GPT-6 Sol 对决 Claude Opus 5.5：当结果不稳定时，便宜还重要吗？

OpenAI 在 9 月 22 日发布 GPT-6 Sol，宣称它在业务工作流任务上得分高于 Claude Opus 5，而每任务成本只有后者的 9%。但 Anthropic 同一天发布了 Opus 5.5，于是作者拿新模型重新测试。基础开发任务上两者打平，作者便改成每项测试跑 5 次，看结果是否稳定。结果 Opus 5.5 在 15 次运行中全部满分，Sol 只有 12 次满分，在日志分析和依赖解析器两项较难任务上出现漏算客户、少数一次结账数或括号错误导致导入崩溃等问题。Sol 每次测试都更快、更便宜，15 次总花费 2.68 美元，约为 Opus 5.5 的 16.72 美元的六分之一，但作者建议只在有人或测试套件把关的高频场景使用它，比如分流、起草和跑 CI 的代码。