GPT-6 Sol High 和 XHigh 怎么选？按合格任务算成本

复杂编程可以先评估 high；只有自己的任务显示额外推理值得，才保留 xhigh。 两者是 gpt-6-sol 的设置，不是两个模型。推理更多也不保证补丁正确，最终仍要看验收结果。

本文于2026年9月25日核对官方资料，没有运行两档同任务对照测试。下文是配置说明、假设算例和评估流程，不是实测结果。美元价格指 OpenAI 直连 API，不是 Ofox 报价或 ChatGPT 订阅费用。

从 High 调到 XHigh，究竟改了什么？

Sol 模型页列出 none、low、medium、high、xhigh、max，默认是 medium。所以选择 high 本身已经偏离默认设置。推理指南建议根据实际质量收益、延迟和费用评估更高档位。

这些任务建议是评估起点，不是质量排名。如果连失败测试和预期行为都没有写清，更高档位也无法可靠补全缺失需求。先提供相关文件、复现方法和约束，再决定要不要增加推理。

公平对照先固定这些条件

带推理且要调用工具的 Agent 应使用 Responses。Sol 的 Chat Completions 函数调用只支持 none；在该路径改成 high 后遇到适配错误，不能算作模型能力失败。可先核对工具调用迁移说明。

请求体结构示例：

{"model":"gpt-6-sol","reasoning":{"effort":"high"},"input":"Review the supplied patch against the stated acceptance tests."}

这是未执行的接口结构示例，不是完整仓库 Agent。另一组只将 effort 改成 xhigh。实际评估还要固定仓库 commit、提示词、工具定义、权限、输出上限和最大重试次数。reasoning.mode 的 standard 与 pro 是独立执行模式，也要保持一致；示例省略该字段，使用默认 standard。

每组从同一份干净代码开始，不让后一组看到前一组的补丁或隐藏答案。选多个有代表性的任务，交替运行顺序，保留失败和超时。只给失败的一方额外重跑，会让结论失真。

单价相同，账单仍然可能不同

在 Standard 处理、输入不超过272K token时，Sol 每百万普通输入 token 为2美元，输出为10美元。官方价表未按 high/xhigh 分别报价，但额外推理可能增加计费输出，工具循环也可能让后续输入变长。

假设一次未缓存请求有5万输入 token。如果计费输出为5000 token，费用是 $0.15；如果计费输出为1.5万，费用是 $0.25。这些是假设用量，不代表 high 或 xhigh 实际会用这些 token。

缓存读、缓存写、工具和处理模式另算。输入超过272K后，整次请求的输入及缓存费率翻倍，输出费率乘1.5。不要把上下文跨档带来的涨价误归因于 effort。类别拆分见Sol 计费说明。

按合格任务作决定

先写验收条件，再看答案：原故障确实修好、必要测试通过、没有无关行为变化，审查者能解释补丁为什么成立。人工审查分钟数单独记录，长解释不一定减少审查工作。

每档将包含失败尝试的总费用除以合格任务数。若没有任务合格，这个比值没有定义。还要看从开始到拿到合格补丁的耗时，而不是只看首字速度。一份很便宜但未完成的回答，不能当作便宜交付。

如果结果相当，且 high 的实际总费用或耗时更低，可以保留 high；只有 xhigh 稳定增加合格结果时，才有理由在该类任务中使用它。两档都失败，先检查任务描述和检索。模型层面的选择可看Sol、Luna 与 Astra 选型。保存提示词、commit、测试命令和失败记录，让结论能随仓库变化重新验证。