GPT-6.1 Sol
OpenAI· 2026-09-29 上线
综合第 3 名
64.5
编程
69.4
科研
64.5第 3 名
专业办公
56.9
知识问答
61.5第 5 名
- 评测覆盖
- 12 / 25 项 · 48%
- 缓存输入
- ¥0.67
- 输入
- ¥13.45
- 输出
- ¥67.25
价格：人民币 / 百万 Token。没有名次的领域是成绩还不够，暂不排名。
编程
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| FrontierCode | 50.2% | 59.9 | medium | 46 |
| WebDev Arena | 1,759 | 69.6 | max | 96 |
| ALE-Bench | 2,744 | 78.7 | max | 88 |
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） | 93.7% | 65.2 | max | 66 |
| FrontierMath（4 级） | 100.0% | 70.8 | max | 57 |
| CritPt | 31.7% | 68.4 | max | 101 |
| ProofBench | 99.0% | 68.2 | 未注明 | 77 |
| OTIS Mock AIME | 100.0% | 56.5 | max | 87 |
| SciCode | 55.8% | 57.8 | 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 | 60.0% | 56.9 | max | 49 |
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 | 73.9% | 66.2 | max | 65 |
| GPQA Diamond | 95.4% | 56.8 | max | 84 |
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 | 94.2% | 不计分 | max | 52 |
| ARC-AGI | 98.5% | 不计分 | xhigh | 52 |
| 国际象棋谜题 | 68.0% | 不计分 | max | 88 |
原始成绩取这个模型各个推理档位（medium、max、xhigh、high、low、未注明）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。