展开本页目录
开始前准备什么
- 先确定任务、允许输入和验收条件，再核对当前模型目录中的准确 ID 与协议。
- 平台目录可见不等于测试 Key 有权限；公开最低报价也不等于账号实扣。
- 下载虚构任务材料，保持各候选输入一致；真实数据应先脱敏。
- 确定任务
- 选同档候选
- 固定样本
- 核对结果与费用
- 生成接入配置
本批离线夹具与空记录模板，不包含新增模型成绩或 API Key。代码候选先人工检查，再在隔离环境验收。
先比较主力型号，别把轻量和旗舰混进来
OpenAI 将 Sol 定位为兼顾智能和成本的主力；Anthropic 强调 Sonnet 的速度与智能平衡。厂商没有统一的档位标准，这个分组用于应用选型，不能证明两款算力、能力或价格等值。
| 维度 | GPT-6.1 Sol | Claude Sonnet 5.5 |
|---|---|---|
| 本次准确 ID | gpt-6.1-sol | claude-sonnet-5-5 |
| 本次协议 | Responses | Anthropic Messages |
| 显式请求的思考设置 | reasoning.effort=medium | adaptive thinking + effort=medium |
| 已测范围 | 九份中文短任务 | 同一九份中文短任务 |
- 维度
- 本次准确 ID
- GPT-6.1 Sol
- gpt-6.1-sol
- Claude Sonnet 5.5
- claude-sonnet-5-5
- 维度
- 本次协议
- GPT-6.1 Sol
- Responses
- Claude Sonnet 5.5
- Anthropic Messages
- 维度
- 显式请求的思考设置
- GPT-6.1 Sol
- reasoning.effort=medium
- Claude Sonnet 5.5
- adaptive thinking + effort=medium
- 维度
- 已测范围
- GPT-6.1 Sol
- 九份中文短任务
- Claude Sonnet 5.5
- 同一九份中文短任务
已有记录能说明什么？
两款都来自 2026-10-09 的同一均衡主力测试：中文 JSON 抽取、给定资料问答、工具提案参数，各三份不同输入。这里引用已有记录，没有为这个页面另跑一次。样本太短，无法得出复杂编程或长期稳定性的胜负。
| 请求型号 | 这九份短任务 | 完整 HTTP 请求中位数 | 实际扣费 |
|---|---|---|---|
| gpt-6.1-sol | 9 / 9 项短任务达标 | 6.14 秒 | 未匹配控制台，保持未知 |
| claude-sonnet-5-5 | 9 / 9 项短任务达标 | 3.96 秒 | 未匹配控制台，保持未知 |
- 请求型号
- gpt-6.1-sol
- 这九份短任务
- 9 / 9 项短任务达标
- 完整 HTTP 请求中位数
- 6.14 秒
- 实际扣费
- 未匹配控制台，保持未知
- 请求型号
- claude-sonnet-5-5
- 这九份短任务
- 9 / 9 项短任务达标
- 完整 HTTP 请求中位数
- 3.96 秒
- 实际扣费
- 未匹配控制台，保持未知
本站绘制的内容说明图：引用 2026-10-09 同一九题已有记录，非本页新增测试；不代表 TTFT、复杂编程胜负或长期稳定性。
客户端适配通常比第一轮速度更早影响选择
Codex 的 Responses provider 和 Claude Code 的 Anthropic Messages 配置使用不同的路径、请求字段与工具返回结构。已有客户端跑通哪种协议，就先在那条路径增加候选，避免一次同时更换模型、协议和工具环境。
一轮文本或工具提案成功，只能证明这轮返回。文件读取、修改、测试、工具结果回传和流式恢复仍需完整仓库任务验收。
本站绘制的内容说明图：此页建议先沿既有协议加候选，减少迁移变量；短提案通过不能证明完整仓库工具任务通过。
按完成任务核对费用，不能拿 Token 数直接排便宜
本轮 Sol 与 Sonnet 返回的输入长度、缓存命中和思考用量有差异。相同用户提示词不保证渠道附加上下文或分词一致。先记录全部尝试，再将控制台实扣与请求逐项匹配，实际扣费仍未确认。
公开价格在型号详情和模型广场查询。低基础单价只是候选筛选，失败重试、工具结果和人工返工都可能改变有效任务成本。
从一个固定任务开始试用
使用下载材料中的一个任务，两个候选收到完全相同的输入。先锁定样本、输出要求和是否允许工具；模型返回后由同一个校验器检查。若更换提示词、切换协议或增加预算，另建配置版本。
- JSON 必须可解析，字段类型和事实逐项一致。
- 截断、空答案和未知完成状态单独记录，不把 HTTP 200 当达标。
- 达到一次请求的要求后，再验证流式、客户端工具回合和实际账单。
中文字段提取任务
只用这条资料输出 JSON，不增加解释：
订单 00128；数量 3 件；单价 29.90 元；收货日期未提供。
字段 order_id(string)、quantity(integer)、unit_price(string)、delivery_date(string|null)。
保留前导零，金额保留两位小数，不推测日期。怎样确认已经完成
- 型号、协议、参数、样本和测试版本都有记录，不混入其他档次的结果。
- 成功、失败、截断与未知请求分别保留；未完成任务不算达标。
- 实际费用与控制台逐次匹配，缺失保持未知；通过短任务以后再验收完整应用流程。
常见问题
同为 medium，是不是相同计算预算？
不是。medium 是各厂商自己的档位；本轮也没有独立验证网关参数透传与算力等效。把它作为可追溯配置记录，不作为绝对公平的证明。
Sonnet 的耗时更短，能直接选它吗？
这次整请求中位数包含网络、排队、思考和输出，样本只有九份短任务。可以作为这次环境的参考，仍需自己的代码任务与完整账单。