10 月 10 日OpenAI 在 API、Codex 与 ChatGPT Work 上线了 GPT-6.1 Sol 的 Ultrafast 模式速度最高为标准版的 8 倍API 定价为输入 12 美元、输出 60 美元每百万 Token来源OpenAI 官方定价页与多家媒体转述口径一致。同一天Cline 宣布编码模型 Step 5 Preview 免费开放。一边用免费抢开发者一边用延迟向企业收溢价。但这里有一笔很容易算错的账8 倍速不等于 8 倍值。我写了个打分器model_menu_scorer.py把「能力 / 延迟 / 单价」三个维度折算成每千次任务成本。跑完之后最有价值的发现不是谁最便宜而是这张表本身该怎么用。## 一、为什么不能用单价选模型先看一组公开口径的对照。GPT-6.1 Sol Ultrafast 是 12 美元输入、60 美元输出Claude Haiku 5.5 的运行成本比上一代低约 75%来源OpenAI 定价页与 Anthropic 官方发布信息。只看单价答案很直接Ultrafast 贵得多。但只要任务里有输出 token单价的排序就不等于每千次任务成本的排序因为不同模型的输出长度不一样。所以正确的第一步是把单价折算成「每次任务花多少钱」pythoncost (in_tokens / 1e6 * in_price out_tokens / 1e6 * out_price) * tasks按 4000 输入 token、1200 输出 token、1000 次任务折算Ultrafast 是120.00 美元标准版是75.00 美元。8 倍速对应的是 1.6 倍价。这个数才是能拿去和业务讨论的数字而不是「每百万 Token 60 美元」。## 二、跑一遍同一份菜单四种画像脚本的自检先过一遍判据bashpython model_menu_scorer.py --selftest5 项控制里有两项是负控缺字段的条目必须进 UNKNOWN 且不参与排名零价条目必须标 FREE 且不许霸榜。全绿后再跑打分bashpython model_menu_scorer.py --profile balanced --pretty均衡画像能力 0.4 / 延迟 0.3 / 成本 0.3输入 4000 token × 1000 次的输出模型 AA 延迟ms 每千次成本$ 质量/美元 综合Liquid d1决策专用 31 8 3.52 8.807 79.1Claude Haiku 5.5 43 900 19.00 2.263 53.3GPT-6.1 Sol 标准 62 2560 75.00 0.827 51.3Mistral Large 4 38 1800 26.40 1.439 48.0 GPT-6.1 Sol Ultrafast 62 320 120.00 0.517 40.8换一个画像排名会翻。把能力权重提到 0.7--profile quality第一名变成 GPT-6.1 Sol 标准综合 77.5Ultrafast 升到第二、70.2。把成本权重提到 0.7--profile cheapUltrafast 掉到最后一名综合 20.2。同一个模型在不同画像下可以正数第一也可以是最后一名。这就是为什么「哪个模型最好」这个问题本身没法回答能回答的是「针对某类任务哪个画像是划算的」。## 三、真正的坑菜单里混进了专用小模型上面那张表里有一个异常Liquid d1 在均衡、成本、延迟三种画像下都排第一。它的 AA 指数只有 31是全场最低的。原因不复杂它单次判断只要 8 毫秒、成本只有 3.52 美元延迟得分和成本得分都拉满把能力上的劣势盖过去了。这说明的不是「小模型更强」而是这张表坏了。Liquid d1 是面向结构化决策的专用模型把它和通用生成模型放进同一张菜单打分等于让一个短跑选手参加十项全能。修法是先分层再打分按任务类型通用生成 / 结构化决策 / 代码补全把菜单切开打分只在同一层内部做。分层之后通用模型那一层里Haiku 5.5 与 GPT-6.1 标准版才是可比的对手。这一步不做打出来的分会把人带偏而且偏得很有说服力。因为每一项都没算错只是它们本来不该放在一起比。## 四、工程取舍企业该按哪几个维度点菜把上面的经验压成三条可执行的判据。其一先按任务类型分层再谈排名。跨层的比较没有意义。比如客服问答、代码补全、结构化决策应该各有一张菜单。其二用「每千次任务成本」而不是「每百万 Token 单价」做预算。单价只影响输入侧和输出侧的系数任务的实际 token 结构才决定总额。同一份单价在长输出任务和短输出任务上的差距可能超过两倍。其三延迟要给权重但只在你真的需要它的场景给。交互式产品里 320 毫秒和 2560 毫秒是两种体验值得为它付 1.6 倍价批处理任务里这个差别毫无意义那 1.6 倍就是纯浪费。## 五、三个踩坑坑一缺字段的条目会被静默当成 0。第一版取值函数用了m.get(k, 0)某条菜单没写输出单价时按 0 处理于是它算出的每千次成本恒为 0、性价比无穷大直接霸榜。现在改成返回None并把条目移进 UNKNOWN负控专门盯着这一条。坑二零价条目不能当成「成本最优」。免费开放期的模型价格是 0如果参与排名它的性价比会是无穷大把付费模型全压下去但这个结论只在免费期内成立。现在价格全为 0 的条目统一标 FREE单独列出不参与排名。坑三权重全为 0 时必须报错而不是随便给个第一。如果画像配置写错了三个权重都填了 0归一化会变成除以 0。现在这种情况直接返回 INVALID宁可不出结论也不给一个看起来正常的排名。六、怎么复现bash# 1. 先跑自检5 项正控/负控/边界python model_menu_scorer.py --selftest# 2. 换画像对比python model_menu_scorer.py --profile quality --prettypython model_menu_scorer.py --profile cheap --pretty# 3. 换成你自己的菜单与画像python model_menu_scorer.py --menu my_menu.json --profile my_profile --pretty需要说明口径脚本内置菜单里只有 Ultrafast 的 12 美元 / 60 美元单价与 8 倍速来自公开信息其余单价与延迟是按公开折扣信息折算的示例值只用于演示「换画像排名会翻转」这个判据不能当作各厂商的实际报价引用。- 你现在的业务里延迟真的值 1.6 倍价吗- 如果让你按三维给自家任务画像打分权重会是多少- 你觉得「速度单独定价」会不会成为所有厂商的标配欢迎在评论区说说你的任务画像我可以按这套脚本帮你把菜单跑一遍。## 数据与事件来源- GPT-6.1 Sol Ultrafast 上线时间、8 倍速口径、12 美元输入与 60 美元输出每百万 TokenOpenAI 官方定价页与多家媒体转述口径一致。- Cline 编码模型 Step 5 Preview 免费开放Cline 官方发布信息。- Claude Haiku 5.5 运行成本比上一代低约 75%Anthropic 官方发布信息。- 每千次任务成本、质量性价比、综合分与四种画像下的排名翻转本机model_menu_scorer.py实测输出--selftest5 项控制全部通过。- 示例菜单的单价与延迟参数除 Ultrafast 外均为按公开折扣折算的示例值用于演示判据不代表厂商实际报价。