GPT-6.1 Solの解説：性能、価格、コーディング、そして使い方

GPT-6.1 Solは、OpenAIが提供する、複雑なコーディング、コンピュータ利用、および専門業務向けにバランスよく設計されたモデルです。. GPT-6 Astraの1,050,000トークンのコンテキストウィンドウと128,000トークンの出力上限は維持されていますが、Standard APIの料金は、入力トークン100万トークンあたり$2、出力トークン100万トークンあたり$10に引き下げられます。 これは、Astraの現在のトークン単価の5分の1に相当します。そのトレードオフは単純です。Astraは引き続きフラッグシップモデルであり、一方、Solは、タスク1件あたりのコストを重視するチームに対して、十分な機能を提供することを目指しています。.

このガイドでは、以下を区別しています。 GPT-6.1 Sol 用の OpenAI ドキュメント 独立系クリエイターたちが初期テストで観察した内容に基づいています。また、ロングコンテキストの価格ルール、現実的なコスト例、実用的なResponses APIのパターン、そしてSol、Astra、Luna、および以前のGPT-6 Solの中から適切なものを選択するための実践的な方法についても紹介しています。.

GPT-6.1 Solとは何ですか？

GPT-6.1 Solは、OpenAIのGPT-6ファミリーにおける最新モデルのSolです。 公式の説明によると、これは複雑なコーディング、コンピュータ利用、および専門的な業務向けのモデルであり、Astraに匹敵する性能を低コストで実現しています。このファミリーの階層において、Astraは最高性能の選択肢、Lunaは効率性を重視した選択肢であり、Solは、強力な推論能力を必要とするほど難易度が高い一方で、利用頻度が十分に高いため単価が重要となる業務に適した中間の選択肢です。.

モデルIDは gpt-6.1-sol. この正確な文字列は、API呼び出し、テストログ、課金記録、およびデプロイメント設定において重要です。以前の gpt-6-sol キャッシュされていない入力価格と出力価格が一致しているにもかかわらず、依然として別のモデルとして扱われています。OpenAIの旧モデルのページでは、現在、読者に新バージョンへのリンクが表示されていますが、当サイトの GPT-6 SolのレビューとAPIの利用制限 歴史的な基準値を示す。.

このアップデートに注目すべき最も明確な理由は、単なるランキングの数字ではありません。それは、フロンティア級のコンテキストウィンドウ、幅広いツールのサポート、5段階の推論難易度、そしてAstraよりも幅広い利用を促す価格設定が組み合わさっている点にあります。 性能は若干劣るものの、本格的なドラフト作成、コードレビュー、あるいは多段階のワークフローのあらゆる場面で実行できるほど手頃な価格のモデルは、稀な機会のためにとっておかれるフラッグシップモデルよりも大きな価値をもたらすことができます。.

その位置決めについては、ご自身のタスクに合わせてさらに検証する必要があります。OpenAIの モデル選択の指針 同じ作業において、SolとAstraを比較することを明確に推奨しています。法律文書のワークフロー、リポジトリのリファクタリング、ブラウザエージェント、ボードでのプレゼンテーションなど、それぞれ異なる機能を試すことができます。モデルのラベルを初期仮説として扱い、正しさ、修正回数、処理時間、および承認された結果1件あたりの総コストを測定してください。.

GPT-6.1 Sol の仕様

について 公式モデルカタログ テキストおよび画像の入力と、テキストの出力を一覧表示します。音声や動画は、モデル自体ではサポートされていない入力・出力形式です。この区別は製品設計の際に役立ちます。スクリーンショット、図、スキャンしたページ、その他の画像をモデルに渡すことは可能ですが、音声の文字起こしや動画の理解には、別途コンポーネントやツールが必要となります。.

その最大入力数は、見出しのコンテキストウィンドウよりも少ない。これは、出力や内部処理のために、総予算内に余裕を確保する必要があるためだ。128,000トークンという出力上限は十分な余裕があるが、膨大な回答を求めることが最善の設計となることはめったにない。長い出力はコストがかかり、レビューに時間がかかり、内容がずれてしまう可能性もある。 ほとんどのソフトウェア開発において、チェックポイントを設けた小規模で構造化された出力の方が、検証が容易です。.

推論の取り組みを支援する ロー, 中, 高, xhigh, そして max; デフォルトは「medium」です。この なし そして 最小限の 設定は利用できません。日常的な変換には低負荷の設定を使用し、タスクのエラーコストや複雑さが追加のトークンや時間を正当化する場合にのみ、負荷を上げてください。実用的な目標は、受け入れテストをクリアできる範囲で、最も負荷の低い設定にすることです。.

過去の価格やトークンの動向を比較したい開発者は、当社の GPT-6 Solの価格設定とコスト例 参考として。主な仕様の変更点はコンテキストサイズではなく、これはここで取り上げるGPT-6モデル全体で統一されています。変更点は、新しいSolにおける位置付けの更新と、コストが抑えられたキャッシュされた入力です。.

パフォーマンス：公式の証拠が示すもの

OpenAIの発表資料によると、GPT-6.1 Solは、コードの記述やデバッグ、文書の理解、多段階のビジネスワークフローの実行といった複雑な専門的タスクにおいて、GPT-6 Solを大幅に上回る性能を発揮するという。 同社によれば、いくつかの評価指標において、より低コストでGPT-6 Astraに迫る性能を発揮しているとのことです。これらは公式の評価結果であり、すべてのプロンプトでAstraに近い結果が得られることを保証するものではありません。.

について GPT-6.1 太陽系カード 補遺 重要な境界線となる点がここにあります。評価はOpenAIの研究環境またはAPIを通じて実行されましたが、本番環境のChatGPTでは、システムのプロンプト、利用可能なツール、および労力の設定が同一ではないため、結果が異なる可能性があります。 そのため、正確な記事では、公式のベンチマーク結果と、作成者によるテスト結果や企業の内部評価とを明確に区別する必要があります。.

具体的な例として、HealthBenchが挙げられます。公開された表によると、GPT-6.1 Solは、HealthBench Professionalで64.2、HealthBenchで58.5、HealthBench Hardで36.2、HealthBench Consensusで96.0という、長さを調整したスコアを記録しています。 これに対応するAstraスコアは、それぞれ64.7、58.3、36.6、95.5です。OpenAIは、これら4つの評価において、各モデルのスコアが0.5パーセントポイント以内の差にあると述べています。.

この結果は、その評価体系における「Astraに近い」という表現を裏付けるものです。ただし、ソフトウェア工学の品質、ブラウザの信頼性、あるいは出力スタイルが同等であることを証明するものではありません。健全性ベンチマークが測定するのは、レースコンディションの修正やツールの連携といったものとは異なる能力です。このフラッグシップモデルのより広範なテストプロファイルについて詳しく知りたい場合は、以下の GPT-6 Astraのレビューと実機テスト.

最も妥当な解釈は条件付きのものだ。GPT-6.1 Solは、特にAstraの価格が高すぎて利用が制限されるような状況においては、ハードワーク向けの候補の一つとして挙げられる。これは自動的に推奨されるものではなく、並行評価を行う価値がある。 合格率、人間による修正回数、ツールのエラー数、出力トークン数、そして承認された成果物が得られるまでの時間を測定する。これらの指標によって、モデル比較はビジネス上の意思決定へと変わる。.

コーディング：GPT-6.1 Solの機能

GPT-6.1 Sol は、ストリーミング、構造化された出力、関数呼び出し、ファイル検索、画像入力、Web 検索、プロンプトのキャッシュなど、現代のコーディングモデルに求められる基本機能を備えています。 また、Responses APIを通じて、OpenAIはコードインタプリタ、ホスト型シェル、パッチの適用、スキル、コンピュータの利用、MCP、ツール検索も列挙しています。これにより、このモデルは、ファイルの検査、変更案の提案、コマンドの実行、および機械検証済みの出力の返却といったワークフローに適しています。.

機能のサポートは、すべての環境がすべてのツールを自動的に公開することを意味するわけではありません。どのツールが存在するか、それらのツールにどのような権限が与えられるか、結果がモデルにどのように返されるか、そしてどのアクションに確認が必要かは、依然としてアプリケーションが決定します。Chat Completionsは、ツール呼び出しを必要とせずにGPT-6.1 Solで動作しますが、OpenAIでは、ツールを使用するアプリケーションはResponsesにリダイレクトされます。 新しいエージェント型システムでは、このAPIの境界を、単なる些細な構文上の違いではなく、アーキテクチャ上の選択として扱うべきです。.

本稿の公開時点では、テスト会場のチャットカタログに正確なモデル名が明示されていなかったため、本ガイドでは、予定されている4つのコーディング課題について、新たなハウスベンチマークを提示するものではありません。コーディング評価は、公式の性能データおよび名称が明記された公開実行結果に基づいています。これは、こっそりとAstraや旧型のSolに置き換え、結果に誤ったモデル名を付記するよりも、はるかに有用な方法です。.

適切な評価には、回帰テストを用いたデバッグ、範囲限定の複数ファイル機能、セキュリティレビュー、およびスキーマ制約に基づく設計上の決定が含まれるべきです。これらのタスクは、単なるコード生成以上のものを検証します。それらは、モデルがAPIを維持しているか、エッジケースを捕捉しているか、出力制約を遵守しているかを確認し、また検証できなかった点を明らかにします。私たちの 2026年にプログラミングに最適なAIモデルガイド ワークフローによって最適な選択肢が変わる理由を説明しています。.

このようなプロンプトを実行する際は、結果を機械的に評価してください。ゼロが残っていませんか？重複は削除されていますか？数値のソートは正しく行われていますか？テストは node --test？ 洗練された説明であっても、誤った主張を補うことはできない。この原則はリポジトリ作業にも当てはまる。つまり、モデルを選択する前に受け入れ条件を定義し、文章の説得力ではなくパッチそのものを審査すべきである。.

GPT-6.1 Solの価格設定

について 公式APIの価格ページ GPT-6.1の100万トークンあたりのSol単価を測定したものです。入力のコストは$2、キャッシュされた入力のコストは$0.10、キャッシュへの書き込みコストは$2.50、出力のコストは$10です。 したがって、キャッシュされた入力のコストは、キャッシュされていない入力のレートに比べて5%となり、新しいキャッシュコンテンツの書き込みには通常の入力の1.25倍のコストがかかります。ツール固有の手数料は別途加算される可能性があるため、トークンの計算はツールを使用するワークロードの一部に過ぎません。.

価格設定において最も重要な点は、272Kという閾値です。入力が272,000トークンを超えると、リクエスト全体の処理速度は、入力レートとキャッシュレートの2倍、出力レートの1.5倍になります。これは、閾値を超えるトークンのみに適用される追加料金というものではありません。 この閾値付近を頻繁に推移するアプリケーションでは、送信前にトークン数をカウントし、チャンク化、取得、または圧縮を検討する必要があります。.

「Fast」モードでは、スタンダード価格の2倍となります。「Batch」および「Flex」では、スタンダード料金から50%が割引され、「地域別処理」では、利用可能な場合、10%の追加料金が発生します。 これらのモードはそれぞれ異なる課題を解決します。高速モードはレイテンシを優先し、バッチ処理は即時性を犠牲にしてコストを抑え、フレックスはスケジューリングの予測可能性を犠牲にしてコストを抑え、リージョナル処理はデータの配置に関するニーズに対応します。運用上の制約を比較せずに、これらの価格を比較しないでください。.

Astraの標準価格は、100万トークンあたり入力$10、出力$50となっており、これはSolの公表レートのちょうど5倍に相当します。この GPT-6 Astra API の料金とトークン制限 このガイドでは、そのプレミアムについてさらに詳しく解説しています。Solと以前のGPT-6 Solは、キャッシュされていない入力価格と出力価格が同じですが、GPT-6.1 Solでは、キャッシュされた入力が100万トークンあたり$0.20から$0.10に削減されています。.

実際のコスト例

トークン価格を完全なリクエストに換算すると、判断しやすくなります。以下の例では、特に記載がない限り、標準処理、ツール呼び出し手数料なし、地域プレミアムなし、キャッシュされた入力なしの条件で計算しています。GPT-6.1 Solでは、出力のコストが通常の入力の5倍になるため、実際の出力長によって、開発者が予想するよりも請求額が高くなることがよくあります。.

入力100K、出力5Kのコードレビューの場合、入力のコストは$0.20、出力のコストは$0.05であり、その結果、見積もりは$0.25となります。 100Kの入力すべてがキャッシュ対象となる場合、入力部分のコストは$0.01に低下し、合計は$0.06となります。 アプリケーションがその 100K のプレフィックスをまずキャッシュに書き込む必要がある場合、出力前のキャッシュ書き込み部分は $0.25 となります。.

30万回の入力例はしきい値を超えています。入力の課金単価は実質的に100万回あたり$4であるため、30万回分の費用は$1.20となります。 出力は100万件あたり実質$15で課金されるため、1万件のコストは$0.15となります。合計は$1.35です。したがって、しきい値をわずかに上回るリクエストは、ツール使用前の段階であっても、しきい値をわずかに下回るリクエストよりもはるかに高額になる可能性があります。.

「Batch」または「Flex」を選択すると、対象となる「Standard」の合計は半分になり、「Fast」を選択すると2倍になります。最初の例の場合、これは「Batch」または「Flex」ではおよそ$0.125、「Fast」では$0.50となることを意味します。依然として旧式のGPT-5.6モデルを使用しているチームは、これらの想定値を当社の GPT-5.6の価格とコーデックス・クレジット 内訳。.

GPT-6.1 Sol の使い方

開発者にとって最もシンプルな方法は、Responses API を利用することです。最新の OpenAI SDK をインストールし、環境設定を通じて API キーを指定し、設定を モデル への gpt-6.1-sol. . 公式テキスト生成ガイド 直接的なモデルリクエストに対しては「Responses」を推奨しており、ツール呼び出しを行うにはモデルページでこれが必須となります。.

1. まずは、単純なResponses APIリクエストから始めます

最初のリクエストはシンプルにしましょう。プロジェクトで正確なモデルIDが利用可能であることを確認し、返されたモデルと使用状況のフィールドを取得し、実行を再現するのに十分なメタデータを保存してください。最初から大規模なツールチェーンを導入してはいけません。シンプルなリクエストを行うことで、モデルへのアクセスに関する問題を、ツールの定義、権限、オーケストレーションに関する問題から切り離すことができます。.

2. ツールの追加は、Responses API を通じてのみ行う

ワークフローでファイル検索、Web検索、コード実行、シェルアクセス、コンピュータの利用、MCP、またはカスタム機能が必要となる場合は、必要最小限のツールセットを定義してください。ファイルおよびネットワークの範囲を制限し、ツールの引数を検証し、どのアクションに人間の確認が必要かを決定してください。このモデルはツールを提案・呼び出すことはできますが、それらの実行および権限の適用については、引き続きアプリケーションが責任を負います。.

3. 評価を通じて推論の取り組みを調整する

デフォルト設定である「medium」から始めます。代表的な評価セットを実行し、その後、「low」、「high」、または「xhigh」の設定について、受け入れ率、出力トークン数、レイテンシ、および修正回数を比較してください。「Max effort」は最も困難なタスクでは役立つかもしれませんが、あらゆる場面でこれを使用すると、Solの魅力を支えてきたコスト面での優位性が失われてしまう可能性があります。確実に合格できる最も軽量な設定を維持してください。.

4. 対話型の比較には GlobalGPT を使用する

インタラクティブな作業を行うには、以下を開いてください。 GlobalGPTのマルチモデルワークスペース アカウントのピッカーに「GPT-6.1 Sol」が表示されたら、それを選択してください。この方法は、個別のタブやサブスクリプションを管理することなく回答を比較するのに便利です。ただし、APIのデプロイ制御、リポジトリの自動化、Codex、またはIDEの代わりになるものではありません。当社のガイドでは コーディングにおけるChatGPTモデルの選択 これらのワークフローの違いについて解説しています。.

GPT-6.1 Sol 対 GPT-6 Sol、Astra、Luna

この比較対象となる4つのモデルはすべて、テキストと画像を受け付け、テキストを出力し、1,050,000トークンのコンテキストウィンドウと最大128,000トークンの出力制限を備えています。実質的な違いは、順位、価格、カットオフ日、推論設定、および実際のタスクで確認できる品質レベルにあります。 この表では、2026年10月1日時点で確認された最新の公式スタンダードトークン価格を使用しています。.

タスクが十分に困難で、わずかな品質の向上が高コストな人的な手直しを防ぐことができる場合は、Astraを選択してください。作業が依然として複雑ではあるものの頻度が高い場合、特にキャッシュされた入力の割引効果が役立つ場合は、GPT-6.1 Solを選択してください。処理量とレイテンシが主な課題であり、タスクの範囲が明確に定義されている場合は、Lunaを選択してください。 移行リスク、既存の評価結果、あるいは互換性確保の作業により、直ちに切り替えることが現実的でない場合のみ、旧バージョンのSolを使い続けてください。.

SolとAstraの価格差が5倍というのは大きいですが、トークンあたりの価格は、受け入れられた結果1件あたりの価格とは異なります。 より高性能なモデルは、出力トークンの数が少なかったり、呼び出すツールの数が少なかったり、修正回数が少なくて済む場合があります。逆に、アストラの単価がその差を圧倒するほど高ければ、Solは修正回数が1回多くても勝つことができます。単一のプロンプトの長さを単純に掛け合わせるのではなく、タスクのトレース全体を比較してください。.

フラッグシップモデルへの乗り換えが価値があるかどうかを判断しようとしている読者は、以下の GPT-6 Astra と GPT-5.6 Sol の比較 先行する階層の文脈については。現在のファミリーの中で最も低コストな分岐については、 GPT-6 Lunaのレビューとおすすめの活用法 関連するAPIの制限やワークロードへの適合性を示します。.

レビューアの声

OpenAIは、2026年9月29日のDevDay基調講演において、他の製品リリースとともにGPT-6.1 Solを発表しました。その公式動画は、リリース時期と位置付けを示しているに過ぎず、独立した証拠ではありません。参考になる外部の反応は、発表内容を単に繰り返すのではなく、タスク、比較対象、コスト算定方法、および失敗事例を明らかにしているクリエイターたちからのものです。.

で 『Can It Code?』の3ラウンドにわたる動画, 、タスクは、Blenderのローポリゴンダンジョンキットから、モデリング・アニメーションが施されたキャラクターへ、そしてプレイ可能なGodotゲームへと移行していった。 制作者は、全ラウンドを通じたSolの所要時間を$29.17および7時間5分と見積もりました。これは比較対象のランタイムを大幅に下回っていますが、最終的なゲームのプレイ体験は劣ると判断し、Solはラウンドを重ねるごとに悪化していると述べました。この結果から得られる教訓は、コストとスピードの面でのメリットですが、品質面での注意が必要であり、総合的なランキングを示すものではありません。.

マット・ジョンストンの9試合の総括 Stonelabsの表によると、加重スコアは96で、Sonnet 5.5と同率となっており、スイートコストは$2.63であるのに対し、Astraは約$14、Opus 5.5は$12となっている。 また、彼はペンギン・タスクでの失敗についても指摘している。これらの数値は彼のベンチマーク設計および原価計算に基づくものであり、調達に活用する前に再現性を確認すべきである。.

ダンカン・ロゴフによる6つのビルドの比較 ランディングページ、3Dブラウザゲーム、Blenderシーン、インタラクティブな解説動画、投資家向けプレゼン資料などを対象としています。公開されている説明によると、このテストではビルド時間、トークンの使用量、および最終的なコストが計測されるとのことです。完全な結果が確認されるまでは、このガイドでは、動画を実用的な比較手法の根拠として提示しており、いずれかのモデルが勝ったという証拠として提示しているわけではありません。.

これらの初期のレビューは、ある有益な問いについて意見が一致しています。それは、「Solの低価格は、本格的なプロジェクトに適用しても通用するのか」という問いです。その答えは、取り組むタスクによって異なります。あるクリエイターは、最終的なゲームの品質は劣るものの、コスト効率の良さには目を見張るものがあったと述べています。別のクリエイターは、高スコアを記録しつつ、スイートのコストは低く抑えられたと報告しています。また、3人目のクリエイターは、幅広いプレイヤー同士の対戦型ゲームを設計しました。こうした多様性こそが、総括的な合意文よりも有益な情報を与えてくれるのです。.

GPT-6.1 Solはどのような方に適していますか？

GPT-6.1 Solは、すでに有意義な作業と評価ループを確立しているチームに適しています。特に、プロンプトキャッシュを通じて同じ大規模なコンテキストが再利用される場合、Astraの導入ではスケーリングにコストがかかりすぎる場合、あるいはLunaではそのタスクに対して十分な深さが得られない場合に、その魅力が際立ちます。 一方、より安価なティアで軽量な抽出や分類処理がすでに確実に機能している場合には、このモデルの魅力は薄れます。.

ソフトウェアチームは、複数のファイルにわたって推論を行ったり、テストを作成したり、セキュリティ上の問題をレビューしたり、監視下でツールを運用したりするためのモデルが必要な場合、Solの導入を検討すべきです。 アナリストは、複数のドキュメントを統合したり、構造化された成果物を作成したりするためにSolを活用できます。運用チームは、データ、ルール、ビジネスコンテキストを統合するワークフローにSolを活用できます。いずれの場合も、ワークフローには明確な受け入れ基準と、人間による、あるいは自動化された検証ステップが必要です。.

個人ユーザーや小規模チームの場合、API連携を構築する前に、インタラクティブなマルチモデルワークスペースを利用することをお勧めします。これにより、アプリケーションアーキテクチャを確定させることなく、SolとAstraの比較を具体的に行うことができます。まだプロバイダーやモダリティの選定を検討中の方は、当社のガイドをご覧ください。 タスク、ツール、コストに基づいてAIモデルを選択する より幅広い候補リストを提供します。.

限界と故障モード

100万トークンのコンテキストウィンドウは「容量」であり、「完璧な記憶」ではありません。重要な指示であっても、ノイズの多い文書や重複したルール、矛盾する証拠によってその重要性が薄れてしまう可能性があります。長い入力データを適切に構造化し、信頼できる情報源を特定し、重要な結論の根拠となるファイルや文章をモデルに引用させるようにしましょう。すべてのターンで全データを送信するよりも、データの取得と圧縮を行う方が効果的である場合があります。.

コンテキストが長い場合の価格設定も、もう一つのリスクです。入力トークン数が273Kのリクエストでは、最後の1,000トークンだけでなく、リクエスト全体に対して高い料金が課金されます。これにより、コンテキストを動的に組み立てるアプリケーションでは、予想外の請求額が発生する可能性があります。リクエストの前にトークン数のカウントと予算チェックを追加し、どのドキュメントが呼び出しの制限を超えさせたかをログに記録するようにしてください。.

ツールの使用は機能範囲と攻撃対象領域を拡大します。Webページ、取得したファイル、およびツールの出力結果は、信頼できないデータとして扱ってください。関数の引数を検証し、コードの実行を隔離し、ファイルパスやネットワークへのアクセスを制限し、影響の大きい操作については確認を義務付けてください。このモデルがホスト型シェルやコンピュータの使用をサポートしているからといって、広範な権限を付与する理由にはなりません。.

最後に、初期のクリエイター向けテストは、決定的なものではないにせよ、有益な情報を得ることができます。システムのプロンプト、ツール、支援機能、時間制限、採点基準が異なれば、一見して勝者と見えたものが逆転することもあります。公開テストは、評価を省略するためではなく、独自の評価方法を設計するために活用してください。ビジュアルゲームの構築に優れたモデルであっても、移行計画では失敗する可能性がありますし、その逆も同様にあり得ます。.

よくある質問

これらの回答は、公式のAPIに関する情報と、前述した実務上の判断ポイントをまとめたものです。.

最終評決

GPT-6.1 Solは、本格的な推論能力やコーディング能力を必要とするものの、実行のたびにAstraを利用するのはコスト面で見合わないという購入者にとって、最も魅力的なGPT-6の選択肢です。 Astraと同等のコンテキストおよび出力制限を備え、2026年4月30日という同じ知識カットオフを採用しており、スタンダード料金体系では、キャッシュされていない入力および出力トークン1つあたりのコストがAstraの5分の1となっています。また、キャッシュされた入力に対する割引率も、以前のGPT-6 Solよりも高くなっています。.

このモデルが必ずしも最良の選択肢とは限りません。特定の作業に集中する場合は、Lunaの方が依然として格段に安価であり、最も難易度の高いタスクにおいても、Astraの方が修正回数を減らせる可能性があります。適切な比較方法は、同じプロンプト、ツール、データ、評価ルールを用いて測定した、承認された結果1件あたりの総コストです。入力トークン数が272Kを超える場合は、判断を下す前に価格乗数を考慮に入れてください。.

APIのデプロイについては、公式のモデルページと、簡単なResponses APIリクエストから始めてください。インタラクティブな比較を行う場合は、上記のマルチモデルルートをご利用ください。いずれの場合も、出力結果、使用状況、設定、およびエラー情報は保存しておいてください。 GPT-6.1 Solの真価は、単にトークン単価が安いということだけではありません。優れた推論を頻繁に実行し、それがワークフローの一部となるような機会を提供することにあります。.