را مرحله‌ای انجام دهید. ابتدا ۲۰ تا ۵۰ نمونه‌ی واقعی از درخواست‌های محصول خودتان را جمع کنید و روی Astra، Sol قبلی، Luna و GPT-6.1 Sol اجرا کنید. سپس کیفیت، زمان پاسخ و هزینه‌ی هر نمونه را کنار هم بگذارید. اغلب تیم‌ها می‌بینند برای بخشی از کارها مدل ارزان‌تر کافی است و فقط بخش کوچکی از کار به مدل گران‌تر نیاز دارد.

بعد از آن، سطح تفکر را به‌جای یک عدد ثابت برای کل برنامه، بر اساس نوع وظیفه تنظیم کنید. استفاده از کش ورودی هم می‌تواند هزینه را چشمگیر کم کند، چون قیمت ورودی کش‌شده فقط ۰٫۱۰ دلار است. در نهایت مصرف توکن را پایش کنید تا بعد از تغییر مدل با صورت‌حساب غیرمنتظره روبه‌رو نشوید.

بخش ۱۰ — محدودیت‌ها و نکات احتیاط

بخشی از اطلاعات این مقاله، از جمله تاریخ‌ها و مقایسه‌ی قیمت‌ها، از صفحه‌های مستندات و منابع خبری ثانویه گرفته شده و ممکن است OpenAI در آینده آن‌ها را به‌روزرسانی کند. قبل از تصمیم نهایی، صفحه‌ی رسمی مدل را بررسی کنید. همچنین نتایج آزمون‌های عمومی، جایگزین آزمون روی داده‌ی خودتان نیست.

از طرف دیگر، هیچ مدلی بی‌نقص نیست و هنوز هم باید خروجی را بازبینی کنید. برای نگاه واقع‌بینانه به توان و محدودیت‌های هوش مصنوعی، مقاله‌ی پتانسیل و محدودیت‌های واقعی هوش مصنوعی و تحلیل توهم هوش مصنوعی؛ توسعه‌دهنده‌ی تنها در برابر مهندس واقعی را توصیه می‌کنیم.

پرسش‌های متداول

مدل GPT-6.1 Sol چقدر قیمت دارد؟

طبق اطلاعات منتشرشده، ورودی ۲ دلار و خروجی ۱۰ دلار برای هر یک میلیون توکن است و ورودی کش‌شده ۰٫۱۰ دلار هزینه دارد.

تفاوت GPT-6.1 Sol با GPT-6 Astra چیست؟

مدل Astra بالاترین سطح هوش را با قیمت بیشتر ارائه می‌دهد، اما GPT-6.1 Sol عملکردی نزدیک به آن را با هزینه‌ی خیلی کمتر هدف گرفته است.

سطح max در reasoning.effort چه کاربردی دارد؟

این سطح بیشترین مقدار تفکر را به مدل می‌دهد و برای کارهای دشوار مناسب است، اما زمان و هزینه‌ی بیشتری دارد.

آیا حالت none در GPT-6.1 Sol وجود دارد؟

خیر. در این مدل فقط پنج سطح low تا max وجود دارد و none و minimal پشتیبانی نمی‌شوند.

پنجره‌ی زمینه‌ی این مدل چقدر است؟

حدود ۱٫۰۵ میلیون توکن ورودی و تا ۱۲۸ هزار توکن خروجی.