GPT‑6.1 Sol v Codexu: pětkrát levnější než Astra — ale je jí v praxi rovna?

Stejný požadavek na repozitář může vyžadovat několik pokusů: agent navrhne opravu, spustí testy a pak chyby opraví. Nízká cena tokenů sama o sobě neodpovídá na hlavní otázku: kolik stojí získat změnu, kterou lze přijmout.

Ke 2. říjnu 2026 zní odpověď takto: standardní ceny API za vstupní a výstupní tokeny GPT‑6.1 Sol jsou pětkrát nižší než ceny GPT‑6 Astra. OpenAI také uvádí, že Sol dosáhla srovnatelného výsledku jako Astra v jednom testu agentního programování. To však nedokazuje obecnou rovnocennost v Codexu ani nezaručuje pětinásobnou úsporu za hotovou opravu.

Nejprve oddělme API a předplatné Codexu

API se platí podle počtu použitých tokenů. V Codexu přes ChatGPT platí zahrnutý limit daného pracovního tarifu, takže na něj nelze přenášet ceny API. OpenAI vysvětluje, že čerpání limitu závisí na modelu, úloze a nastavení, zatímco API se účtuje zvlášť — podrobnosti uvádí nápověda k používání Work a Codexu.

Tabulka uvádí standardní sazby API za milion tokenů pro požadavky se vstupním kontextem do 272 tisíc tokenů:

Podle běžných sazeb za vstup a výstup je Sol pětkrát levnější než Astra a vstup z mezipaměti stojí desetkrát méně. Ve srovnání s GPT‑6 Sol ale nová verze nemá nižší cenu běžného vstupu ani výstupu: její cenovou výhodou je vstup z mezipaměti, jehož cena klesla na polovinu. Luna stojí výrazně méně než všechny tři modely, nízká cena však sama o sobě nic neříká o tom, jak dobře model zvládne složitý úkol. Tyto sazby uvádí ceník API OpenAI.

Kolik stojí stejný pokus

Pro názornost uvažujme modelový požadavek: 20 tisíc nových vstupních tokenů, 80 tisíc tokenů z mezipaměti a 10 tisíc výstupních tokenů. Předpokládejme, že mezipaměť fungovala; zápis do ní, volání nástrojů a opakované pokusy nezapočítáváme.

Při tomto složení požadavku stojí jeden pokus se Sol přibližně 5,3krát méně než s Astrou. Oproti GPT‑6 Sol činí rozdíl $0,008 — přibližně 5,1 % ceny pokusu. Jde o aritmetický příklad, nikoli o měření typické úlohy v Codexu: modely se mohou lišit spotřebou tokenů, počtem volání nástrojů i počtem opakování.

Existuje také cenový práh: u požadavků se vstupním kontextem přesahujícím 272 tisíc tokenů se sazby za vstup a mezipaměť zdvojnásobí a za výstup zvýší jedenapůlkrát — pro celý požadavek. Výpočet výše proto bez úprav neplatí pro dlouhý kontext; podmínky jsou uvedeny na stránce modelu GPT‑6.1 Sol.

Co přesně potvrzuje srovnání s Astrou

V oznámení GPT‑6.1 Sol OpenAI uvedla, že v testu DeepSWE v1.1, který hodnotí složité inženýrské úkoly v reálných kódových základech, Sol dosáhla srovnatelného výsledku jako Astra přibližně za pětinu ceny. Přesná formulace tedy zní „v DeepSWE v1.1 podle údajů OpenAI“.

V testu OSWorld 2.0, který hodnotí plnění úkolů na počítači, Sol při maximální úrovni uvažování zaostala za Astrou o 2,1 procentního bodu. Podle odhadu OpenAI přitom úloha stála zhruba sedmkrát méně. Společnost upozorňuje, že její odhady vznikly ve výzkumném prostředí nebo prostřednictvím API a od práce v produkčních rozhraních se mohou lišit kvůli systémovým instrukcím, nástrojům a nastavení.

Jde o výsledky zveřejněné samotným dodavatelem, nikoli o nezávislé ověření modelů při totožném pracovním postupu v Codexu. Materiály posuzované pro tento článek neobsahují srovnatelný nezávislý test Sol a Astry na stejných úlohách Codexu.

Co říkají vývojáři

První diskuse po uvedení modelu jsou důvodem vyzkoušet jej ve vlastním prostředí, nikoli reprezentativním testem. V jednom vlákně Redditu o rychlosti a čerpání limitu si uživatelé stěžují na pomalé generování. Jeden autor píše, že jednoduchá akce nebo zhuštění kontextu mu zabralo nejméně dvě minuty. Jde o jednotlivá pozorování bez totožných úloh a kontrolovaných podmínek.

V jiné diskusi o rychlosti Sol se účastníci neshodnou: někteří považují pomalé generování za problém, jiní upozorňují, že samotná rychlost výstupu tokenů neukazuje, jak dlouho potrvá celý úkol. Jde o různé ukazatele a vlákno neposkytuje kontrolované měření ani jednoho z nich.

Objevila se také jednotlivá negativní zkušenost s pokusem sestavit herní demo: autor uvádí, že model přehlédl požadavky a po upřesnění neopravil zásadní nedostatky. To neměří celkovou kvalitu modelu ani jej přímo nesrovnává s Astrou.

A konečně, v GitHub issue o výběru modelu v rozšíření VS Code uživatel 30. září uvedl, že Sol byla dostupná v desktopovém Codexu, ale chyběla v seznamu modelů rozšíření ve Windows. Jde o popis konkrétní konfigurace; neprokazuje příčinu ani rozsah problému.

Autoři těchto příspěvků používají pseudonymy, takže zde nejsou uvedeny přímé citace s ověřenými skutečnými jmény. Střízlivější praktický závěr z těchto prvních ohlasů je, že kvalitu, dobu dokončení úkolu a čerpání limitu je třeba měřit odděleně.

Stručná časová osa

1. 3. září 2026. OpenAI představila GPT‑6 Astra.
2. 22. září 2026. V API byly uvedeny GPT‑6 Sol a GPT‑6 Luna.
3. 29. září 2026. OpenAI oznámila vydání GPT‑6.1 Sol pro API, ChatGPT Work a Codex.
4. 30. září 2026. Na GitHubu se objevilo hlášení, že Sol chybí v seznamu modelů rozšíření VS Code ve Windows.

Data uvedení jsou převzata z protokolu změn API OpenAI a hlášení o VS Code z konkrétní diskuse na GitHubu. Jde o stručnou časovou osu raného období, nikoli o hodnocení dostupnosti modelu pro všechny uživatele.

Kdy zvolit Sol a kdy Astru

Pro tarify Plus a Standard Business uvádí OpenAI orientační rozmezí 15–160 místních zpráv za pětihodinové okno pro Sol a 5–45 pro Astru. Nejde o garantovaný počet úloh: čerpání závisí na modelu, úloze a nastavení; cloudové úlohy mohou spotřebovat více limitu a mohou platit také týdenní omezení. Tyto odhady nelze převádět na koeficient úspory ani přímo srovnávat s cenami API — podmínky popisuje nápověda k limitům Work a Codexu.

Praktická volba závisí na ceně chyby a době čekání:

• Sol stojí za vyzkoušení u opakujících se úloh s jasným ověřením výsledku — například pokud máte testy a jednoznačná kritéria přijetí. Její standardní sazby API jsou výrazně nižší než sazby Astry.
• Astru lze ponechat pro složité nebo rizikové úlohy, u nichž záleží na kvalitě výsledku více než na ceně jednoho pokusu. To, zda si lépe poradí s úlohami konkrétního týmu, je třeba ověřit v praxi.
• Luna se může hodit pro jednoduché opakující se operace, pokud její kvalita postačuje. Minimální cena tokenů nedokazuje, že práce se složitým zadáním bude s tímto modelem levnější.

Pro srovnání spusťte na modelech stejnou malou sadu úloh a předem určete, jaký výsledek je přijatelný: například úspěšné testy, splnění požadavků a schválení při revizi. Zaznamenávejte počet pokusů, spotřebu tokenů, volání nástrojů a dobu do hotové opravy. Změříte tak cenu výsledku, nikoli ceny odpovědi.

Verdikt: Běžné vstupní a výstupní tokeny API jsou u Sol skutečně pětkrát levnější než u Astry; v jednom testu agentního programování OpenAI uvádí stejný výsledek. Důkazů o obecné rovnocennosti v Codexu je však málo. V předplatném se úspora API přímo neuplatní a první ohlasy vývojářů jsou zatím kusé a rozporuplné. Sol je opodstatněným kandidátem na úspornější variantu, ale to, zda s ní nahradit Astru, závisí na tom, jak oba modely obstojí u úloh konkrétního týmu.