GPT-5.6 Sol
数据来源:AIHOT
上线日期: 2026-07-09 · 上下文: 105万 Token
综合排名 18
官方 API 价格 ¥ / 百万 Token
- 输入
- ¥33.33 ($5)
- 输出
- ¥199.98 ($30)
- 缓存命中
- ¥3.33 ($0.5)
标准价;官网限时优惠至少持续至 2026-11-30,期间输入 $4、输出 $20、缓存命中 $0.40/百万 Token。提示词超过 272K Token 时整个请求的输入和缓存命中价按 2 倍、输出价按 1.5 倍计费。
标准价;官网限时优惠至少持续至 2026-11-30,期间输入 $4、输出 $20、缓存命中 $0.40/百万 Token。提示词超过 272K Token 时整个请求的输入和缓存命中价按 2 倍、输出价按 1.5 倍计费。
官方价格页 ↗领域能力
| 榜单 | 名次 | 评分 | 评测数 |
|---|---|---|---|
| 综合 | 18 | 66.7 | 43 |
| 编程 | 21 | 64.3 | 14 |
| 科研 | 14 | 70.2 | 12 |
| 专业办公 | 23 | 67.6 | 7 |
| 知识问答 | 16 | 67.8 | 6 |
编程 · 64.3
| 评测 | 机构 | 公布的成绩 | 折算分 | 原榜名次 | 核实日期 | 备注 |
|---|---|---|---|---|---|---|
| ProgramBench ↗ 只给能运行的程序和说明、不给源码,重写出行为一致的程序,用隐藏测试核对。 | Vals AI | 1.5% | 77.2 | 14 | 2026-11-18 | 备注通过率低于 5%,只说明“至多这么强”;这个模型的水平已经低于这条线不少,这一项几乎不起作用。代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| CyberBench Patch v1.1 ↗ 修开源项目的安全漏洞,检查能否编译、拦住原攻击并保留正常行为。 | Vals AI | 89.3% | 68.5 | 1 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Terminal-Bench 4.0 ↗ 在终端完成软件、科研等复杂任务,再由各题的测试检查结果。 | Artificial Analysis | 39.9% | 67.4 | 57 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| FrontierCode 2.0 ↗ 在真实开源仓库里改代码,看改动能不能达到维护者愿意合并的水平。 | Cognition | 28.9% | 67.3 | 42 | 2026-11-18 | 备注代表配置:Max 推理 · Codex。评测方为每个模型指定 Agent(通常是厂商自家的);按预先固定的推理档位优先级选择,成绩归到基础模型。 |
| Terminal-Bench 4.0 ↗ 在终端完成软件、科研等复杂任务,再由各题的测试检查结果。 | Vals AI | 37.9% | 66.9 | 24 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Terminal-Bench 4.0 ↗ 在终端完成软件、科研等复杂任务,再由各题的测试检查结果;官方榜为每个模型指定 Agent,通常是厂商自家的。 | Terminal-Bench | 38.5% | 66.5 | 33 | 2026-11-18 | 备注代表配置:Max 推理 · Codex。评测方为每个模型指定 Agent(通常是厂商自家的);按预先固定的推理档位优先级选择,成绩归到基础模型。 |
| WeirdML v3 ↗ 面对陌生数据,弄清问题并做出机器学习或数据分析方案。 | Håvard Tveit Ihle | 14.8% | 65.2 | 11 | 2026-11-18 | 备注代表配置:xHigh 推理 · codex_cli。评测方为每个模型指定 Agent(通常是厂商自家的);按预先固定的推理档位优先级选择,成绩归到基础模型。 |
| TapTap Maker ↗ 在真实游戏引擎里用 Lua 写出能跑起来的游戏功能,由引擎实际运行判对错。 | TapTap Maker | 79.8% | 65.2 | 12 | 2026-11-18 | 备注代表配置:xHigh 推理 · codex。评测方为每个模型指定 Agent(通常是厂商自家的);按预先固定的推理档位优先级选择,成绩归到基础模型。 |
| LiveBench Coding ↗ 写函数、补全代码,题目定期换新,答案自动跑测试核对。 | LiveBench | 83.9% | 64.7 | 12 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Vibe Code Bench v1.1 ↗ 按一份需求从零搭出网页应用,再在浏览器里按验收步骤逐项检查功能。 | Vals AI | 80.5% | 64.3 | 37 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| FrontierSWE v2 ↗ 每次最多给 20 小时,完成编程、性能优化或科研计算这类大任务。 | Proximal Labs | 33.5% | 63.2 | 12 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| APEX-SWE ↗ 在工程环境里连接并部署服务,或根据故障日志和监控信息排查问题。 | Mercor | 48.0% | 62.5 | 21 | 2026-11-18 | 备注代表配置:Max 推理 · terminus-2 · apex-swe:terminus-2。该来源对所有模型使用同一受控系统;按预先固定的推理档位优先级选择,配置明细保留,成绩归到基础模型。 |
| LiveBench Agentic Coding ↗ 在真实代码仓库里查找并修复问题,再用测试检查改动。 | LiveBench | 56.2% | 60.3 | 12 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| SciCode ↗ 把物理、化学、生物等科研问题写成能运行、算得对的计算代码。 | Artificial Analysis | 57.1% | 58.9 | 39 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| MirrorCode ↗ 看不到源码,只能运行原程序、读文档,用另一种语言把整个程序重写出来。 | Epoch AI | 20.0% | 48.2 | 43 | 2026-11-18 | 备注这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
科研 · 70.2
| 评测 | 机构 | 公布的成绩 | 折算分 | 原榜名次 | 核实日期 | 备注 |
|---|---|---|---|---|---|---|
| ARC-AGI-2 ↗ 从几个网格图案的例子中找出变换规则,再解一道新题。 | ARC Prize | 92.5% | 77.3 | 11 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| FrontierMath T1–3 ↗ 解数学家原创的高难数学题,给出可以核对的答案。 | Epoch AI | 89.1% | 76.6 | 10 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| CritPt v2 Hard ↗ 修订版研究级物理题里较难的 40 道,可以写代码辅助演算。 | Artificial Analysis | 60.0% | 73.8 | 37 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Mystery Game Puzzles ↗ 看文字描述的游戏局面,找出最好的下一步。 | Epoch AI | 58.0% | 72.5 | 11 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| CritPt ↗ 物理研究前沿的原创难题,要一步步推导出准确答案。 | Artificial Analysis | 32.3% | 72.2 | 5 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Chess Puzzles ↗ 看文字写成的国际象棋棋局,找出正确的一步,由象棋引擎核对。 | Epoch AI | 59.0% | 71.9 | 13 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| MysteryMechanism ↗ 自己设计实验,去推断一套隐藏的规律。 | Vals AI | 33.3% | 68.9 | 15 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| LiveBench Reasoning ↗ 斑马谜题、空间推理、情境推理这类题,答案自动核对。 | LiveBench | 91.7% | 68.7 | 6 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Terminal-Bench Science ↗ 在命令行里走完一段科研流程:处理数据、跑分析、得出结果。 | Vals AI | 20.0% | 68.7 | 15 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Terminal-Bench Science ↗ 在命令行里走完一段科研流程:处理数据、跑分析、得出结果。 | Artificial Analysis | 22.4% | 68 | 55 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| BioMysteryBench ↗ 分析真实的生物数据,推断出背后的生物学答案。 | Vals AI | 71.1% | 66.4 | 15 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Humanity's Last Exam ↗ 数学、科学、人文等几十个学科的专家级难题,不借助工具直接作答。 | Artificial Analysis | 49.5% | 65.4 | 34 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
专业办公 · 67.6
| 评测 | 机构 | 公布的成绩 | 折算分 | 原榜名次 | 核实日期 | 备注 |
|---|---|---|---|---|---|---|
| Legal Research Bench ↗ 像律师一样查法规和判例,写出有出处的结论。 | Vals AI | 48.1% | 70.8 | 14 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| AA-Analyst Agent ↗ 分析数据、回答 14 个领域的专业问题,同一题跑五次都对才算通过。 | Artificial Analysis | 47.5% | 68.7 | 24 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| LiveBench Data Analysis ↗ 处理表格重排、表格连接和连续事件分析等数据题。 | LiveBench | 79.8% | 67.3 | 11 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| AutomationBench-AA ↗ 在模拟办公软件中处理业务流程,按完成目标和守规情况评分。 | Artificial Analysis | 60.1% | 66.9 | 68 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| GDPval-AA ↗ 按几十种职业的真实工作出题,比如写报告、做表格,由裁判两两比较产出质量。 | Artificial Analysis | 1,618.7 | 66.8 | 37 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| AA-Briefcase ↗ 完成办公项目里写报告、做表格这类长任务,按细则和成果质量评分。 | Artificial Analysis | 1,478.6 | 66.7 | 65 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| TaxAgentBench ↗ 回答税务专业问题,要查到税法依据并注明出处。 | Vals AI | 31.1% | 66.4 | 32 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| MedCode ↗ 读住院记录,给出标准的医疗诊断编码。 | Vals AI | 44.0% | — | 43 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
知识问答 · 67.8
| 评测 | 机构 | 公布的成绩 | 折算分 | 原榜名次 | 核实日期 | 备注 |
|---|---|---|---|---|---|---|
| SimpleQA Verified ↗ 一句话就能答的事实问题,看答得对不对。 | Epoch AI | 69.7% | 76.7 | 11 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| NYT Connections 扩展版 ↗ 把一组英文词按隐藏的类别分好,里面混着故意误导的干扰词。 | Lech Mazur | 93.8% | 76.3 | 18 | 2026-11-18 | 备注代表配置:xHigh 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| MLCR-AA ↗ 读很长的医疗记录回答问题,答案要完整且不能违背原始记录。 | Artificial Analysis | 30.0% | 75.9 | 30 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| LiveBench Language ↗ 纠正错字、把打乱的情节排回原序、给词语分组等语言题。 | LiveBench | 87.7% | 73 | 11 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| LiveBench IF ↗ 按一串具体的格式和内容要求作答,看能不能条条做到。 | LiveBench | 71.8% | 63.4 | 11 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| AA-LCR ↗ 读很长的文档,回答要把多处信息串起来才能答的问题。 | Artificial Analysis | 84.0% | 59.4 | 13 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| BullshitBench v2 ↗ 问题里藏着错误前提,看模型能不能指出来,而不是顺着编下去。 | BullshitBench | 47.0% | 56.1 | 99 | 2026-11-18 | 备注这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
真人盲选 · 66
| 评测 | 机构 | 公布的成绩 | 折算分 | 原榜名次 | 核实日期 | 备注 |
|---|---|---|---|---|---|---|
| Arena Text ↗ 真人匿名比较两个模型的回答,投票选出更好的回答。 | LMArena | 1,485.1 | 64.1 | 23 | 2026-11-18 | 备注代表配置:xHigh 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
还没有成绩的评测
- Code Migration v1.1
- FrontierCode 2.0 · AA
- 致知 · 逻辑月榜
- 司南 · 推理
- 司南 · 抽象
- Vals Finance Agent v2.1
- Harvey LAB 1.1 · Vals
- Harvey LAB 1.1 · AA
- Excel Modeling v1.1
- AA-Omniscience v1.1
- 司南 · 知识
最近的新闻
11-06OpenAI 发布网络安全模型 ChatGPT Cyber,此前 GPT 5.6 Sol 帮助发现 Ubuntu 严重漏洞TechCrunch:AI
11-01作者实测 GPT-5.6 Sol 在和平模式下 13.5 小时通关 FactorioHacker News:AI 热帖
10-22GPT-5.6 Sol 与 Gemini 4 Argon 发现影响数百万网站的 PHP 关键漏洞The Decoder:AI News
10-22研究人员用 GPT-5.6 Sol 发现 PHP 两个 CVSS 9.2 严重漏洞Rohan Paul
10-21OpenAI 披露 Patch the Planet 计划借助 GPT-5.6 Sol 发现 PHP 关键漏洞并协调全球修复OpenAI:官网动态
10-14XBOW 借助 GPT-5.6 Sol 用 6 天攻破 Chrome 沙箱,获谷歌 25 万美元赏金IT之家·人工智能