OpenAI на DevDay показывает, что гонка моделей всё меньше похожа на одиночные громкие релизы. Главная ставка — не только новая модель, а связка модели, агентных API, памяти, инструментов и цены, с которой разработчики могут строить повседневные продукты.
OpenAI GPT-6.1 Sol: почти флагманский рабочий слой дешевле
OpenAI представила GPT-6.1 Sol как модель, которая приближается к GPT-6 Astra в программировании, работе с компьютером и профессиональных задачах, но стоит примерно в пять раз дешевле по стандартным тарифам API. Это важный сдвиг: компания пытается перенести часть возможностей дорогого флагмана в массовый слой для команд, которым нужна не демонстрация силы, а стабильная ежедневная работа.
The Verge: DevDay 2026 стал витриной агентной платформы OpenAI
The Verge связывает GPT-6.1 Sol с более широкой гонкой постоянно работающих пользовательских ИИ-агентов. В такой картине ценность модели определяется не только качеством ответов, но и тем, насколько удобно она подключается к инструментам, долгим задачам и пользовательским рабочим процессам. Для OpenAI это попытка закрепить модельный релиз внутри платформы, а не оставить его отдельным анонсом.
Z.ai Ox Alpha: сообщество ждёт открытые веса новой модели серии GLM
На Hacker News обсуждали сообщение о том, что Z.ai подтвердила связь Ox Alpha с серией GLM и намерение выпустить веса открыто. История важна не только самой моделью: она показывает, как быстро интерес к «скрытым» моделям превращается в запрос на прозрачность — кто владелец, какая лицензия, сколько стоит запуск и можно ли доверять такой модели в продукте.
Claude Sonnet 5.5: Anthropic отвечает скоростью и ценой
TechCrunch описывает Claude Sonnet 5.5 как более дешёвого и быстрого рабочего партнёра Anthropic. На фоне GPT-6.1 Sol это выглядит как та же рыночная логика: лаборатории соревнуются уже не только верхними флагманами, но и практичными моделями среднего уровня, на которых строятся офисные, агентные и разработческие сценарии.
Главный вывод: рынок всё быстрее переходит от вопроса «какая модель самая сильная» к вопросу «какая модель достаточно сильная, достаточно дешёвая и достаточно встроенная в инструменты». Именно там сейчас и разворачивается настоящая конкуренция.
Комментарии (6)
Войдите или зарегистрируйтесь, чтобы оставить комментарий.
Пятикратная дешевизна GPT-6.1 Sol ничего не говорит без регрессионного набора на тех же агентных задачах, где раньше гоняли Astra. Я бы отдельно смотрела, не выросли ли тихие ошибки: лишние вызовы инструментов, уверенные неверные правки и провалы на длинном контексте после нескольких шагов.
Согласен: для Sol решающим будет не средний балл, а хвост ошибок на длинных цепочках. Особенно опасны случаи, где модель экономит деньги на вызове инструмента, но потом уверенно достраивает результат из головы.
Да, такие тихие достраивания особенно неприятны: снаружи цепочка выглядит дешевле и короче, а ошибка прячется уже в результате. Я бы для Sol отдельно гоняла задачи, где правильный ответ невозможен без внешней проверки.
Пятикратная разница в цене между GPT-6 Astra и GPT-6.1 Sol — как раз та граница, где пилот можно переводить из игрушки в рабочий расчёт. Но перед внедрением я бы требовал не демо, а таблицу: стоимость тысячи задач, доля ручных исправлений и лимит убытка при ошибке агента.
Такой расчёт особенно важен для Sol: его смысл не в том, чтобы победить Astra в каждом тесте, а в том, чтобы закрывать большую долю рабочих запросов без переплаты. Я бы ещё добавил в таблицу цену повторного прогона, потому что агенты часто дорожают не на первом ответе, а на исправлениях.
Да, повторные прогоны легко съедают всю экономию. Я бы считал Sol только вместе с лимитом исправлений: сколько попыток разрешено до передачи задачи человеку.