GPT-6 Astra má v uvedeném srovnání vyšší souhrnné skóre. GPT-6.1 Sol zpracovává benchmarkovou úlohu přibližně za 22 % jejího nákladu. Pro firmu je rozhodující, zda se rozdíl ve výkonu projeví právě v práci, kterou potřebuje dokončit.
Při jednorázovém rozboru může být vyšší cena modelu přijatelná. U stovek opakovaných požadavků už potřebujeme vědět, zda přináší také lepší výsledky nebo méně oprav. Právě tento rozdíl dobře ukazuje porovnání GPT-6 Astra a GPT-6.1 Sol.
Článek vychází z dat Artificial Analysis, Intelligence Index v4.3.2, ve stavu k 24. říjnu 2026. Vedle obou změřených modelů uvádíme také GPT-6 Sol s označením Daybreak Blue, u kterého v podkladu výsledky chybějí.
Jde o tři odlišná označení. Výsledky GPT-6.1 Solu nelze automaticky přenést na GPT-6 Sol jen proto, že mají podobný název a stejnou uvedenou cenu za tokeny.
Základní srovnání
U Astry a GPT-6.1 Solu tabulka zachycuje nastavení Max, tedy nejvyšší uvedenou úroveň úsilí při řešení. Třetí varianta zatím nemá v podkladu srovnatelná měření.
| Ukazatel | GPT-6 Astra (Max) | GPT-6.1 Sol (Max) | GPT-6 Sol (Daybreak Blue) |
|---|---|---|---|
| Intelligence Index | 52,67 | 51,83 | neuvedeno |
| API vstup / výstup | 10 / 50 | 2 / 10 | 2 / 10 |
| Náklad benchmarkové úlohy | 3,26 USD | 0,72 USD | neuvedeno |
| Medián TTFB | 261 s | 208 s | neuvedeno |
| Rychlost generování | 55,9 tokenu/s | 55,2 tokenu/s | neuvedeno |
| Kontextové okno | 1 000 000 tokenů | 1 000 000 tokenů | 1 050 000 tokenů |
Zdroj: Artificial Analysis, datový snímek 24. 10. 2026. API sazby jsou v USD za milion vstupních a výstupních tokenů. Náklad úlohy se vztahuje ke standardizované úloze Intelligence Indexu při ceníkových sazbách. TTFB je čas do prvního bajtu odpovědi; nejde o dobu dokončení celého úkolu ani o garantovanou čekací dobu každého dotazu.
Rozdíl souhrnných skóre činí 0,84 bodu. Sazby za vstup i výstup jsou u Astry pětinásobné, zatímco poměr nákladů benchmarkové úlohy vychází přibližně 4,5 ku jedné.
Tato čísla popisují různé věci. Cena tokenů je sazba za spotřebu, náklad úlohy zachycuje spotřebu v konkrétním testu a Intelligence Index shrnuje výsledky hodnocení. Skóre 51,83 proto neznamená, že Sol má „98,4 % inteligence Astry“. Takovou vlastnost poměrem bodů nevyjádříme.
V čem se výsledky liší
Podrobnější benchmarky pomáhají zjistit, kde rozdíl vzniká. V následující tabulce ponecháváme původní číselné škály; hodnoty jednotlivých benchmarků mezi sebou nesčítáme.
| Benchmark | GPT-6 Astra | GPT-6.1 Sol | Sol minus Astra |
|---|---|---|---|
| GPQA | 0,961 | neměřeno | — |
| HLE | 0,547 | 0,529 | −0,018 |
| MMMU Pro | 0,869 | 0,860 | −0,009 |
| Omniscience | 43,40 | 41,53 | −1,87 |
| LCR, dlouhý kontext | 0,807 | 0,830 | +0,023 |
| Terminal-bench 4.0 | 0,591 | 0,561 | −0,030 |
| SciCode | 0,565 | 0,542 | −0,023 |
Oba modely v nastavení Max. Chybějící výsledek GPQA u Solu neumožňuje porovnání v tomto testu.
Astra dosahuje vyšších hodnot v pěti ze šesti benchmarků, ve kterých jsou uvedené výsledky obou modelů. V testu dlouhého kontextu LCR má vyšší hodnotu Sol.
Například u HLE odpovídá rozdíl 0,018 rozdílu 1,8 procentního bodu při přepočtu této škály na procenta. Z toho ale nelze vyvodit, že bude Sol o 1,8 % horší při řešení reklamací nebo přípravě cenových nabídek. Takovou úlohu je potřeba otestovat přímo.
Ani mírně větší kontextové okno třetího modelu samo o sobě nedokládá lepší práci s dlouhým dokumentem. Kapacita vstupu a správné využití jeho obsahu jsou dvě samostatné vlastnosti.
Rozhoduje také nastavení úsilí
Úroveň úsilí, označovaná jako reasoning effort, ovlivňuje výsledky i spotřebu během řešení. V podkladu mají modely na jednotlivých úrovních následující hodnoty:
| Úroveň | Astra: index | Sol 6.1: index | Astra: náklad úlohy | Sol 6.1: náklad úlohy |
|---|---|---|---|---|
| Max | 52,67 | 51,83 | 3,26 USD | 0,72 USD |
| Xhigh | 52,39 | 51,04 | 2,31 USD | 0,39 USD |
| High | 50,92 | 50,24 | 1,73 USD | 0,32 USD |
| Medium | 49,57 | 47,78 | 1,54 USD | 0,21 USD |
| Low | 45,78 | 42,08 | 0,82 USD | 0,13 USD |
Sazby za milion vstupních a výstupních tokenů zůstávají v tomto přehledu 10 / 50 USD pro Astru a 2 / 10 USD pro GPT-6.1 Sol. Mění se naměřený náklad řešení a dosažené skóre.
Sol má nižší náklad testu na všech uvedených úrovních. Rozdíl skóre ale není stále stejný: při High činí 0,68 bodu, při Low už 3,70 bodu.
Zajímavé je i porovnání napříč nastaveními. Sol na Max dosahuje indexu 51,83 při nákladu 0,72 USD, zatímco Astra na High má index 50,92 při nákladu 1,73 USD. To je dobrý důvod zahrnout do vlastního testu několik kombinací modelu a nastavení.
Samotný název modelu tedy nestačí pro popis výsledku. U testu i provozu potřebujeme zaznamenat také použitou úroveň úsilí.
Co zatím víme o Daybreak Blue
U GPT-6 Sol s označením Daybreak Blue podklad uvádí sazby 2 / 10 USD a kontextové okno 1 050 000 tokenů. Intelligence Index, rychlost a náklad benchmarkové úlohy uvedené nejsou.
V tomto srovnání proto zůstává kandidátem na pozdější posouzení. Z dostupných čísel nelze určit jeho pořadí ani to, zda překonává GPT-6.1 Sol. Důvod chybějících měření z podkladu nevyplývá.
Jak bychom modely porovnávali pro firemní práci
V Kodo propojujeme AI s firemními informacemi, weby, e-shopy a konkrétními pracovními postupy. Rozdíl modelů potřebujeme převést do něčeho, co se dá vyhodnotit: správně připravených údajů, použitelných odpovědí a času na opravy.
Představme si přípravu nabídky z e-mailu a přiložených dokumentů. Test by měl ukázat, zda model:
- správně přečte požadované parametry a nezamění jednotky,
- rozpozná rozpor mezi zprávou a přílohou,
- upozorní na chybějící údaj,
- zachová dohodnutý formát výstupu,
- připraví srozumitelný podklad pro obchodníka.
Výpočet ceny potom vychází ze schváleného ceníku a pravidel. Člověk má jasně určenou roli při schválení nabídky. Silnější model sám o sobě nenahradí chybějící ceník ani nejasné zadání.
Nižší náklady Solu jsou důvodem zařadit jej mezi kandidáty pro opakovaný provoz. Vyšší skóre Astry je důvodem porovnat ji na obtížnějších případech. Teprve výsledky na stejných firemních podkladech ukážou, zda příplatek snižuje počet chyb a ručních zásahů.
Jak poznat, zda se příplatek vrací
Porovnání má zahrnout celý dokončený případ, včetně oprav. Praktický postup může být jednoduchý:
- Připravte stejné běžné i obtížné vstupy pro oba modely.
- Ke každému určete očekávané údaje a přijatelné výstupy.
- Zaznamenejte model, nastavení úsilí, cenu a dobu zpracování.
- Spočítejte chyby, opakované pokusy a čas lidské kontroly.
- Vyberte variantu podle výsledků a objemu daného procesu.
Pokud oba modely požadovanou kvalitu splní, získává nižší provozní náklad větší váhu. Pokud dražší model vyřeší případy, které by jinak musel dlouho opravovat člověk, může se příplatek vrátit. Benchmark pomůže připravit test, firemní výsledek určí jeho vyhodnocení.
Jak může pomoci Kodo
Pomůžeme vybrat první úkol pro automatizaci, připravit srovnání na vašich podkladech a navrhnout, kde použít který model. Součástí může být napojení dat, příprava zadání, kontrola výstupů a předání nejasných případů člověku.
Na takovém základě stavíme například AI asistenty pro firemní weby nebo postupy pro přípravu cenových nabídek.
Pošlete nám ukázku úkolu, který chcete zjednodušit.
Časté otázky
Je GPT-6.1 Sol stejně kvalitní jako Astra?
Souhrnné skóre je v uvedeném měření blízko, ale výsledky jednotlivých testů se liší. Nelze zaručit shodnou kvalitu v konkrétní práci. Smysl má srovnání nad stejnými firemními vstupy.
Znamená částka 0,72 USD cenu každého dotazu?
Ne. Jde o náklad standardizované benchmarkové úlohy při uvedeném nastavení. Skutečná cena závisí na rozsahu vstupů, spotřebě při řešení, výstupech a dalších krocích procesu. Tabulka nepopisuje měsíční předplatné chatu.
Je GPT-6 Sol Daybreak Blue totéž co GPT-6.1 Sol?
V dodaném přehledu jde o samostatně označené varianty. U Daybreak Blue chybějí benchmarková měření, takže na něj nelze přenášet výsledky GPT-6.1 Solu.
Související články
- Jak ušetřit na AI modelech: automatizace, přepínání a lokální kontrola
- Co připravit před nasazením firemního AI asistenta
- GPT-6 Astra vs. GPT-5.6 Sol: který model vybrat pro práci a firmu
Zdroj dat
Artificial Analysis — Intelligence Index v4.3.2, přehled 272 modelů, datový snímek 24. října 2026. Číselné údaje vycházejí z podkladu pro toto porovnání; chybějící hodnoty zůstávají nevyplněné.
Článek zachycuje stav k uvedenému datu. Benchmarkové výsledky slouží k porovnání modelů a nastavení, nikoli jako záruka výsledků konkrétního firemního nasazení.