GPT-6.1 Sol: la guida sul campo per chi usa Claude
Al DevDay del 29 settembre 2026 OpenAI ha rilasciato GPT-6.1 Sol (gpt-6.1-sol)
a una settimana da GPT-6 Sol, con la promessa «intelligenza quasi-Astra a un quinto
del prezzo». È finito dritto in cima a Hacker News.
Per chi usa Claude il fatto interessante non è lo slogan. È che GPT-6.1 Sol si colloca esattamente sul listino di Claude Sonnet 5.5 — 2 $ in, 10 $ out per MTok — mentre fa pagare la metà della tariffa di input cached di Sonnet 5.5. Due modelli, stesso prezzo in copertina, fatture diverse, forme di lavoro diverse. Questa pagina contiene le specifiche, le meccaniche di prezzo che la maggior parte degli articoli salta, una lettura onesta della tabella di benchmark, e il resto di ciò che il DevDay ha portato agli sviluppatori.
- Conoscere le specifiche esatte — e i due tetti che non sono la finestra di contesto
- Valutare correttamente il costo di un carico di lavoro, incluso lo scalino a 272K e il divario sull'input cached rispetto a Sonnet 5.5
- Evitare la trappola della superficie API: il tool calling non è disponibile su entrambi gli endpoint
- Leggere i benchmark di lancio, compresa la riga dove Claude vince ancora
- Sapere cos'altro è arrivato al DevDay per gli sviluppatori: Ultrafast, Decisions API, Codex Security Cloud, Private Intelligence
Specifiche
gpt-6.1-sol | |
|---|---|
| Finestra di contesto | 1.050.000 token |
| Token di input massimi | 922.000 |
| Token di output massimi | 128.000 |
| Knowledge cutoff | 30 aprile 2026 |
| Livelli di reasoning | low, medium (default), high, xhigh, max |
| Input / input cached / output | 2,00 $ / 0,10 $ / 10,00 $ per MTok |
| Scrittura in cache | 2,50 $ per MTok |
| Contesto lungo (>272K) | 2× su input e cache, 1,5× sull'output |
| Fast Mode | 2× il prezzo standard |
| Batch / Flex | 50% sotto lo standard |
| Rate limit | Tier 1: 500 RPM / 500K TPM → Tier 5: 15K RPM / 40M TPM |
I due tetti che non sono la finestra di contesto
1.050.000 è la finestra. 922.000 è il tetto di input. La differenza non è margine da spendere su un documento più grande: è lo spazio che servono reasoning e output. Se dimensioni un passo di retrieval sul «contesto da 1M» sbatterai contro un limite circa il 12% prima del numero di marketing, e lo farai nel momento peggiore, dopo aver già pagato per assemblare il prompt.
Poi c'è lo scalino di prezzo a 272K. Superalo e input e input cached raddoppiano, l'output sale della metà. È lo stesso scalino che ha GPT-6 Astra, e cambia bruscamente l'economia del lavoro a contesto lungo: un prompt da 300K token non costa il 10% in più di uno da 272K, costa all'incirca il doppio sul lato input. Se sei vicino al confine, comprimere per restare sotto vale sforzo di ingegneria vero. Claude applica un prezzo diverso alla sua finestra da 1M — vedi quanto costa l'AI tra i vari provider e prompt caching tra i provider.
La trappola: il tool calling non è su entrambe le API
La pagina del modello elenca Chat Completions (senza tool calling) e Responses API (con tool calling). Rileggilo due volte se stai portando un'integrazione esistente.
Se il tuo codice fa POST su Chat Completions — l'endpoint su cui fanno default la maggior parte delle librerie di terze parti, dei gateway e dei wrapper «OpenAI-compatible» — su questo modello non hai il function calling. La soluzione non è un parametro: è un endpoint diverso e una forma di richiesta diversa.
Non supportati nemmeno: Live, Realtime, Assistants, fine-tuning, embedding, generazione immagini, video, sintesi e trascrizione vocale, moderazione e le vecchie Completions. L'elenco dei tool supportati è ampio — web search, file search, generazione immagini, code interpreter, hosted shell, apply patch, skill, computer use, MCP, tool search — ma è un elenco della Responses API.
- Controlla il tuo AI gateway prima di cambiare la stringa del modello. Un router che normalizza tutto su Chat Completions toglierà silenziosamente il tool calling su gpt-6.1-sol — la richiesta va a buon fine, solo che i tool non scattano mai.
Confrontare i prezzi con Claude, fatto bene
Stessi numeri in copertina, meccaniche diverse.
| GPT-6.1 Sol | Claude Sonnet 5.5 | Claude Opus 5.5 | |
|---|---|---|---|
| Input / output per MTok | 2 $ / 10 $ | 2 $ / 10 $ | 4 $ / 20 $ |
| Lettura da cache per MTok | 0,10 $ | 0,20 $ | 0,20 $ |
| Contesto | 1,05M (922K input) | 1M | 1M |
| Output massimo | 128K | 128K | 128K |
| Sovrapprezzo contesto lungo | Sì, sopra i 272K | Nessuno scalino pubblicato | Nessuno scalino pubblicato |
Due conseguenze che contano più della parità in copertina:
Su un loop agentico lungo, la lettura da cache di GPT-6.1 Sol è la voce più economica. 0,10 $ contro 0,20 $ è un divario di 2× sulla voce che un loop agentico ripaga a ogni singolo turno. Se il tuo prompt è un grande prefisso stabile più un piccolo delta — cioè esattamente ciò che è un agente — è lì che vive davvero la fattura.
Sopra i 272K la direzione si ribalta di netto. Anthropic non pubblica alcuno scalino equivalente sui modelli Claude 5.5, quindi un carico di lavoro che ha davvero bisogno di 400K di contesto è valutato su curve molto diverse. Sappi da che parte dei 272K vivi prima di confrontare qualsiasi cosa.
I benchmark, letti onestamente
I numeri di lancio di OpenAI, così come raccolti al lancio. Sono eseguiti dal vendor; nessuno li ha ancora riprodotti in modo indipendente.
| Benchmark | GPT-6.1 Sol | GPT-6 Astra | Claude | Costo per task |
|---|---|---|---|---|
| DeepSWE v1.1 (ingegneria del software) | 75,2% (high) | 74,8% (high) | Sonnet 5.5: 71,0% | ~1,50 $ vs Astra ~7,70 $ |
| OSWorld 2.0 (computer use) | 71,4% (max) | 73,5% (max) | Opus 5: 60,3% (medium) | 1,30 $ vs Astra 9,30 $ |
| GDP.pdf (analisi documenti) | 32,0% | 32,2% | Opus 5.5: 28,8% | — |
| AutomationBench 1.0.6 (workflow aziendali) | 36,0% | — | Sonnet 5.5: 44,7% | 0,30 $ vs Sonnet ~1,14 $ |
| Tasso di errore fattuale a low effort | 7,7% | — | — | (GPT-6 Sol: 11,4%) |
Tre cose da portarsi via da questa tabella:
1. La rivendicazione forte è quella sul costo. Battere Astra su DeepSWE di 0,4 punti è rumore. Farlo a circa un quinto del costo per task no. Il confronto interessante in questo rilascio non è mai Sol contro Astra sulla qualità — è Sol contro Astra sul prezzo a parità di qualità.
2. AutomationBench è la riga con cui OpenAI non ha aperto. Claude Sonnet 5.5 segna 44,7% contro il 36,0% di GPT-6.1 Sol — 8,7 punti, sull'automazione di workflow aziendali, a circa 4× il costo per task. È un compromesso vero, non una disfatta in nessuna delle due direzioni: se un workflow fallito ti costa più di 0,84 $, il modello costoso è quello economico. Decidi con il tuo costo di fallimento, non con la classifica.
3. Anche il miglior numero di computer use è 71,4%. Circa tre task su dieci falliscono sul benchmark progettato per quella capacità. Tutto quello che c'è in agenti di computer use a confronto sui gate di conferma vale ancora.
Il dato sull'errore fattuale è il numero interessante più silenzioso: 7,7% a low effort, in calo dall'11,4% di GPT-6 Sol. Un tasso di errore che migliora proprio sul setting economico è ciò che rende un modello da lavoro usabile come default invece che come ripiego.
Cos'altro ha portato il DevDay agli sviluppatori
Versione breve, perché diversi di questi meritano una pagina a sé.
- Un tier di velocità a pagamento: OpenAI dichiara fino a 8x di generazione token più veloce in Codex e 6x nell'API. La guida nota che è solo residenza dati USA ed elaborazione globale — nessun endpoint di elaborazione UE o regionale — e raccomanda con forza i WebSocket rispetto a HTTP, perché l'overhead di rete per richiesta si mangia il guadagno di latenza sui loop agentici pieni di tool. Sul lato consumer è esclusivo del nuovo piano Pro 500 da 500 $/mese.
- L'Agents API (in beta pubblica dal 10 settembre) può ora operare sui software attraverso la loro interfaccia, accanto alle capacità multi-agente di Codex, alla tool search e alla compattazione del contesto. Il confronto diretto con il loop hosted di Anthropic è già trattato su questo sito.
- Classificazione e routing sotto il secondo su opzioni predefinite, in esecuzione sul modello Luna. È una risposta diretta alla categoria dei modelli decisionali — la stessa forma di Jev e Kev: restituire una scelta con confidenza calibrata invece che prosa.
- Scansiona interi repository GitHub, rivede i nuovi commit in continuo, deduplica i risultati e prepara le correzioni da rivedere mentre il tuo laptop è chiuso. La CLI è open source su github.com/openai/codex-security, con un SDK TypeScript.
- Zero Data Retention con Private Safety Processing — controlli di sicurezza automatici che girano senza che il personale OpenAI acceda ai contenuti. Private Inference, che combina confidential computing e controlli verificabili, è in anteprima per l'autunno inoltrato.
La Decisions API è quella da tenere d'occhio se hai seguito il filone dei modelli decisionali su questo sito: prende una direzione di ricerca che era open-weight e fai-da-te e la trasforma in un endpoint hosted del vendor più grande. Vedi modelli decisionali System One: Jev, Kev e i cloni aperti e addestra il tuo modello decisionale per capire cosa garantisce davvero la categoria — e cosa non significa «non può allucinare».
Dovresti passarci?
- I modelli si scambiano le righe. GPT-6.1 Sol vince sull'ingegneria del software e sul costo grezzo per task; Sonnet 5.5 vince sull'automazione dei workflow aziendali di 8,7 punti. Un cambio di modello di default dovrebbe seguire una misurazione sul tuo lavoro, non una tabella di lancio.
- DeepSWE al 75,2% per ~1,50 $ a task, con letture da cache a 0,10 $, è la combinazione che rende economico un loop agentico lungo. Se la tua fattura è dominata dalle letture da cache su un grande prefisso stabile, quella voce da sola può spostarla.
- Se la tua integrazione o il tuo gateway parla Chat Completions, il tool calling non arriva insieme al cambio di modello. Verifica prima di tutto di poterti spostare sulla Responses API; è un cambiamento più grosso della stringa del modello.
- Sotto lo scalino questo è un modello da 1M di contesto a basso costo. Sopra, input e cache raddoppiano. Strumenta le dimensioni reali dei tuoi prompt prima di dare per scontato che la finestra abbia un prezzo piatto.
Decidi il passaggio sui tuoi dati, non sulla tabella di lancio
I am comparing two models for a production workload.
Model A: gpt-6.1-sol — $2 in / $0.10 cached / $10 out per MTok,
1.05M context but 922K max input, and input + cached rates
DOUBLE above 272K tokens (output x1.5).
Model B: claude-sonnet-5-5 — $2 in / $0.20 cached / $10 out per MTok,
1M context, no published long-context surcharge.
Here is my workload profile:
- average stable prefix (cacheable): <N> tokens
- average per-turn delta: <N> tokens
- average output per turn: <N> tokens
- turns per task: <N>
- tasks per day: <N>
- share of requests whose total input exceeds 272K: <X>%
- cost to me of one wrong answer that ships: $<N>
Compute the monthly bill for each model. Then tell me the accuracy gap
at which the cheaper model stops being cheaper, given my stated cost of
a wrong answer. Show the arithmetic. Do not recommend a model without
showing the break-even point.Quiz
Check yourself
0/4Prossimi passi
- Claude Sonnet 5.5: la guida sul campo — il modello sullo stesso identico listino, e le cinque trappole da 400 della sua migrazione
- OpenAI Dots: l'agente sempre acceso — l'altra metà del DevDay 2026, e l'architettura dei permessi sotto di esso
- Quanto costa l'AI tra i vari provider — la versione durevole del confronto di prezzi qui sopra
Fonti e approfondimenti
- Pagina del modello GPT-6.1 Sol — specifiche, prezzi, supporto endpoint e tool, rate limit
- Introducing GPT-6.1 Sol — il post di lancio di OpenAI
- Annunci e risorse per sviluppatori del DevDay 2026 — l'indice di OpenAI di ogni lancio DevDay con i link alla documentazione
- Guida alla modalità Ultrafast — disponibilità dei modelli, limiti di residenza, raccomandazione sui WebSocket
- Computer use nell'Agents API — il nuovo tool
- openai/codex-security — la CLI e gli SDK open source di Codex Security
- I benchmark di GPT-6.1 Sol spiegati — tabelle di benchmark raccolte e cifre di costo per task
- OpenAI amplia Codex e la sua API al DevDay — Decisions API, Ultrafast, scansioni di sicurezza
- Il live blog di Simon Willison sul DevDay 2026 — note in presa diretta e cifre di prezzo