GPT-6 Sol
OpenAI· 2026-09-22 上线
综合第 7 名
63.3
编程
65.9
科研
62.9第 8 名
专业办公
63.3第 6 名
知识问答
57.2第 17 名
- 评测覆盖
- 13 / 25 项 · 52%
- 缓存输入
- ¥1.35
- 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 | 49.3% | 59.2 | max | 46 |
| WebDev Arena | 1,689 | 64.8 | max | 96 |
| ALE-Bench | 2,462 | 73.7 | 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） | 89.8% | 63.4 | max | 66 |
| FrontierMath（4 级） | 90.0% | 67.3 | max | 57 |
| CritPt | 30.9% | 67.6 | max | 101 |
| ProofBench | 83.0% | 63.1 | 未注明 | 77 |
| OTIS Mock AIME | 100.0% | 56.5 | max | 87 |
| SciCode | 57.6% | 59.8 | 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 | 54.3% | 52.9 | max | 49 |
| Vending-Bench 2 | $14,428 | 73.6 | 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 | 60.7% | 58.5 | max | 65 |
| GPQA Diamond | 94.3% | 55.9 | 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 | 89.6% | 不计分 | max | 52 |
| ARC-AGI | 95.5% | 不计分 | max | 52 |
| 国际象棋谜题 | 56.0% | 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、none、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。