GPT-6.1 Sol 接入实录：max_tokens 让首跑 18 题全军覆没

2026-09-30，赢政指数在 GPT-6.1 Sol 发布后数小时内完成接入，触发 Run #348（18 题定向评测，执行力·扎实度·判断力·诚信压力·沟通五层覆盖，为日常 Smoke 的 2 倍题量）。修复接入问题后的完整运行，18 题全部成功返回、无 API 失败，单题响应中位数 3.9 秒、均值 6.2 秒、最长 24.9 秒，综合得分 95.91（18 题定向口径，非完整周榜口径；完整基线将在下次 Full 评测产出）。但在这个数字之前，我们先经历了一次干净的全面失败。

现象：5 层 18 题，API 全部返回 400

首次运行，所有评测层的 API 调用无一进入推理阶段，均以 HTTP 400 失败，返回消息完全一致：

"Unsupported parameter: 'max_tokens' is not supported with this model. Use 'max_completion_tokens' instead."

没有任何一道题收到模型回复。

根因与修复：前缀枚举型白名单的固有盲区

本站评测客户端通过模型 ID 前缀决定使用哪个 token 限制参数：gpt-5 系列和 o 系列已切换为 max_completion_tokens，其余模型保留旧字段 max_tokens。问题在于，gpt-6.x 既不匹配 gpt-5 白名单，也不属于 o 系列，因此走了旧路径，直接触发 400。

修复方式直接：将前缀匹配范围从"gpt-5.x + o 系列"扩展为"gpt-5.x 至 gpt-9.x + o 系列"，覆盖当前及未来数代 GPT 命名。重跑后 18 题全部正常返回。

更根本的建议是放弃按版本号枚举白名单的整体思路——这是一种"追更型"设计，每代新模型发布都需要人工修改代码，遗漏几乎不可避免。若不确定边界，一个更稳的做法是对 Chat Completions 调用统一使用 max_completion_tokens，而不是维护型号白名单；但请在你实际使用的每个模型上先验证再上线。公开 issue 追踪器上已有多个开源集成项目记录了接入 gpt-6 系列时完全相同的 400 报错与修复路径。

失败记为"缺失"而非 0 分，不写入公开榜单

本站评测系统区分两类失败：模型参与了评测但答错，记为对应分数；API 调用全量失败导致数据不可用，记为该层数据缺失（incomplete），不参与任何聚合计算，不写入公开榜单。Run #348 首跑因参数错误触发全量 API 失败，系统自动标记为缺失状态，修复后重跑的数据才作为有效数据公示。这一设计的出发点是：一个因接入错误而失败的模型，不应在榜单上留下一个虚假的低分记录，进而影响横向比较。

官方接入规格（多源交叉核实）

以下规格来自 OpenAI 官方开发者文档（developers.openai.com/api/docs/models/gpt-6.1-sol），并经 The Rundown AI 与 DataCamp 报道交叉确认一致：

Model ID	gpt-6.1-sol
上下文窗口	1,050,000 token
最大输出	128,000 token
输入模态	文本、图像
Token 限制参数	max_completion_tokens（max_tokens 返回 400）
推理强度	reasoning_effort：low / medium（默认）/ high / xhigh / max；不支持 none 和 minimal
温度参数	仅接受默认值 1（我们实测：传入 temperature=0.2 返回 400，"Only the default (1) value is supported"；官方模型页未说明）
工具调用	须通过 Responses API；Chat Completions 接口不支持工具调用
知识截止	2026-04-30

据 The Rundown AI 与 DataCamp 报道（两份数字一致），标准用量（输入 ≤ 272,000 token）定价为输入 $2.00、输出 $10.00（每百万 token）；当单次请求输入超过 272,000 token 时，整个请求的输入费率升至 $4.00，输出费率升至 $15.00——注意是整个请求按高费率计算，而非仅超出部分，超长上下文场景的成本估算需单独处理。

Codex 与 ChatGPT Work 可用性

据 DataCamp 报道，GPT-6.1 Sol 面向 Plus、Pro、Business、Enterprise 及 Edu 账户开放，可通过 ChatGPT 桌面应用、Codex CLI 及 IDE 插件（VS Code、JetBrains 等）调用；Free 和 Go 计划不包含该模型。OpenAI 官方公告称该模型同时在 ChatGPT Work 和 Codex 中可用。本站用同一 API Key 实测 /v1/models 端点，可见 gpt-6.1-sol、gpt-6-sol、gpt-6-luna、gpt-6-astra 并列，后三者我们随后也用同一套 18 题做了补测（见本站后续文章），使用前需确认 ID 拼写。

迁移检查清单

• 替换 token 限制参数：将 max_tokens 替换为 max_completion_tokens；若不确定模型覆盖范围，考虑统一使用后者，并在每个在用模型上验证。
• 扩宽前缀匹配范围：如使用条件分支区分模型族，将匹配条件从"gpt-5.x + o 系列"扩展到"gpt-5.x 至 gpt-9.x + o 系列"，覆盖未来子版本，避免每代重复修改。
• 不要传自定义 temperature：我们实测该模型只接受默认值 1，传 0.2 会返回 400；沿用旧代码里的低温度设置会直接失败。
• 工具调用迁移：function calling 及内置工具（web search、code interpreter 等）须通过 Responses API 调用；依赖 Chat Completions 工具调用的代码路径将直接失效。
• 推理强度参数审查：reasoning_effort 仅接受 low / medium / high / xhigh / max；代码中传入 none 或 minimal 将报错，需删除或替换为最低有效值 low。
• 长上下文费率断点：272,000 token 为费率切换点，超出后整个请求按高费率计算，提前在成本估算逻辑中加入分段处理。
• API 失败分类处理：区分参数错误（400，应立即中止并告警）与能力边界失败（可视业务降级）；避免将 API 失败静默累计为 0 分，防止污染下游评分或分析数据。
• 模型 ID 核实：发布期间模型 ID 可能存在别名或快照变化，建议通过 /v1/models 端点实时核实，不依赖文档截图中的字符串。

参考信源：GPT-6.1 Sol Model — OpenAI Developer Docs；GPT-6.1 Sol: Features, Pricing, Context Window & Alternatives；GPT-6.1 Sol: Features, Benchmarks, Pricing, and Access — DataCamp；Graker does not support GPT-6 models due to deprecated max_tokens — GitHub；OpenAI 400 BadRequestError when using newer models — GitHub/honcho。