BenchLeader

GPT-5.2 vs GPT-5.6 Sol

完整资料:GPT-5.2(OpenAI)和 GPT-5.6 Sol(OpenAI),包括全部基准测试、价格和排名。

更新于 · 数据来自 11 个来源

截至 2026年11月16日,质量上 GPT-5.6 Sol 领先 GPT-5.2(BenchLeader Index 65.3 比 59.9)。不过,GPT-5.2 更便宜,对方的价格是它的 1.7 倍(每百万 token 混合价格 $4.81 比 $8.00)。看重指令遵循(74 比 71)选 GPT-5.2;看重智能体与工具(68 比 54)、数学(70 比 57)和知识(64 比 56)选 GPT-5.6 Sol。GPT-5.6 Sol 的首次回答更快(33.5 秒 比 112.5 秒)。GPT-5.6 Sol 的输出更快。

要点(截至 2026年11月16日)

  • GPT-5.2 的 BenchLeader Index 为 59.9,GPT-5.6 Sol 为 65.3(BenchLeader,2026年11月16日)。
  • GPT-5.2 每百万 token 混合价格为 $4.81(标价,2026年11月16日)。
  • GPT-5.6 Sol 每百万 token 混合价格为 $8.00(标价,2026年11月16日)。
  • GPT-5.6 Sol 比 GPT-5.2 输出更快(Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 36 项基准测试中,GPT-5.6 Sol 领先 31 项(BenchLeader,2026年11月16日)。

按用途怎么选

推荐模型的数值列在前面。类别得分采用 BenchLeader 标尺(50 为模型平均水平,15 分为一个标准差)。领先半个标准差及以上为“高”置信度;相差不到 1 分则视为“均可”。

用途推荐理由置信度
编程GPT-5.6 Sol类别得分 66 比 63;WeirdML 87.0% 比 72.2%中
智能体与工具调用GPT-5.6 Sol类别得分 68 比 54;Terminal-Bench Hard 65.9% 比 47.0%高
数学GPT-5.6 Sol类别得分 70 比 57;FrontierMath Tiers 1–3 89.1% 比 67.4%高
推理GPT-5.6 Sol类别得分 65 比 60;GPQA Diamond 93.5% 比 91.4%中
知识GPT-5.6 Sol类别得分 64 比 56;SimpleQA Verified 69.7% 比 37.1%高
长文档均可类别得分 66 比 67;AA-LCR v1.1 82.7% 比 84.0%均可
指令遵循GPT-5.2类别得分 74 比 71;IFBench 75.4% 比 72.7%中
成本最低GPT-5.2每百万 token 混合价格 $4.81 比 $8.00;智能体编程会话 $0.161 比 $0.320–
首次回答最快GPT-5.6 Sol首个回答 token 33.5 秒(GPT-5.6 Sol (max))比 112.5 秒(GPT-5.2 (xhigh))–
低预算大批量两者都不选通常更小的模型更合适:便宜好用的大模型、最快的大模型–

主要差异

  • 质量上 GPT-5.6 Sol (max) 领先:65.3 比 59.9。
  • GPT-5.2 (xhigh) 在指令遵循方面更强。
  • GPT-5.6 Sol (max) 在智能体与工具、编程、知识、长上下文、数学、推理方面更强。
  • GPT-5.2 (xhigh) 更便宜,对方的价格是它的 1.7 倍(每百万 token 混合价格 $4.81 比 $8.00)。
  • GPT-5.6 Sol (max) 的输出速度是对方的 1.3 倍(100 比 76 token/秒)。

概览

规格GPT-5.2GPT-5.6 Sol
提供商OpenAIOpenAI
发布日期2025年12月11日2026年7月9日
上下文窗口(token)400,0001,050,000
对比时的配置GPT-5.2 (xhigh)GPT-5.6 Sol (max)
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$1.75 / $14.00 / $0.175$4.00 / $20.00 / $0.400

逐类别对比

类别得分采用 BenchLeader 标尺:50 为参评模型的平均水平,15 分为一个标准差。差距不到 1 分视为持平。

类别GPT-5.2 (xhigh)GPT-5.6 Sol (max)领先者
推理60.464.7GPT-5.6 Sol
编程63.065.8GPT-5.6 Sol
智能体与工具53.867.5GPT-5.6 Sol
数学56.570.0GPT-5.6 Sol
知识56.163.8GPT-5.6 Sol
指令遵循73.771.2GPT-5.2
多模态–65.9无法比较
长上下文66.066.7持平

同一图表对比

各领域采用与 Index 相同的标尺,平均模型为 50 分。单击某个领域可查看构成它的基准测试。 可从列表中最多选择 5 个模型。

2550 avg75推理编程智能体与工具数学知识指令遵循长上下文GPT-5.2, 推理: 60.4GPT-5.2, 编程: 63.0GPT-5.2, 智能体与工具: 53.8GPT-5.2, 数学: 56.5GPT-5.2, 知识: 56.1GPT-5.2, 指令遵循: 73.7GPT-5.2, 长上下文: 66.0GPT-5.6 Sol, 推理: 64.7GPT-5.6 Sol, 编程: 65.8GPT-5.6 Sol, 智能体与工具: 67.5GPT-5.6 Sol, 数学: 70.0GPT-5.6 Sol, 知识: 63.8GPT-5.6 Sol, 指令遵循: 71.2GPT-5.6 Sol, 长上下文: 66.7

未绘制(测得的模型少于两个):多模态, 人类偏好。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 36 项基准测试中,GPT-5.2 领先 5 项,GPT-5.6 Sol 领先 31 项。所有同时评测两者的综合评分都认为 GPT-5.6 Sol 更强。

综合 IndexGPT-5.2 (xhigh)GPT-5.6 Sol (max)领先者
BenchLeader Index59.965.3GPT-5.6 Sol
Arena Text1437†1485GPT-5.6 Sol

各发布方使用各自的任务、评测框架和推理强度设置,因此总体结论可能不同;BenchLeader 将它们统一到同一标尺上。† 表示同一模型在另一推理强度设置下的测量值(发布方未测试本页对比的设置)。

价格、速度与延迟

标价按每 1 个输出 token 对应 3 个输入 token 混合计算。每项任务的价格采用方法论页面中的 token 数量。每项基准测试任务的成本、token 数和耗时均为实测值,取自 Artificial Analysis 整个 Intelligence Index 测试的平均值。

指标GPT-5.2 (xhigh)GPT-5.6 Sol (max)
每百万 token 混合价格$4.81$8.00
每百万 token 输入 / 输出$1.75 / $14.00$4.00 / $20.00
每百万 token 缓存输入$0.175$0.400
每项任务价格:聊天回复$0.0049$0.0076
每项任务价格:总结一份 30 页的报告$0.029$0.060
每项任务价格:代码编辑$0.032$0.054
每项任务价格:智能体编程会话$0.161$0.320
每项任务价格:结构化信息提取$0.0063$0.012
智能体编程会话(输入大多命中缓存)$0.090$0.158
输出速度76 tok/s100 tok/s
首次回答时间112.5 秒33.5 秒
完整回答耗时(最近一次测量 2026年11月13日)154.4 秒157.3 秒

每个模型都按其排名最高的推理强度设置进行对比。GPT-5.2 (xhigh) 得分 59.9,首个回答 token 需 112 秒;GPT-5.2 为 56.7(2 秒),GPT-5.2 (medium) 为 56.2(7 秒)。GPT-5.6 Sol (max) 得分 65.3,首个回答 token 需 34 秒;GPT-5.6 Sol (xhigh) 为 63.9(17 秒),GPT-5.6 Sol (high) 为 63.4(10 秒)。推理强度越高,回答前思考越久:得分更高,但等待更长、计费 token 也更多。 推理强度如何影响得分和成本

全部基准测试

共 185 项基准测试,按类别分组;点击名称可查看该排行榜及领先模型。† 表示同一模型在另一推理强度设置下的测量值,仅供参考,不计入胜场。

指标发布方GPT-5.2 (xhigh)GPT-5.6 Sol (max)
BenchLeader IndexBenchLeader59.965.3
智能体与工具得分BenchLeader53.867.5
编程得分BenchLeader63.065.8
指令遵循得分BenchLeader73.771.2
知识得分BenchLeader56.163.8
长上下文得分BenchLeader66.066.7
数学得分BenchLeader56.570.0
推理得分BenchLeader60.464.7
多模态得分BenchLeader–65.9
混合价格(美元/百万 token)BenchLeader$4.81$8.00
输出速度BenchLeader76 tok/s100 tok/s
首次回答时间BenchLeader112.5 秒33.5 秒
上下文窗口BenchLeader400,000 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub91.4%93.5%
Humanity's Last ExamScale AI / CAIS27.8%†–
SimpleBenchSimpleBench45.8%†64.8%†
Arena Hard PromptsArena (LMArena)1497†1511†
LiveBench 1.0 ReasoningLiveBench83.2%†91.7%
GPQA Diamond (AA)Artificial Analysis90.3%94.1%
Humanity's Last Exam (AA)Artificial Analysis37.7%49.5%
GPQA Diamond (Vals)Vals AI91.7%95.2%
EnigmaEvalScale AI SEAL–37.1%†
Kagi LLM BenchmarkKagi LLM Benchmark73.3%†67.0%†
ARC-AGI-1ARC Prize86.2%96.5%
ARC-AGI-2ARC Prize52.9%92.5%
ARC-AGI-3ARC Prize–7.8%
CritPtArtificial Analysis11.6%32.3%
CritPt v2 hard subset (AA)Artificial Analysis–60.0%
MysteryMechanismVals AI–33.3%
SciPredictScale AI SEAL20.6%†–
HLE-Diamond (Scale)Scale AI SEAL–31.2%†
Arena ExpertArena (LMArena)1491†1532†
Chess PuzzlesEpoch AI Benchmarking Hub48.0%59.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub22.0%†58.0%
CL-benchEpoch AI Benchmarking Hub18.2%†–
LMCAEpoch AI Benchmarking Hub43.9%58.4%
DTBenchEpoch AI Benchmarking Hub90.9%95.5%
ForecastBenchForecastBench63.8%†65.7%
显示全部 185 项基准测试
指标发布方GPT-5.2 (xhigh)GPT-5.6 Sol (max)
推理
BTF-3Epoch AI Benchmarking Hub–13.7%
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub73.8%†–
SciCodeSciCode–57.1%
WeirdMLWeirdML72.2%87.0%
FrontierCodeCognition–47.5%†
GSO-BenchGSO-Bench27.4%†76.5%†
Arena CodingArena (LMArena)1515†1533†
Arena WebDevArena (LMArena)1421†1615†
LiveBench 1.0 CodingLiveBench76.1%†83.9%
LiveCodeBenchVals AI85.4%82.6%
IOIVals AI–91.2%
SWE-bench (Vals)Vals AI75.8%96.2%
SWE-Bench ProScale AI SEAL29.9%†–
SWE-bench Verified (bash only)SWE-bench69.0%†–
SWE-bench Multilingual (bash only)SWE-bench66.7%†–
SWE-bench Verified (any scaffold)SWE-bench72.8%†–
Code MigrationVals AI–52.9%
ProgramBenchVals AI–1.5%
Vibe Code Bench 1-100Vals AI–20.0%
Vibe Code Bench v1.1Vals AI53.5%80.5%
SWE-Bench Pro (private)Scale AI SEAL23.8%†–
SWE Atlas v1.0: Codebase QnAScale AI SEAL–46.0%†
SWE Atlas v1.0: Test WritingScale AI SEAL–45.9%†
SWE-Bench Pro V2Scale AI SEAL–95.5%†
SWE-Bench Pro V2 HARDScale AI SEAL–82.4%†
MirrorCodeEpoch AI Benchmarking Hub32.2%20.0%†
Surface Evolver BenchEpoch AI Benchmarking Hub–93.1%†
DeepSWE v1.1Epoch AI Benchmarking Hub–72.7%
CursorBenchCursor–41.7%
ALE-BenchEpoch AI Benchmarking Hub1249.8†2176.9
AlgoTuneAlgoTune2.0†–
FrontierSWEEpoch AI Benchmarking Hub–32.2%
WeirdML v3WeirdML5.0%15.0%†
Terminal-Bench 4.0 (AA)Artificial Analysis–39.9%
Terminal-Bench 2.1 (AA)Artificial Analysis–88.0%
Startrise FrontendStartrise–66.2%†
GameBench 2 OverallDuelLab GameBench 2–67.0†
GameBench 2 by reasoning settingDuelLab GameBench 2–80.0†
Design Arena WebsiteDesign Arena11861319†
LiveCodeBench (AA)Artificial Analysis88.9%–
智能体与工具
Terminal-BenchTerminal-Bench64.9%†38.5%
OSWorld-Verified 2.0OSWorld–27.3%
GDPvalOpenAI49.7%†–
Remote Labor IndexScale AI / CAIS2.1%†–
APEX-AgentsMercor–51.4%†
Arena AgentArena (LMArena)–4.6†
LiveBench Agentic CodingLiveBench50.3%†56.2%
Terminal-Bench HardArtificial Analysis47.0%65.9%
τ²-Bench Telecom (AA)Artificial Analysis84.8%85.1%
Terminal-Bench 2.1 (Vals)Vals AI–85.8%
MCP AtlasScale AI SEAL67.6%–
HiL-BenchScale AI SEAL–32.3%†
BFCL OverallBerkeley Function Calling Leaderboard55.9%†–
τ²-benchτ²-bench84.8%†–
τ³-bench Bankingτ²-bench32.2%†46.9%†
GDPval-AA v2.1Artificial Analysis–1619
τ³-Banking (AA)Artificial Analysis11.1%†44.3%
ITBench SRE (AA)Artificial Analysis–56.2%
Analyst Agent (AA)Artificial Analysis–47.5%
CUA-benchVals AI–8.3%
CyberBenchVals AI–76.3%
Finance Agent v2Vals AI–53.8%
Harvey's Legal Agent Benchmark v1Vals AI–2.5%
Legal Research BenchVals AI–48.1%
Poker AgentVals AI1131.8%†–
SkillsBenchVals AI–54.1%
SREBenchVals AI–30.5%
Tax Agent BenchVals AI–31.1%
Terminal-Bench 2.0 (Vals)Vals AI51.7%†–
Terminal-Bench 4.0 (Vals)Vals AI–37.9%
Terminal-Bench ScienceVals AI–20.0%
Time Horizon Index: KSPVals AI–23.8%
Web Search IndexVals AI–43.6%
Arena SearchArena (LMArena)1161†1255†
Arena Agent Task CompletionArena (LMArena)–2.3†
BALROGBALROG–60.0%
DeepResearch BenchDeepResearch Bench41.1%†–
PostTrainBenchEpoch AI Benchmarking Hub–31.0%
METR Time HorizonsMETR75.3%†–
GBAEvalEpoch AI Benchmarking Hub–52.6%†
Vending-Bench 2Andon Labs3591.3†9619.4†
AutomationBenchArtificial Analysis–60.1%
GDP.pdf (AA)Artificial Analysis–27.2%
EnterpriseOps-GymArtificial Analysis–42.9%
AA-Briefcase v1.1Artificial Analysis–1479
Design Arena AgenticDesign Arena1065†1238†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–22.4%
FACTS SearchGoogle–92.9%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub67.4%89.1%
FrontierMath Tier 4Epoch AI Benchmarking Hub31.7%82.9%
OTIS Mock AIMEEpoch AI Benchmarking Hub96.1%100.0%
ProofBenchVals AI15.0%83.0%
LiveBench MathematicsLiveBench93.2%†96.2%
AIME (Vals)Vals AI96.9%–
MGSMVals AI94.0%–
AIME 2026MathArena98.3%†–
HMMT February 2026MathArena97.0%†–
MathArena ApexMathArena13.5%†–
Arena MathsArena (LMArena)1453†1494†
FrontierMath ErdősEpoch AI Benchmarking Hub–0.0%
AIME 2025 (AA)Artificial Analysis99.0%–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub37.1%69.7%
LiveBench 1.0 Data AnalysisLiveBench78.2%†79.8%
MMLU-ProVals AI86.2%89.1%
LegalBenchVals AI82.8%87.0%
CorpFinVals AI65.9%64.4%
TaxEvalVals AI75.8%74.8%
MedQAVals AI94.1%–
PRBench FinanceScale AI SEAL–50.5%
PRBench LegalScale AI SEAL–50.5%
MultiNRCScale AI SEAL42.2%†–
BioMysteryBenchVals AI–71.1%
CaseLaw v2Vals AI66.0%–
Excel Modeling BenchmarkVals AI–72.3%
MedCodeVals AI49.8%44.0%
MedScribeVals AI84.4%85.2%
Public Benefits Bench v1.1Vals AI–66.5%
Financial Coaching BenchVals AI–74.9%
DrugDiscoveryBenchScale AI SEAL29.3%56.5%
EBR-benchEpoch AI Benchmarking Hub23.0%44.8%
GDP.pdfEpoch AI Benchmarking Hub–30.7%
Global-MMLU-Lite (AA)Artificial Analysis89.8%†–
FACTS ParametricGoogle–81.1%†
指令遵循
LiveBench LanguageLiveBench79.8%†87.7%
LiveBench Instruction FollowingLiveBench61.8%†71.8%
IFBenchArtificial Analysis75.4%72.7%
TutorBenchScale AI SEAL53.5%†–
Arena Instruction FollowingArena (LMArena)1457†1490†
人类偏好
Arena TextArena (LMArena)1476†1485†
EQ-Bench 4EQ-Bench–1236†
EQ-Bench Creative Writing v3EQ-Bench1703†1974†
Arena Creative WritingArena (LMArena)1432†1471†
Arena Multi-turnArena (LMArena)1495†1491†
Arena Longer QueriesArena (LMArena)1472†1498†
多模态
Arena VisionArena (LMArena)1268†1282†
MMMU-ProArtificial Analysis74.6%†83.4%
VISTAScale AI SEAL46.6%†–
MMMU-Pro (Vals)Vals AI86.7%88.8%
MortgageTaxVals AI67.1%67.3%
Humanity's Sixth SenseScale AI SEAL–30.0%
GeoBenchGeoBench–73.0%†
VPCTEpoch AI Benchmarking Hub84.0%–
Blueprint-Bench 2Epoch AI Benchmarking Hub–33.6%†
Furniture AssemblyEpoch AI Benchmarking Hub38.3%56.7%
FACTS MultimodalGoogle–46.4%†
长上下文
AA-LCR v1.1Artificial Analysis82.7%84.0%
Arena DocumentArena (LMArena)1425†1487†
MLCRArtificial Analysis–30.0%
FACTS GroundingGoogle–61.9%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub154.5†163.0†
LiveBench 1.0LiveBench74.6%†81.0%
AA Intelligence Index v4.3.2Artificial Analysis30.447.0
AA Progress Index v1Artificial Analysis295.5331.5
Vals RSI IndexVals AI15.8%23.9%
Vals Science IndexVals AI–41.5%
Vals Multimodal IndexVals AI–72.6%
安全与诚实
FORTRESSScale AI SEAL17.5%†20.1%†
MASKScale AI SEAL86.7%†–
PropensityBenchScale AI SEAL34.4%†–
DistressBenchScale AI SEAL–73.6%†

数据截至 2026年11月16日。对比的是每个模型的最佳配置;每项分数的来源链接都在模型页面上。

DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

变化

  • GPT-5.2 (xhigh):1 项新结果(AIME 2025 (AA))。
  • GPT-5.6 Sol (max):1 项新结果(GDPval-AA v2.1)。
  • GPT-5.6 Sol (max):1 项分数修订。
  • GPT-5.2 (xhigh):1 项新结果(MirrorCode)。
  • GPT-5.6 Sol (max):BenchLeader Index 65.8 → 65.3。
  • GPT-5.6 Sol (max):1 项分数修订。
  • GPT-5.6 Sol (max):1 项分数修订。
  • GPT-5.2 (xhigh):1 项新结果(AA Progress Index v1)。
  • GPT-5.6 Sol (max):2 项新结果(AA Progress Index v1, CritPt v2 hard subset (AA))。
  • GPT-5.6 Sol (max):1 项新结果(AA-Briefcase v1.1)。

排行榜: 综合最佳大模型 · 最适合智能体的大模型 · 便宜好用的大模型

GPT-5.2 vs GPT-5.6 Sol:常见问题

GPT-5.6 Sol 比 GPT-5.2 更好吗?
质量上 GPT-5.6 Sol (max) 领先:65.3 比 59.9。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,GPT-5.6 Sol (max) 总体领先,但请结合你的用途查看各类别得分。
GPT-5.2 和 GPT-5.6 Sol 哪个更便宜?价格会变吗?
目前 GPT-5.2 更便宜:每百万 token $4.81 比 $8.00(按每 1 个输出 token 对应 3 个输入 token 混合计算)。两者均未公布价格调整。
编程用 GPT-5.2 还是 GPT-5.6 Sol 更好?
GPT-5.6 Sol 在编程方面得分更高(类别得分 66 比 63,50 为平均水平)。在两者共同的最主要编程基准测试 LiveCodeBench 上,GPT-5.2 为 85.4%,GPT-5.6 Sol 为 82.6%。
GPT-5.2 和 GPT-5.6 Sol 哪个更快?
GPT-5.6 Sol 输出更快(输出 100 比 76 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 GPT-5.2 还是 GPT-5.6 Sol 更好?
GPT-5.6 Sol 在智能体任务方面得分更高(类别得分 68 比 54,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 Terminal-Bench Hard 上,GPT-5.2 为 47.0%,GPT-5.6 Sol 为 65.9%。
更多问题(4)
处理长文档哪个更好?
两者在长上下文基准测试上持平(66 比 67)。GPT-5.6 Sol 支持更长的上下文:1,050,000 token,GPT-5.2 为 400,000 token。
哪个延迟更低?
GPT-5.6 Sol 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 33.5 秒比 112.5 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
第三方基准测试对 GPT-5.2 和 GPT-5.6 Sol 的看法一致吗?
在两者都有结果的 36 项基准测试中,GPT-5.2 领先 5 项,GPT-5.6 Sol 领先 31 项。所有同时评测两者的综合评分都认为 GPT-5.6 Sol 更强。
GPT-5.6 Sol 是什么时候发布的?
GPT-5.6 Sol 于 2026年7月9日 发布。