GPT-5.6 Terra
OpenAI· 2026-07-09 上线
综合第 12 名
55.7
编程
56.1第 13 名
科研
60.4第 15 名
专业办公
55.1第 14 名
知识问答
47.5第 45 名
- 评测覆盖
- 17 / 25 项 · 68%
- 缓存输入
- ¥1.35
- 输入
- ¥13.45
- 输出
- ¥80.70
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 | 69.6% | 58.0 | max | 26 |
| FrontierCode | 41.3% | 53.3 | 未注明 | 46 |
| CursorBench | 41.3% | 47.0 | max | 17 |
| WebDev Arena | 1,521 | 53.1 | xhigh | 96 |
| ALE-Bench | 1,951 | 64.7 | max | 88 |
| WeirdML | 78.3% | 60.4 | high | 60 |
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） | 86.0% | 61.6 | max | 66 |
| FrontierMath（4 级） | 70.7% | 60.4 | max | 57 |
| CritPt | 30.0% | 66.8 | max | 101 |
| ProofBench | 74.0% | 60.3 | xhigh | 77 |
| OTIS Mock AIME | 99.7% | 56.3 | max | 87 |
| SciCode | 55.0% | 56.9 | max | 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 | 58.2% | 55.7 | max | 49 |
| Vending-Bench 2 | $7,343 | 54.6 | 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 | 43.2% | 48.3 | max | 65 |
| GPQA Diamond | 93.3% | 55.1 | max | 84 |
| SimpleBench | 48.9% | 39.3 | 未注明 | 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 | 83.9% | 不计分 | max | 52 |
| ARC-AGI | 96.5% | 不计分 | max | 52 |
| 国际象棋谜题 | 47.0% | 不计分 | max | 88 |
原始成绩取这个模型各个推理档位（max、xhigh、high、medium、low、未注明、none）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。