GPT-5.1

GPT-5.1 是 OpenAI 在 2025 年 11 月推出的旗舰对话与推理模型,在 API 中以两个形态提供:gpt-5.1(对应 Thinking 模式,默认会做链式推理)和 gpt-5.1-chat-latest(对应 Instant 模式,更偏即时响应)。两者最核心的共同卖点是「自适应推理」——模型会根据问题难度自动决定花多少 token 去思考:碰到简单问题就快速作答,碰到复杂证明、棘手 bug 或多步规划时才拉长推理链。这意味着开发者不再需要在「快但浅」和「慢但深」之间硬选一个固定档位。

对工程师而言,这一代最实在的变化是把「推理预算」从静态配置变成了模型内部的动态决策。GPT-5 时代你往往要为整批请求统一设一个 reasoning effort,要么为了少数难题浪费了大量简单请求的推理 token,要么为了省钱牺牲了难题质量。GPT-5.1 在官方说法里对简单任务可以做到明显更快、更省 token,同时在数学、代码这类需要深思的评测上保持甚至略有提升。

另一个面向开发者的关键点是 reasoning_effort 新增了 none 档(无推理模式)。当你的场景本质是「快速分类、抽取、改写、闲聊式问答」时,可以让 GPT-5.1 直接以接近无推理的延迟出结果,而需要它认真想的时候再把档位调高。把同一个模型从「秒回」调到「深思」只是一个参数,这对统一技术栈、减少模型切换的工程复杂度很有价值。

GPT-5.1 的计费仍然是三类 token:输入(你的 system prompt、历史对话、检索到的文档、工具定义都算输入)、输出(模型生成的可见内容),以及缓存输入(命中缓存的那部分输入按更低单价计)。具体单价以本页上方价格表实时为准,这里只讲结构性影响——因为对 Agent / RAG 这类应用,决定账单的往往不是单价本身,而是你的 token 在三类里怎么分布。

对这一代尤其要盯住两件事。第一是推理 token:Thinking 模式下模型的内部思考过程按输出价计费,即使用户看不到它们。所以「输出价 × 实际生成量」里要把隐藏的推理 token 算进去——这也正是 none / 低 effort 档省钱的关键,推理越短,按输出计费的隐形开销越小。第二是缓存:GPT-5.1 支持把缓存保留时间延长到最长 24 小时。如果你的应用反复发送相同的 system prompt、政策段落、工具说明或 RAG 检索骨架,长缓存能让这部分输入以缓存单价计费,显著拉低重复请求的成本和延迟。

落到成本优化的实操:把固定不变的内容(系统指令、few-shot 例子、工具 schema、长文档)放在 prompt 前部以最大化缓存命中;把每次都变的用户输入放在后面;对不需要深思的环节强制降低 reasoning effort 甚至用 none,把昂贵的推理预算只留给真正难的步骤。这三招叠加起来,对高频调用的生产系统省下来的钱往往比换一个更便宜的弱模型还多,而且不损失质量。

GPT-5.1 最能发挥价值的是「需要质量、又希望延迟可控」的复杂任务。官方在这一代重点强化了 Agentic 编码,新增了 apply_patch(结构化打补丁)和 shell(执行命令)工具,配合更强的指令遵循,使它在多步代码任务、自动化修 bug、写补丁这类工作流里更可靠。如果你在做编码 Agent、需要长链路工具调用、或者对「按指令一步步做完不偷工减料」有要求,这一代相比 GPT-5 的体感提升明显——它会更老实地把约束条件全部执行,而不是中途忽略一部分。

它同样适合需要深度推理的 RAG 问答、复杂数据分析、多步规划与决策这类「想清楚比答得快更重要」的场景。自适应推理让它在同一接口下既能应付简单子任务,又能在关键步骤上拉满思考深度,适合那种「一个工作流里难易混杂」的真实业务。

不太适合它的,是纯粹追求极致单价和吞吐的大规模批处理——比如把海量文本做一次性的简单分类、关键词抽取、模板化改写。这类任务用更小更便宜的模型(或同厂的 mini / nano 级别)按量跑通常更划算,把旗舰模型用在这里是在为你用不到的推理能力付费。另外,对延迟极度敏感、且任务本身很浅的实时交互(比如输入联想、即时补全),即便是 Instant 形态也未必比专门的小模型更快更省,值得先用 none 档实测再决定。

在 OpenAI 自家阵营里,选型的第一刀是 Thinking 还是 Instant:把 gpt-5.1(Thinking)当默认的「会思考的主力」,把 gpt-5.1-chat-latest(Instant)用在偏对话、偏即时的产品前台。但由于自适应推理和 none 档的存在,很多团队其实可以只用 gpt-5.1 一个端点,靠 reasoning_effort 这一个旋钮覆盖从秒回到深思的全谱,减少多模型维护的负担。和上一代 GPT-5 比,如果你已经在用 GPT-5 且对指令遵循、编码 Agent 稳定性、或简单请求的延迟/成本不满意,升级到 GPT-5.1 通常是低风险的——接口兼容、价格结构一致,主要收益是更聪明的推理分配和更强的工具/指令能力。

什么时候该「降级」离开它?当你发现某条链路的任务始终很简单、质量上 GPT-5.1 和更小模型拉不开差距时,就把那一段切到更便宜的小模型,只在真正需要推理的节点保留 GPT-5.1。成熟的 Agent / RAG 系统几乎都是混合编排:用小模型做路由、抽取、格式化等廉价环节,用 GPT-5.1 做规划、推理、写代码等高价值环节。

与第三方模型(如 Anthropic、Google 同梯队)比较时,GPT-5.1 的差异化主要在自适应推理 + 长缓存 + 原生 apply_patch/shell 工具带来的编码 Agent 生态成熟度。但具体到你的任务,benchmark 分数不如自己跑一组代表性样本评测来得准。建议:固定一批真实 prompt,在候选模型上对比「质量 / 延迟 / 实测每次调用成本」三项,再用本页价格表把成本算成月度账单,据此决定主力模型和降级边界。