GPT-6 Sol生成3D场景更快，token未必更少

在一组交互式3D生成测试中，GPT-6 Sol相较GPT-5.6 Sol最稳定的优势是速度。在相同提示词和最高推理强度下，新模型在每项对比中都更快完成场景，视觉效果通常也更好。不过，它并非总是消耗更少的token，这些测试也无法确定其每项任务的成本。对于考虑切换模型的人来说，耗时和实际支出值得与输出质量一同考量。

这些对比衡量了什么

OpenAI将GPT-6 Sol定位在旗舰GPT-6 Astra档位之下。为比较它与GPT-5.6 Sol的表现，两个模型接收了完全相同的提示词，任务是通过代码生成3D场景，要求包括相机视角、运动物体和可调节控件。两者都采用最高推理强度，这一设置允许模型为生成回答投入更多工作。所列token总量统计了已处理文本的单位数，包括缓存token；实际耗时则是每次运行从开始到结束所花的时间。

这些都是要求较高的编程任务，不能全面衡量软件开发能力。场景看起来可能像模像样，页面上的滑块却未必能改变实时WebGL渲染结果，也就是浏览器中的3D图形。因此，对比也考察交互元素是否正常工作。

▲ 3D场景耗时对比

耗时和token数据说明，速度与token用量为何应分别追踪。下表中的M表示百万token。

金门大桥任务的提示词要求加入大气效果控件和可调节的车流。GPT-6 Sol耗时不到GPT-5.6 Sol的五分之一，token用量也只有一半。它生成的桥梁结构更清晰，水面倒影更出色，控件响应也更灵敏；GPT-5.6 Sol的场景尚可接受，但显得更平淡。卡帕多奇亚和巨石阵的测试同样在减少token用量、大幅缩短等待时间的同时，呈现出更可信的地形或石阵布局。

更快不一定意味着token更少

章鱼任务尤其清楚地表明，不能用token总量推断等待时间。GPT-5.6 Sol消耗780万token，用时48分39秒；GPT-6 Sol消耗660万token，与前者相差不大，却只用9分51秒就完成了。新模型生成的腕足弯曲更自然，外套膜运动更有动感，而旧模型生成的腕足较为僵硬。

造成耗时差距的一种可能解释是，GPT-5.6 Sol反复测试、检查部分代码，却没有在最终场景上取得相应进展。这是对运行过程的解读，并非能把每一分钟归因于具体活动的耗时明细。但它确实说明，即使token总量没有同比例增加，追踪实际耗时仍然重要。

另外几项任务完全颠倒了节省token的趋势。在《睡莲》场景中，GPT-6 Sol消耗1710万token，GPT-5.6 Sol则消耗940万；但前者仅用25分26秒便完成，后者则用了47分15秒。新模型生成了可供探索、具有绘画风格的池塘，其中有睡莲叶和桥梁倒影；旧模型的输出则是平面化、缺乏整体感的图块。巴别塔和曼哈顿任务中，GPT-6 Sol也消耗了更多token，却更早完成。在这些情况下，更多token伴随着更精细的场景，并不能证明token消耗更低。

时间优势的幅度并不一致。有些测试将等待时间缩短了约五分之四，而《睡莲》和巴别塔任务的完成时间约为此前的一半。这种差异说明，测试任务的类型很重要：单一的百分比无法概括所有提示词的结果。

成本仍是另一回事

另有一项智能体任务对比，考察了执行多步骤工作的AI系统，报告了以下每项任务成本中位数和净任务改进得分。它涵盖的是不同任务，并混用了Max和High推理设置，因此这些数字只能作为选择模型时的参考，并非上述场景的实测价格。

▲ 智能体任务成本与性能

一种可能的估算是，如果GPT-6 Sol能以更低价格达到接近Claude Opus 5的性能，其每项任务成本可能约为$0.40。这只是估算，而非这项对比中的实测数据。同样，场景测试的token总量和完成时间也无法确定其他用户为不同任务需要支付多少费用。实际要问的是：在当前工作的时间和成本限制内，模型能否产出可接受的结果。

如何决定是否切换

对于这些复杂的3D编程提示词，GPT-6 Sol似乎能大幅缩短等待时间，对比结果也显示出明显的质量提升。但它节省token的表现并不稳定，预计的成本优势仍需测量。不要默认使用最高推理强度；应选取一项有代表性的任务，在Low或Medium推理强度下测试，并与目前使用的设置比较。记录token总量、实际耗时、任务的实际成本，以及交互控件是否正常工作。最终保留能够满足质量要求、又不会徒增等待时间或费用的模型和设置。