GPT-5.6 Sol
OpenAI· 2026-07-09 上线
综合第 10 名
59.9
编程
59.2第 8 名
科研
62.7第 9 名
专业办公
58.1第 9 名
知识问答
59.2第 13 名
- 评测覆盖
- 20 / 25 项 · 80%
- 缓存输入
- ¥2.69
- 输入
- ¥26.90
- 输出
- ¥134.51
价格：人民币 / 百万 Token。
编程
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| DeepSWE | 72.7% | 59.9 | max | 26 |
| FrontierCode | 47.5% | 57.9 | 未注明 | 46 |
| FrontierSWE | 32.2% | 48.8 | max | 21 |
| CursorBench | 41.7% | 47.5 | max | 17 |
| WebDev Arena | 1,617 | 59.7 | xhigh | 96 |
| ALE-Bench | 2,177 | 68.7 | max | 88 |
| WeirdML | 89.4% | 67.0 | promax | 60 |
| GSO | 76.5% | 63.9 | 未注明 | 16 |
科研
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| FrontierMath（1–3 级） | 89.1% | 63.1 | max | 66 |
| FrontierMath（4 级） | 82.9% | 64.8 | max | 57 |
| CritPt | 32.3% | 68.9 | max | 101 |
| ProofBench | 83.0% | 63.1 | max | 77 |
| OTIS Mock AIME | 100.0% | 56.5 | max | 87 |
| SciCode | 57.8% | 59.9 | high | 97 |
专业办公
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| APEX-Agents | 51.4% | 50.8 | promax | 49 |
| OSWorld 2.0 | 27.3% | 62.9 | max | 9 |
| Vending-Bench 2 | $9,619 | 60.7 | 未注明 | 55 |
知识问答
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| SimpleQA Verified | 69.7% | 63.7 | max | 65 |
| GPQA Diamond | 93.5% | 55.2 | max | 84 |
| SimpleBench | 71.7% | 58.7 | proxhigh | 39 |
仅展示（不计分）
这些评测测的能力不在四个领域里，或者我们还没把握归到哪个领域。
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| ARC-AGI-2 | 92.5% | 不计分 | max | 52 |
| ARC-AGI | 97.5% | 不计分 | xhigh | 52 |
| 国际象棋谜题 | 68.0% | 不计分 | promax | 88 |
原始成绩取这个模型各个推理档位（max、xhigh、high、medium、low、未注明、promax、none、proxhigh、prounknown）和各种评测配置里最好的一次；标准分 = 50 + 10 × （成绩 − 平均）÷ 标准差，在近 12 个月上线的模型里比较。「不计分」是这项评测有成绩的模型太少或不在计分范围。 数据 10月16日 06:10 更新。