雷鋒網對 OpenAI 與 Anthropic 兩款中段模型進行了同台實測。OpenAI 於 9 月 29 日釋出 GPT 6.1 Sol，Anthropic 於 9 月 28 日推出 Claude Sonnet 5.5。兩款模型在 OpenRouter 上的 API 標價完全一致：每百萬輸入 Token 2 美元、輸出 10 美元，快取寫入 2.5 美元。測試通過同一渠道商呼叫，使用 Claude Code Cli 作為平台，要求兩款模型連續完成 3D 密室開發、最新政策調查和諾獎化學科普三項任務。
最終賬單差距顯著：GPT 6.1 Sol 總花費 38.5 美元，Claude Sonnet 5.5 僅 10.9 美元，前者約為後者的 3.53 倍。標價相同而賬單懸殊，核心原因在於 Agent 的行動路徑不同——Sol 在政策調查中啟動多路核驗、在化學任務中儲存大量原件並執行真實瀏覽器、在密室開發中反覆重走全流程，更多工具呼叫、更長上下文和更多修復輪次都計入成本；Sonnet 則更常選擇最短可交付路徑。
速度上的差異呈現三次反轉。3D 密室開發中，GPT 6.1 Sol 用時 33 分 37 秒，Claude Sonnet 5.5 用時 74 分 32 秒，後者約為前者的 2.2 倍，主要因 Sonnet 在 Playwright 版本、瀏覽器依賴和低幀率環境上多次返工。政策調查則完全反轉：Sonnet 僅用 5 分 11 秒完成 172 行、約 2.3 萬字節的報告，呼叫工具 32 次；Sol 則用了 54 分 50 秒，耗時約為 Sonnet 的 10.6 倍，但交付了含 14 個檔案的調研報告，包括 5 份官方原始檔案、雜湊校驗清單和 15 份多路核驗判斷。化學科普任務中，Sol 用時 65 分 41 秒、Sonnet 用時 12 分 54 秒，賬面相差約 5.1 倍；Sol 交付 42 個檔案，Sonnet 交付 5 個檔案但互動設計更豐富。
從交付質量看，兩款模型沒有形成整齊的勝負線。GPT 6.1 Sol 在密室開發中更快完成實現和真實通關，並在兩項研究任務裡建立了更深的證據鏈和釋出閉環，例如在政策調查中嚴格區分政策措辭與技術突破、在化學任務中明確區分 R/S 絕對構型與 D/L 命名。Claude Sonnet 5.5 則以更短路徑交付可用成果，兩項研究任務均快出數倍，三項任務總成本僅為 Sol 的約 28%，其互動頁設計了三種模式並支援隨機跑 60 次，讓讀者直觀看到微小漲落如何決定最終方向。測試方將這種表現稱為典型的“鋸齒狀智慧”：Sol 是願意繼續核驗的深度工作狂，Sonnet 5.5 更像高效的日常先鋒官。
兩款產品的定位也高度相似。OpenAI 將 GPT 6.1 Sol 定義為以更低成本提供接近 Astra 的複雜工作效能，重點場景包括複雜編碼、計算機操作和專業工作，官方頁面給出的上下文視窗為 105 萬 token、最大輸出 12.8 萬 token。Anthropic 則將 Claude Sonnet 5.5 定位為比 Opus 5.5 更快、成本更低的模型，主要面向日常任務、修復 Bug 以及文件、幻燈片、表格和設計工作。AA 榜單顯示兩款模型都處在頭部區間。
這輪實測折射出中段模型的行業位置正在上升。旗艦模型探索能力上限，小模型處理高頻簡單任務，中段模型承接數量最多的複雜生產任務，正成為企業 AI 系統的預設工作層。當模型能力滿足使用門檻後，穩定交付和單位任務成本將比單項榜單領先更能決定模型的產業價值。對關注馬斯克生態的讀者而言，這場 OpenAI 與 Anthropic 的中段模型對決，也勾勒出大模型競爭從“拼能力上限”向“拼任務交付效率”遷移的輪廓。