雷锋网对 OpenAI 与 Anthropic 两款中段模型进行了同台实测。OpenAI 于 9 月 29 日发布 GPT 6.1 Sol，Anthropic 于 9 月 28 日推出 Claude Sonnet 5.5。两款模型在 OpenRouter 上的 API 标价完全一致：每百万输入 Token 2 美元、输出 10 美元，缓存写入 2.5 美元。测试通过同一渠道商调用，使用 Claude Code Cli 作为平台，要求两款模型连续完成 3D 密室开发、最新政策调查和诺奖化学科普三项任务。
最终账单差距显著：GPT 6.1 Sol 总花费 38.5 美元，Claude Sonnet 5.5 仅 10.9 美元，前者约为后者的 3.53 倍。标价相同而账单悬殊，核心原因在于 Agent 的行动路径不同——Sol 在政策调查中启动多路核验、在化学任务中保存大量原件并运行真实浏览器、在密室开发中反复重走全流程，更多工具调用、更长上下文和更多修复轮次都计入成本；Sonnet 则更常选择最短可交付路径。
速度上的差异呈现三次反转。3D 密室开发中，GPT 6.1 Sol 用时 33 分 37 秒，Claude Sonnet 5.5 用时 74 分 32 秒，后者约为前者的 2.2 倍，主要因 Sonnet 在 Playwright 版本、浏览器依赖和低帧率环境上多次返工。政策调查则完全反转：Sonnet 仅用 5 分 11 秒完成 172 行、约 2.3 万字节的报告，调用工具 32 次；Sol 则用了 54 分 50 秒，耗时约为 Sonnet 的 10.6 倍，但交付了含 14 个文件的调研报告，包括 5 份官方原始文件、哈希校验清单和 15 份多路核验判断。化学科普任务中，Sol 用时 65 分 41 秒、Sonnet 用时 12 分 54 秒，账面相差约 5.1 倍；Sol 交付 42 个文件，Sonnet 交付 5 个文件但互动设计更丰富。
从交付质量看，两款模型没有形成整齐的胜负线。GPT 6.1 Sol 在密室开发中更快完成实现和真实通关，并在两项研究任务里建立了更深的证据链和发布闭环，例如在政策调查中严格区分政策措辞与技术突破、在化学任务中明确区分 R/S 绝对构型与 D/L 命名。Claude Sonnet 5.5 则以更短路径交付可用成果，两项研究任务均快出数倍，三项任务总成本仅为 Sol 的约 28%，其互动页设计了三种模式并支持随机跑 60 次，让读者直观看到微小涨落如何决定最终方向。测试方将这种表现称为典型的“锯齿状智能”：Sol 是愿意继续核验的深度工作狂，Sonnet 5.5 更像高效的日常先锋官。
两款产品的定位也高度相似。OpenAI 将 GPT 6.1 Sol 定义为以更低成本提供接近 Astra 的复杂工作性能，重点场景包括复杂编码、计算机操作和专业工作，官方页面给出的上下文窗口为 105 万 token、最大输出 12.8 万 token。Anthropic 则将 Claude Sonnet 5.5 定位为比 Opus 5.5 更快、成本更低的模型，主要面向日常任务、修复 Bug 以及文档、幻灯片、表格和设计工作。AA 榜单显示两款模型都处在头部区间。
这轮实测折射出中段模型的行业位置正在上升。旗舰模型探索能力上限，小模型处理高频简单任务，中段模型承接数量最多的复杂生产任务，正成为企业 AI 系统的默认工作层。当模型能力满足使用门槛后，稳定交付和单位任务成本将比单项榜单领先更能决定模型的产业价值。对关注马斯克生态的读者而言，这场 OpenAI 与 Anthropic 的中段模型对决，也勾勒出大模型竞争从“拼能力上限”向“拼任务交付效率”迁移的轮廓。