GPT-6.1 Sol 在 Codex 里一题只花 1.04 美元，分数落后 5 分

第三名，但便宜一个数量级

单看分数，GPT-6.1 Sol 落后榜首 5 分、落后 Gemini 4 Argon 1 分。可把成本放进来，排序就完全反过来：

• GPT-6.1 Sol / Codex：63 分，1.04 美元；
• Gemini 4 Argon / Antigravity CLI：64 分，5.84 美元（谷歌促销价，模型未公开开放）；
• Sonnet 5.5 / Claude Code：68 分，14.19 美元。

按每美元能换到的分数算，Sol 大约是 Sonnet 5.5 的十倍以上。

便宜从哪来

GPT-6.1 Sol 是 OpenAI 近期以同价换代推出的版本，标价没动、缓存输入价格再减一半。编程代理任务恰好是缓存命中率很高的场景——同一个仓库的文件、同一套系统提示被反复读入，缓存价越低，长任务的账单越薄。

另一个因素是输出克制。据 Artificial Analysis 此前的测试，GPT-6 Astra 单任务平均输出约 2.7 万 token，不到 Gemini 4 Argon（约 6.2 万）的一半，Sonnet 5.5 在 max 档更是接近 19.3 万。xhigh 已经是高推理档，Sol 仍能把成本压在一美元左右，说明 Codex 这套外壳在调度上也没有放任模型反复试错。

5 分值多少钱

这份榜单测的是「模型 + 代理工具」整套组合，分差里既有模型能力，也有工具链的功劳。对 OpenAI 而言，63 分说明在最难的那部分任务上还有差距；但当对手要花十几倍的钱去换这 5 分，很多团队会先问自己的任务需不需要那 5 分。

Gemini 4 Argon 是这场比较里最不确定的一方：促销价打了对折，原价下单任务接近 12 美元，而且普通开发者暂时还用不上。真正面对面的，眼下还是 Codex 和 Claude Code——一边拼完成度，一边拼单价，下一轮更新谁先往中间靠，比这次谁排第一更值得看。