GPT 6,1 Soul: дешевле Opus 5,5 в 73 раза и без спайков

Что в ролике
Если вы уже платите за Opus 5,5 или Sonnet 5,5 для ежедневной разработки, появление GPT 6,1 Soul меняет расклад: модель вышла через неделю после GPT6 Soul и стоит $2 за миллион входных токенов, $10 за миллион выходных. По тестам автора на Terminal Bench 4 модель на low-уровне набрала такой же балл, как Opus 5,5 на max, но за $0,21 против $14,65, а в Deep SWE сравнялась с Opus при цене в 73 раза ниже. Главное, что исправили по сравнению с Astra: «спайки» глупого поведения почти исчезли, модель стабильнее и спокойнее, хотя её пиковые возможности в 3D и computer use всё же ниже, чем у Astra. Автор уже доверяет 6,1 Soul разбор почты и поиск неоплаченных счетов, а также использует её для глубоких код-ревью: в его тестах на улучшение кодовой базы T3 Code модель нашла регрессию, которую пропустили Fable и Opus, и это стоило $2,15 против $5 у Opus и $9 у Sonnet. Тем не менее для длинных автономных переписываний кода модель не подходит: на порте TypeScript-компилятора в Rust она сжигала токены без прогресса, а Opus 5,5 переписал проект заново за ночь, после чего 6,1 Soul нашла, что 1,3 из 1,8 миллиона строк кода не используются. В генерации фронтенда и UI модель откровенно слаба: в демо-игре fish slop она нарисовала красивые текстуры, но добавила кучу мусорных надписей, а геймплей и частота кадров оказались хуже, чем у Opus и Sonnet. Практический вывод: модель стоит использовать как ревьюера и анализатор кода рядом с Opus 5,5, а не как основного исполнителя, особенно для скоуповой работы и расследований.
Практика
- Что получишь
- Понимание, где GPT 6,1 Soul сильна: дёшево, стабильно, хорошие код-ревью, а где уступает Opus 5,5, и как встроить её в рабочий процесс без лишних затрат.
- Первый шаг
- Запустить модель на своих задачах через API или Codex-подписку и прогнать её на Terminal Bench 4, чтобы сверить цифры с тестами автора.
- Цифры
- —$2 за миллион входных токенов — цена GPT 6,1 Soul
- —$0,10 за миллион кэш-чтений — в два раза ниже прежнего тарифа OpenAI
- —73 раза дешевле Opus 5,5 при одинаковом балле в Deep SWE
- —$0,21 за задачу на Terminal Bench 4 low против $14,65 у Opus 5,5 max
- Честно
- Ролик снят на правах раннего доступа, автор не получает оплату от OpenAI, но выпуск спонсирует Depot, и в конце он напоминает о подписке на канал. Цены и бенчмарки автор считал сам на своих машинах, поэтому в ваших задачах цифры могут отличаться. Код, написанный с моделью во время тестового окна, нельзя было использовать в open-source проектах, поэтому все примеры — из внутренних задач.
Если слова незнакомы — 5 терминов
- Terminal Bench 4набор задач, где агент должен сам работать в терминале, чтобы проверить реальные навыки
- Deep SWEбенчмарк для проверки моделей на реальных задачах разработки
- computer useрежим, когда модель сама управляет компьютером: открывает окна, кликает, печатает
- спайкирезкие внезапные ухудшения качества ответов модели
- токенединица текста или кода, за которую модель берёт оплату
Связки из этого ролика
4 шт.- TypeScript
- Rust
- Bun
- Docker
Компоненты
16 шт.Формат: обзор · для продвинутых · уверенность разметки 0.9 · источник