OpenAI verzendt GPT-6.1 Sol naar de API met nieuwe cache-input-economie

OpenAI heeft GPT-6.1 Sol toegevoegd aan zijn API, met een nieuwe hoogwaardige routeringsoptie voor teams die sterke codering, computergebruik en professionele workflowprestaties nodig hebben zonder voor elke taak standaard GPT-6 Astra te gebruiken.

De release doet er minder toe omdat er een andere modelnaam aan de catalogus wordt toegevoegd, en meer omdat het de praktische prijsladder verandert. OpenAI geeft GPT-6.1 Sol weer voor de reacties API en chat-voltooiingen, waarbij toolaanroepen beschikbaar zijn via de reacties API en ondersteuning voor meerdere agenten in de bètafase. De gepubliceerde standaardprijzen bedragen $ 2 per 1 miljoen invoertokens, $ 0,10 per 1 miljoen in de cache opgeslagen invoertokens, $ 2,50 per 1 miljoen cacheschrijftokens en $ 10 per 1 miljoen uitvoertokens voor prompts tot 272.000 invoertokens.

Die combinatie geeft technische teams een duidelijker middenweg: gebruik een grensmodel voor zwaarder werk, maar beheer de kosten door herhaalde prompts en langlopende workflows door cache-bewuste controles te leiden.

Wat is er veranderd

GPT-6.1 Sol arriveerde op 29 september als model met de naam API. In de changelog van OpenAI wordt vermeld dat het beschikbaar is voor zowel Responses API als Chat Completions, waardoor bestaande API gebruikers een relatief directe manier hebben om het te testen met het huidige productieverkeer. De modelpagina plaatst het ook in de moderne OpenAI toolstack: het aanroepen van tools wordt ondersteund via Responsen en Multi-agent is beschikbaar in bèta.

GitHub heeft de beschikbaarheid van GPT-6.1 Sol in GitHub Copilot op dezelfde datum afzonderlijk aangekondigd, waarbij de prijzen worden afgehandeld via het op gebruik gebaseerde factureringsmodel van Copilot. Dat betekent dat veel ontwikkelaars het model als eerste tegenkomen in codeerworkflows, in plaats van het expliciet in de backend van een applicatie te plaatsen.

Het belangrijke operationele detail is de prijs. Met $2 per miljoen inputtokens en $10 per miljoen outputtokens bevindt GPT-6.1 Sol zich onder het hoogste kostengrensprofiel, maar het is geen commodity-model. Output blijft de belangrijkste kostenfactor voor uitgebreide codeermiddelen, het opstellen van documenten en analyseworkflows. De meer onderscheidende hefboom is de invoer in de cache: OpenAI vermeldt in de cache opgeslagen leesbewerkingen voor $0,10 per miljoen tokens, terwijl schrijfbewerkingen in de cache $2,50 per miljoen tokens kosten.

Waarom invoer in het cachegeheugen nu belangrijker is

Prompt caching wordt vaak gezien als een mooie optimalisatie. Met GPT-6.1 Sol wordt het een budgetontwerpvraag. Veel bedrijfsapplicaties verzenden keer op keer dezelfde grote systeeminstructies, beleidsblokken, schema's, ophaalsjablonen, voorbeelden en repositorycontext. Als deze herhaalde invoer in aanmerking komt voor cachetreffers, kunnen de marginale invoerkosten scherp dalen. Als ze voortdurend worden herschreven, opnieuw geordend of gefragmenteerd over agenten, zullen de besparingen misschien nooit zichtbaar zijn.

Dat zet de applicatie-architectuur onder druk. Teams die codeerassistenten, kenniswerkcopiloten, contractanalyses, ondersteuningsautomatisering of analistenagenten gebruiken, zullen de cachehitrates moeten meten, en niet alleen het totale tokenvolume. Een model dat er bij een eenvoudige vergelijking per token duur uitziet, kan bij een echte werklast goedkoper zijn als het de stabiele context effectief hergebruikt. Het omgekeerde is ook waar: een systeem met een slechte promptdiscipline kan het schijnbare voordeel van prijzen in het cachegeheugen uitwissen.

Voor bedrijven die een gedeelde enterprise LLM API gebruiken, versterkt de modelrelease de argumenten voor gecentraliseerde routering en kostenrapportage. Individuele teams zien mogelijk alleen hun eigen modeloproep. Platformteams moeten zien of het verkeer cache gebruikt, welke productietaken dure uitvoer produceren en of agentruns het aantal oproepen achter een enkel gebruikersverzoek vermenigvuldigen.

Wie wordt getroffen

Ontwikkelaars die complexe codeertools bouwen, vormen de meest voor de hand liggende doelgroep. GPT-6.1 De positionering van Sol, de beschikbaarheid van Copilot en de ondersteuning van de Responses API-tool maken het relevant voor het genereren van code, refactoring, debuggen, zoeken in opslagplaatsen en workflowautomatisering. Teams die onlangs GPT-6 Sol of GPT-6 Astra hebben geëvalueerd, hebben nu nog een optie van dezelfde familie om te benchmarken op het gebied van latentie, uitvoerkwaliteit en kosten.

Productteams die professionele workflow-agents gebruiken, worden ook getroffen. Hulpprogramma's en bèta Ondersteuning voor meerdere agenten wijst in de richting van systemen waarbij één gebruikerstaak kan uitmonden in plannings-, ophaal-, uitvoerings-, beoordelings- en vervolgstappen. Dat is handig, maar het bemoeilijkt de boekhouding. Eén klantgerichte actie kan tokens verbruiken voor verschillende agentrollen, tools en nieuwe pogingen.

Financiële en platformoperatieteams moeten ook opletten. Modelkeuze is niet langer een simpele ‘beste model versus goedkoop model’-beslissing. De betere vraag is welk model, contextlengte, cachepatroon en uitvoerbeleid op elke workload moeten worden toegepast. GPT-6.1 Sol stelt die vraag scherper omdat de gepubliceerde prijzen zichtbare afwegingen creëren tussen nieuwe invoer, in de cache opgeslagen invoer, schrijfbewerkingen in de cache en gegenereerde uitvoer.

Praktische gevolgen voor API teams

De eerste praktische stap is het vergelijken met echt verkeer. Synthetische aanwijzingen laten zelden de economische aspecten zien van een model met zinvolle prijzen voor in de cache opgeslagen invoer. Teams moeten representatieve verzoeken opnieuw afspelen, inclusief volledige systeemprompts, ophaalladingen, toolschema's en verwachte uitvoerlengtes. Ze moeten de totale kosten per voltooide taak vergelijken, niet alleen de kosten per miljoen tokens.

De tweede stap is beleid. Als GPT-6.1 Sol breed is ingeschakeld, hebben teams limieten nodig per project, omgeving, gebruikersgroep en gebruiksscenario. Vooral codeeragenten en multi-agentworkflows kunnen moeilijk te budgetteren zijn, omdat ontwikkelaars mogelijk niet elke downstream-modelaanroep zien. Attributie per agent, bestedingslimieten en goedkeuringsdrempels worden onderdeel van de productiegereedheid, en niet van bijzaak.

De derde stap is migratiehygiëne. Omdat het model beschikbaar is via zowel Responses API als Chat Completions, kunnen sommige teams het testen zonder ingrijpende herschrijvingen. Maar het gedrag bij het aanroepen van tools, het cachegedrag en de bètafuncties voor meerdere agenten moeten afzonderlijk worden gevalideerd. Een applicatie die werkt met gewone chat-voltooiingen heeft mogelijk een andere waarneembaarheid nodig zodra deze toolaanroepen of gecoördineerde agenten gaat gebruiken.

Wat blijft onzeker

OpenAI heeft bevestigde beschikbaarheid, ondersteunde API platforms, prijzen, toolaanroepen en bèta-ondersteuning voor meerdere agenten. Wat minder zeker blijft, is hoe GPT-6.1 Sol presteert bij specifieke bedrijfsworkloads vergeleken met GPT-6 Sol, GPT-6 Astra, Anthropic's Sonnet- en Opus-lagen, Google's Gemini-lijn en goedkopere open of gateway-routed modellen.

Ondersteuning voor meerdere agenten is ook expliciet een bètafase, dus teams mogen verwachten dat gedrag, limieten en operationele begeleiding evolueren. Dat maakt de release niet onbruikbaar, maar pleit voor een afgemeten uitrol: eerst gecontroleerde projecten, kosteninstrumentatie vanaf de eerste dag en duidelijke terugvalroutes als latentie, betrouwbaarheid of uitgaven afwijken van de verwachtingen.

Voor B2B-teams kan de release het beste worden gelezen als een nieuw teken dat modelaankoop een werklastroutering wordt. GPT-6.1 Sol is niet zomaar een nieuw eindpunt. Het is een prijs- en architectuurbeslissing die een stabiele context, zichtbare tokenstromen en gedisciplineerd bestuur beloont.