GPT‑6.1 Sol: co nový model mění v ceně a výběru AI pro práci

OpenAI uvedlo 29. září 2026 model GPT‑6.1 Sol jako levnějšího kandidáta pro složitější pracovní úlohy. Pro firmu, která posílá AI tisíce dokumentů, je důležitá otázka: zachová levnější model potřebnou kvalitu a sníží celý účet? Základní sazba Solu je pětinou sazby GPT‑6 Astra, ale stejný poměr nemusí mít cena dokončeného úkolu. Do ní vstupují opravy, opakování i další nástroje.

Následující rozbor vysvětluje změnu nabídky, výpočet na stejném objemu textu a postup výběru pro české pracovní podklady. Vychází z dokumentace ověřené 25. října 2026. Cenové příklady jsou vlastní výpočty, nikoli výsledky měření kvality. Pro orientaci v aplikacích navazuje srovnání AI nástrojů pro běžnou práci.

Co přesně OpenAI uvedlo

GPT‑6.1 Sol je model dostupný prostřednictvím API. Výrobce jej směřuje k programování, práci s počítačem a profesionálním úlohám s nižšími náklady než Astra. Toto vymezení říká, kam model zařadit do vlastního výběru. Samo o sobě nedokládá, že bude stejně dobrý při posouzení vašeho českého dokumentu nebo opravě konkrétního programu.

Modelový název není předplatné celé aplikace. Přístup přes API znamená vlastní způsob účtování a obvykle také program nebo automatizaci, která požadavky odesílá. Nemusíte proto rušit předplatné chatbota jen kvůli novému tokenovému ceníku. Nejprve rozlište, zda nakupujete prostředí pro člověka, nebo výpočetní službu pro svůj pracovní postup.

Pro uživatele hotové služby je podstatné, zda ji poskytovatel skutečně aktualizoval na tento model. Podobné označení v nabídce nemusí prokazovat identické nástroje, limity či cenu přímého API. Zjišťujte konkrétní variantu produktu a podmínky účtu, nikoli jen logo dodavatele v seznamu partnerů.

Sazby mají smysl až s objemem práce

Základní Standard ceník Solu uvádí 2 USD za milion vstupních a 10 USD za milion výstupních tokenů. U Astra jde o 10 a 50 USD. Pro Sol je čtení cache oceněno 0,10 USD a běžný zápis 2,50 USD za milion tokenů. Uvedené základní sazby nelze bez úprav použít na všechny délky a režimy.

Při vstupu nad 272 tisíc tokenů dokumentace Solu popisuje dvojnásobné vstupní a cache sazby a jedenapůlnásobnou výstupní sazbu pro celý požadavek. Maximální kontextové okno činí 1,05 milionu tokenů. Velký dostupný kontext proto není stejná věc jako levný vstup. Kapacitu a cenu posuzujte samostatně.

Pro rozpočet si oddělte počet požadavků, průměrný vstup, průměrný výstup a další operace. Krátká otázka nad dlouhou historií může mít velký vstup. Dlouhá odpověď nad krátkou otázkou zase zvýší výstupní část. Počet stránek ve Wordu nepřevádějte na pevný počet tokenů bez ověření skutečných dat.

Model: tisíc stejných analytických zadání

Uvažujme výslovně modelové zadání s 20 000 vstupními a 2 000 výstupními tokeny. Bez cache, nástrojů a dalších kol stojí Sol 0,04 USD za vstup a 0,02 USD za výstup, dohromady 0,06 USD. Astra při stejných objemech vychází na 0,30 USD. Jde o jednoduché násobení základních sazeb, nikoli o předpoklad stejné odpovědi.

Při tisíci takových zadání činí základ 60 USD pro Sol a 300 USD pro Astra. Přepočet kurzem ČNB z 23. října 2026, 21,741 Kč za dolar, dává přibližně 1 304 Kč proti 6 522 Kč. Částky nezahrnují daň, přirážku banky, jiné nástroje ani vývoj obslužného programu. Nejde o konečnou spotřebitelskou cenu objednávky.

Počty se změní, pokud jednu úlohu necháte několikrát opravovat nebo k ní připojíte další zdroje. Provozní výkaz by měl vedle celkové ceny ukazovat počet přijatých výstupů. Přijatým výsledkem rozumějte výstup splňující předem stanovená pravidla, nikoli pouze požadavek, který neskončil technickou chybou.

První vhodná úloha: porovnání dvou verzí dokumentu

Představme si interní provozní směrnici ve dvou verzích. Potřebujete seznam obsahových změn, nikoli stylistické přepsání celého souboru. Připravte dokumenty se stabilním označením odstavců a určete platnou verzi. Pravidla zadání mají vysvětlit, jak zacházet se změněným termínem, odstraněnou výjimkou a přesunutým odstavcem.

Vytvořte si ruční referenci alespoň pro několik známých změn. Jedna může být snadno viditelná, například jiné datum. Druhá méně nápadná: v nové verzi se výjimka vztahuje jen na část pracovišť. Třetí bude zdánlivá změna vzniklá přesunem stejného textu. Taková sada ukáže více než obecná otázka, zda dokument „vypadá správně“.

Výsledek požadujte v úsporné struktuře:

• Označení místa v původní a nové verzi.
• Krátký popis toho, co se věcně změnilo.
• Dopad na konkrétní pracovní krok.
• Přesné znění podkladu nebo dohledatelný odkaz na jeho část.
• Označení nejasnosti, pokud se význam nedá bezpečně určit.

Pro takovou zkoušku nepotřebujete celý firemní archiv. Důležité je, abyste výsledek uměli sami překontrolovat. Postup pro naskenované a dlouhé podklady podrobněji popisuje průvodce zpracováním PDF pomocí AI.

Druhá úloha: oprava tabulky bez změny významu dat

U tabulky se může zdát, že nový model uspěl, protože soubor otevřel a doplnil sloupec. Opravdový požadavek je přesnější: zachovat identifikátory, rozlišit prázdnou hodnotu od nuly a dopočítat výsledek podle daného pravidla. Před zkouškou proto připravte kontrolní součet a několik řádků s očekávaným výsledkem.

Do zadání přidejte jednu totožnou kopii dokladu, zápornou částku a chybějící datum. Napište, zda se mají kopie odstranit a jak se mají neúplné řádky vykázat. Model nesmí doplnit chybějící částku jen proto, aby výsledná tabulka působila kompletně. Ověřujte výsledný soubor v aplikaci, v níž jej budete skutečně používat.

U programového zpracování kontrolujte také formát. Posunutý název sloupce může rozbít další krok, přestože člověk obsahu rozumí. Pro rozhodnutí o modelu zaznamenejte zvlášť věcné chyby a odchylky struktury. Každý typ má jiný způsob opravy i jinou cenu pro tým.

Jak porovnávat modely bez zavádějícího skóre

Zvolte stejnou sadu podkladů, stejná pravidla a srovnatelný způsob práce s nástroji. Uložte přesný model, nastavení a datum. Pokud jednomu modelu dovolíte dohledávat na webu a druhému ne, vyhodnocujete dva různé pracovní postupy. To může být užitečné, ale musí to být v závěru přiznané.

Sol podporuje několik úrovní úsilí při uvažování. Dokumentace uvádí low, medium, high, xhigh a max; pro práci s nástroji směřuje uživatele k Responses API. Nastavení je součást podmínek zkoušky. Vyšší úsilí neposuzujte jako automatickou záruku správnosti ani jako bezplatnou změnu chování.

Začněte malou sadou a výsledky hodnoťte podle předem známého klíče. Nestačí hlasovat, která odpověď zní přesvědčivěji. Oddělte chybějící důležitý údaj, nesprávný výpočet, porušené zadání a kosmetickou úpravu. U kritických úloh může jediná závažná chyba převážit nad mnoha dobře napsanými odstavci.

Kdy má smysl poslat úlohu dál

První levnější průchod může být výhodný, pokud umíte rozpoznat situaci vyžadující podrobnější posouzení. Takovým signálem může být rozpor dvou podkladů, neplatný výstupní formát nebo nesoulad s referenčním součtem. Zpráva modelu „jsem si jistý“ není nezávislá kontrola. Podmínku předání proto formulujte tak, aby byla dohledatelná.

Při předání zachovejte původní podklady i nalezený problém. Dražší model nemá pouze uhladit chybnou odpověď levnějšího. Musí mít možnost ověřit tvrzení proti zdroji. Jinak se může chyba přenést do dalšího kola a získat jen přesvědčivější formulaci.

Sledujte i podíl předaných úloh. Nízký podíl může znamenat vhodně zvolený první model, ale také nedostatečné odhalování chyb. Pravidelně ručně kontrolujte vzorek zdánlivě úspěšných výsledků. Tím získáte podklad pro další úpravu procesu, místo abyste optimalizovali jen číslo na faktuře.

Přechod do běžného provozu

Nejprve změňte model u úzkého, vratného úkolu. Zaznamenávejte původní a novou variantu a ponechte možnost návratu. Uživatel další aplikace potřebuje vědět, jak pozná neúplný výsledek a komu jej předá. Změna modelu je provozní změna i tehdy, když má v kódu podobu jediného přepsaného názvu.

Před rozšířením ověřte:

• zda nový model dodržuje požadovanou strukturu souborů;
• zda podklady nepřekračují cenovou hranici dlouhého vstupu;
• jak se započítává opakování a další použití nástrojů;
• jaké chyby proces předává člověku;
• kdo sleduje účet a kdo může provoz zastavit.

Integrace do platformy má vlastní náklady. Jak je oddělit od samotného modelu vysvětluje návod k automatizacím v Make a n8n. Nízká tokenová sazba neodstraňuje potřebu správně připravit vstup, uložit výsledek a vyřešit nejasné opakované spuštění.

Co zapisovat do měsíčního vyhodnocení

Výkaz rozdělte podle skutečného druhu práce. Porovnání dokumentů má jiné chyby než generování vzorců a nelze je spolehlivě sloučit do jediné známky. U každé skupiny uveďte počet dokončených úloh, celkovou spotřebu a čas člověka na kontrolu. Zvlášť vykazujte zásahy, při kterých se musel výsledek zahodit a připravit znovu.

Představme si, že kolega získal správný souhrn, ale potřeboval dvacet minut na dohledání nedoložených tvrzení. Takový výstup má jinou provozní cenu než souhrn se správně označenými zdroji. Samotná délka odpovědi ani počet tokenů tento rozdíl neukáže. Vysvětlení problému proto ukládejte spolu s čísly, aby další člověk rozuměl příčině změny nákladů.

Při růstu objemu sledujte i výjimky, které se v malé zkoušce neobjevily. Nová příloha, jiný jazyk nebo poškozený export mohou změnit obtížnost vstupu. Vyhodnocení má odpovědět na konkrétní otázku: platí naše pravidlo pro výběr modelu stále pro tento typ dat? Pokud se změnila práce, nestačí převzít starý závěr o poměru ceny a kvality.

Otázky před výběrem

Znamená nový model levnější ChatGPT?

Změna ceníku modelu v API sama neprokazuje změnu ceny předplatného aplikace. Jde o dva odlišné produkty. Porovnávejte konkrétní plán nebo konkrétní spotřebu, kterou skutečně nakupujete.

Kdy se nízká sazba nemusí vyplatit?

Když úloha vyžaduje mnoho oprav nebo následnou dlouhou kontrolu člověkem. Započtěte všechna kola, nikoli jen první odpověď. U citlivé úlohy vyhodnocujte také povahu chyby, ne pouze její četnost.

Je větší kontext vhodný pro každý dokument?

Nejprve zvažte, které části jsou pro otázku potřebné. Dlouhý vstup může obsahovat zastaralé verze a rozpory, které ztíží interpretaci. Větší kapacita pomáhá jen při smysluplném výběru a uspořádání podkladů.

Jaký je rozumný výsledek první zkoušky?

Krátké rozhodnutí pro konkrétní typ práce: které úlohy Sol zvládá s přijatelnou kontrolou, které potřebují předání a kolik stojí celá dávka. Takový závěr je použitelnější než obecné označení nového modelu za vítěze. Po další aktualizaci jej můžete stejnou sadou podkladů znovu ověřit.