BenchLeader

GPT-5.2 vs GPT-6.1 Sol

完整资料:GPT-5.2(OpenAI)和 GPT-6.1 Sol(OpenAI),包括全部基准测试、价格和排名。

更新于 · 数据来自 14 个来源

截至 2026年11月16日,质量上 GPT-6.1 Sol 领先 GPT-5.2(BenchLeader Index 66.6 比 59.9)。GPT-6.1 Sol 更便宜,对方的价格是它的 1.2 倍(每百万 token 混合价格 $4.00 比 $4.81)。在两者都有成绩的所有类别中,GPT-6.1 Sol 均领先。GPT-5.2 输出更快。

要点(截至 2026年11月16日)

  • GPT-5.2 的 BenchLeader Index 为 59.9,GPT-6.1 Sol 为 66.6(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-6.1 Sol 每百万 token 混合价格为 $4.00(标价,2026年11月16日)。
  • GPT-5.2 比 GPT-6.1 Sol 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 21 项基准测试中,GPT-6.1 Sol 领先 20 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-6.1 Sol类别得分 71 比 63;Vibe Code Bench v1.1 88.9% 比 53.5%高
智能体与工具调用GPT-6.1 Sol类别得分 64 比 54高
数学GPT-6.1 Sol类别得分 72 比 57;FrontierMath Tiers 1–3 93.7% 比 67.4%高
推理GPT-6.1 Sol类别得分 71 比 60;GPQA Diamond 95.4% 比 91.4%高
知识GPT-6.1 Sol类别得分 72 比 56;SimpleQA Verified 73.9% 比 37.1%高
长文档均可类别得分 66 比 66;AA-LCR v1.1 82.7% 比 83.0%均可
对话质量(人类偏好)–只有 GPT-6.1 Sol 有 Arena 评分(类别得分 67)无法比较
成本最低GPT-6.1 Sol每百万 token 混合价格 $4.00 比 $4.81;智能体编程会话 $0.160 比 $0.161–
首次回答最快GPT-5.2首个回答 token 112.5 秒(GPT-5.2 (xhigh))比 166.7 秒(GPT-6.1 Sol (max))–
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-6.1 Sol (max) 领先:66.6 比 59.9。
  • GPT-6.1 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-6.1 Sol (max) 更便宜,对方的价格是它的 1.2 倍(每百万 token 混合价格 $4.00 比 $4.81)。
  • GPT-5.2 (xhigh) 的输出速度是对方的 1.5 倍(76 比 50 token/秒)。

概览

规格GPT-5.2GPT-6.1 Sol
提供商OpenAIOpenAI
发布日期2025年12月11日2026年9月29日
上下文窗口(token)400,0001,050,000
对比时的配置GPT-5.2 (xhigh)GPT-6.1 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$2.00 / $10.00 / $0.100

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-6.1 Sol (max)领先者
推理60.471.4GPT-6.1 Sol
编程63.071.1GPT-6.1 Sol
智能体与工具53.864.3GPT-6.1 Sol
数学56.571.6GPT-6.1 Sol
知识56.171.5GPT-6.1 Sol
指令遵循73.7–无法比较
人类偏好–67.1无法比较
多模态–65.6无法比较
长上下文66.066.2持平
综合–67.9无法比较

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, 长上下文: 66.0GPT-6.1 Sol, 推理: 71.4GPT-6.1 Sol, 编程: 71.1GPT-6.1 Sol, 智能体与工具: 64.3GPT-6.1 Sol, 数学: 71.6GPT-6.1 Sol, 知识: 71.5GPT-6.1 Sol, 长上下文: 66.2

未绘制(测得的模型少于两个):指令遵循, 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 21 项基准测试中,GPT-5.2 领先 1 项,GPT-6.1 Sol 领先 20 项。所有同时评测两者的综合评分都认为 GPT-6.1 Sol 更强。

综合 IndexGPT-5.2 (xhigh)GPT-6.1 Sol (max)领先者
BenchLeader Index59.966.6GPT-6.1 Sol
Arena Text1437†1481GPT-6.1 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-6.1 Sol (max)
每百万 token 混合价格$4.81$4.00
每百万 token 输入 / 输出$1.75 / $14.00$2.00 / $10.00
每百万 token 缓存输入$0.175$0.100
每项任务价格:聊天回复$0.0049$0.0038
每项任务价格:总结一份 30 页的报告$0.029$0.030
每项任务价格:代码编辑$0.032$0.027
每项任务价格:智能体编程会话$0.161$0.160
每项任务价格:结构化信息提取$0.0063$0.0060
智能体编程会话(输入大多命中缓存)$0.090$0.074
每项基准测试任务成本(AA Index)–$1.27
每项任务输出 token(AA Index)–68k
其中推理部分–49k
每项任务耗时(AA Index)–23 min
输出速度76 tok/s50 tok/s
首次回答时间112.5 秒166.7 秒
完整回答耗时(最近一次测量 2026年11月13日)154.4 秒429.6 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-6.1 Sol (max) 得分 66.6,首个回答 token 需 167 秒;GPT-6.1 Sol (xhigh) 为 63.6(68 秒),GPT-6.1 Sol (high) 为 63.4(33 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 206 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-6.1 Sol (max)
BenchLeader IndexBenchLeader59.966.6
智能体与工具得分BenchLeader53.864.3
编程得分BenchLeader63.071.1
指令遵循得分BenchLeader73.7–
知识得分BenchLeader56.171.5
长上下文得分BenchLeader66.066.2
数学得分BenchLeader56.571.6
推理得分BenchLeader60.471.4
综合得分BenchLeader–67.9
人类偏好得分BenchLeader–67.1
多模态得分BenchLeader–65.6
混合价格(美元/百万 token)BenchLeader$4.81$4.00
输出速度BenchLeader76 tok/s50 tok/s
首次回答时间BenchLeader112.5 秒166.7 秒
上下文窗口BenchLeader400,000 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub91.4%95.4%
Humanity's Last ExamScale AI / CAIS27.8%†–
SimpleBenchSimpleBench45.8%†82.9%†
Arena Hard PromptsArena (LMArena)1497†1505
LiveBench 2.0 ReasoningLiveBench–92.6%
LiveBench 1.0 ReasoningLiveBench83.2%†92.6%
GPQA Diamond (AA)Artificial Analysis90.3%–
Humanity's Last Exam (AA)Artificial Analysis37.7%52.9%
HLE-Diamond (AA)Artificial Analysis–58.8%
GPQA Diamond (Vals)Vals AI91.7%–
Kagi LLM BenchmarkKagi LLM Benchmark73.3%†–
ARC-AGI-1ARC Prize86.2%96.5%
ARC-AGI-2ARC Prize52.9%94.2%
ARC-AGI-3ARC Prize–96.2%
CritPtArtificial Analysis11.6%31.7%
CritPt v2 hard subset (AA)Artificial Analysis–69.5%
MysteryMechanismVals AI–46.4%
SciPredictScale AI SEAL20.6%†–
Arena ExpertArena (LMArena)1491†1525
Chess PuzzlesEpoch AI Benchmarking Hub48.0%68.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub22.0%†80.0%
CL-benchEpoch AI Benchmarking Hub18.2%†–
LMCAEpoch AI Benchmarking Hub43.9%62.8%
DTBenchEpoch AI Benchmarking Hub90.9%96.5%
ForecastBenchForecastBench63.8%†–
显示全部 206 项基准测试
指标发布方GPT-5.2 (xhigh)GPT-6.1 Sol (max)
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub73.8%†–
SciCodeSciCode–54.2%
WeirdMLWeirdML72.2%–
FrontierCodeCognition–50.2%†
GSO-BenchGSO-Bench27.4%†–
Arena CodingArena (LMArena)1515†1540
Arena WebDevArena (LMArena)1421†1743
LiveBench 2.0 CodingLiveBench–82.1%
LiveBench 1.0 CodingLiveBench76.1%†80.4%
LiveCodeBenchVals AI85.4%–
IOIVals AI–96.9%
SWE-bench (Vals)Vals AI75.8%–
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–65.1%
Code Migration v1.1Vals AI–77.3%
ProgramBenchVals AI–3.0%
SWE-bench MultimodalVals AI–43.5%
Vibe Code Bench v1.1Vals AI53.5%88.9%
SWE-Bench Pro (private)Scale AI SEAL23.8%†–
SWE Atlas v1.1Scale AI SEAL–65.9%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–71.0%†
SWE Atlas v1.1: Test WritingScale AI SEAL–66.7%†
SWE Atlas v1.1: RefactoringScale AI SEAL–60.0%†
SWE-Bench Pro V2Scale AI SEAL–96.1%†
MirrorCodeEpoch AI Benchmarking Hub32.2%61.1%
ALE-BenchEpoch AI Benchmarking Hub1249.8†2743.8
AlgoTuneAlgoTune2.0†–
WeirdML v3WeirdML5.0%38.3%†
Terminal-Bench 4.0 (AA)Artificial Analysis–56.1%
Startrise FrontendStartrise–78.6%†
GameBench 2 OverallDuelLab GameBench 2–84.9†
GameBench 2 by reasoning settingDuelLab GameBench 2–92.0†
Design Arena WebsiteDesign Arena11861315†
FrontierCode 1.1 (AA)Artificial Analysis–49.1%
FrontierCode 2.0 (AA)Artificial Analysis–40.6%
LiveCodeBench (AA)Artificial Analysis88.9%–
智能体与工具
Terminal-BenchTerminal-Bench64.9%†60.9%
GDPvalOpenAI49.7%†–
Remote Labor IndexScale AI / CAIS2.1%†–
APEX-AgentsMercor–60.0%
Arena AgentArena (LMArena)–12.5
LiveBench Long AgenticLiveBench–65.6%
LiveBench BrowserLiveBench–93.3%
LiveBench Agentic CodingLiveBench50.3%†54.5%
Terminal-Bench HardArtificial Analysis47.0%–
τ²-Bench Telecom (AA)Artificial Analysis84.8%–
MCP AtlasScale AI SEAL67.6%–
HiL-BenchScale AI SEAL–62.3%†
BFCL OverallBerkeley Function Calling Leaderboard55.9%†–
τ²-benchτ²-bench84.8%†–
τ³-bench Bankingτ²-bench32.2%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis–54.8%
GDPval-AA v2.1Artificial Analysis–1607
τ³-Banking (AA)Artificial Analysis11.1%†–
Analyst Agent (AA)Artificial Analysis–50.0%
CyberBenchVals AI–39.3%
Finance Agent v2Vals AI–52.0%
Finance Agent v2.1Vals AI–61.8%
Harvey's Legal Agent Benchmark v1.1Vals AI–6.3%
Harvey's Legal Agent Benchmark v1Vals AI–5.4%
Legal Research BenchVals AI–38.5%
Poker AgentVals AI1131.8%†–
Robo-benchVals AI–28.3%
SREBenchVals AI–50.8%
Tax Agent BenchVals AI–21.8%
Terminal-Bench 2.0 (Vals)Vals AI51.7%†–
Terminal-Bench 4.0 (Vals)Vals AI–55.0%
Terminal-Bench ScienceVals AI–52.9%
Arena SearchArena (LMArena)1161†1249
Arena Agent Task CompletionArena (LMArena)–11.7
DeepResearch BenchDeepResearch Bench41.1%†–
PostTrainBenchEpoch AI Benchmarking Hub–38.8%
METR Time HorizonsMETR75.3%†–
Vending-Bench 2Andon Labs3591.3†12860.6†
SpireClimbEpoch AI Benchmarking Hub–23.8%
AutomationBenchArtificial Analysis–64.9%
GDP.pdf (AA)Artificial Analysis–31.0%
Harvey LAB-AA v1.1Harvey–6.9%
AA-Briefcase v1.1Artificial Analysis–1555
GDPxGDPx by SemiAnalysis–8.4%
Design Arena AgenticDesign Arena1065†1375
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–58.1%
MKA (AA)Artificial Analysis–47.7%
FACTS SearchGoogle–92.8%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub67.4%93.7%
FrontierMath Tier 4Epoch AI Benchmarking Hub31.7%100.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub96.1%100.0%
ProofBenchVals AI15.0%99.0%†
LiveBench MathematicsLiveBench93.2%†96.8%
AIME (Vals)Vals AI96.9%–
MGSMVals AI94.0%–
AIME 2026MathArena98.3%†–
HMMT February 2026MathArena97.0%†–
MathArena ApexMathArena13.5%†–
ArXivMathMathArena–92.8%
BrokenArXivMathArena–83.1%
Arena MathsArena (LMArena)1453†1499
FrontierMath ErdősEpoch AI Benchmarking Hub–4.4%
AIME 2025 (AA)Artificial Analysis99.0%–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub37.1%73.9%
LiveBench 2.0 Data AnalysisLiveBench–82.7%
LiveBench ResearchLiveBench–90.0%
LiveBench 1.0 Data AnalysisLiveBench78.2%†82.7%
AA-Omniscience v1.1Artificial Analysis–42.0
MMLU-ProVals AI86.2%–
LegalBenchVals AI82.8%–
CorpFinVals AI65.9%–
TaxEvalVals AI75.8%–
MedQAVals AI94.1%–
PRBench FinanceScale AI SEAL–46.2%†
PRBench LegalScale AI SEAL–47.9%†
MultiNRCScale AI SEAL42.2%†–
BioMysteryBenchVals AI–79.6%
CaseLaw v2Vals AI66.0%–
ClaimBenchVals AI–100.0%
Excel Modeling BenchmarkVals AI–70.8%
Excel Modeling Benchmark v1.1Vals AI–71.1%
MedCodeVals AI49.8%48.8%
MedScribeVals AI84.4%86.5%
Public Benefits Bench v1.1Vals AI–59.3%
Access to Justice BenchmarkVals AI–65.8%
Financial Coaching BenchVals AI–68.5%
Immigration BenchVals AI–67.8%
DrugDiscoveryBenchScale AI SEAL29.3%–
EBR-benchEpoch AI Benchmarking Hub23.0%54.3%
GDP.pdfEpoch AI Benchmarking Hub–35.0%
AA-Omniscience v1.1: accuracyArtificial Analysis–61.8%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–48.1%
Global-MMLU-Lite (AA)Artificial Analysis89.8%†–
HealthBench Professional (AA)OpenAI–65.1%
FACTS ParametricGoogle–83.8%†
指令遵循
LiveBench LanguageLiveBench79.8%†90.1%
LiveBench Instruction FollowingLiveBench61.8%†74.2%
IFBenchArtificial Analysis75.4%–
MultiChallengeScale AI SEAL–82.0%†
TutorBenchScale AI SEAL53.5%†–
Arena Instruction FollowingArena (LMArena)1457†1482
人类偏好
Arena TextArena (LMArena)1476†1481
EQ-Bench 4EQ-Bench–1272†
EQ-Bench Creative Writing v3EQ-Bench1703†–
Arena Creative WritingArena (LMArena)1432†1449
Arena Multi-turnArena (LMArena)1495†1486
Arena Longer QueriesArena (LMArena)1472†1488
多模态
Arena VisionArena (LMArena)1268†1286
LiveBench DesignLiveBench–79.6%
MMMU-ProArtificial Analysis74.6%†86.0%
VISTAScale AI SEAL46.6%†–
MMMU-Pro (Vals)Vals AI86.7%–
MortgageTaxVals AI67.1%–
SAGEVals AI–90.5%
Humanity's Sixth SenseScale AI SEAL–46.6%
VPCTEpoch AI Benchmarking Hub84.0%–
Blueprint-Bench 2Epoch AI Benchmarking Hub–43.2%†
Furniture AssemblyEpoch AI Benchmarking Hub38.3%80.0%
VIALS-AAHandshake AI–59.0%
Code2Video-AAArtificial Analysis–1369
AA-3DArtificial Analysis–1121
FACTS MultimodalGoogle–52.6%†
长上下文
AA-LCR v1.1Artificial Analysis82.7%83.0%
Arena DocumentArena (LMArena)1425†–
MLCRArtificial Analysis–38.3%
FACTS GroundingGoogle–78.0%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub154.5†168.5†
LiveBench 2.0LiveBench–81.4%
LiveBench 1.0LiveBench74.6%†81.6%
AA Intelligence Index v5.0.1Artificial Analysis–54.6
AA Intelligence Index v4.3.2Artificial Analysis30.451.8
AA Progress Index v1Artificial Analysis295.5348.5
Vals IndexVals AI–63.9
Vals Finance IndexVals AI–55.8%
Vals RSI IndexVals AI15.8%26.6%
Vals Science IndexVals AI–59.6%
Vals Router IndexVals AI–63.9%†
Vals Legal IndexVals AI–68.7%
安全与诚实
FORTRESSScale AI SEAL17.5%†–
MASKScale AI SEAL86.7%†–
PropensityBenchScale AI SEAL34.4%†–
DistressBenchScale AI SEAL–74.2%†

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-6.1 Sol (max):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…);1 项分数修订。
  • GPT-5.2 (xhigh):1 项新结果(AIME 2025 (AA))。
  • GPT-6.1 Sol (max):1 项分数修订。
  • GPT-6.1 Sol (max):1 项分数修订。
  • GPT-6.1 Sol (max):1 项新结果(PostTrainBench)。
  • GPT-5.2 (xhigh):1 项新结果(MirrorCode)。
  • GPT-6.1 Sol (max):1 项新结果(MirrorCode);1 项分数修订。
  • GPT-6.1 Sol (max):BenchLeader Index 67.4 → 66.9。
  • GPT-6.1 Sol (max):2 项分数修订。
  • GPT-6.1 Sol (max):3 项分数修订。

排行榜: 综合最佳大模型 · 最适合编程的大模型 · 最适合智能体的大模型 · 便宜好用的大模型

GPT-5.2 vs GPT-6.1 Sol:常见问题

GPT-6.1 Sol 比 GPT-5.2 更好吗?
质量上 GPT-6.1 Sol (max) 领先:66.6 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-6.1 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-6.1 Sol 哪个更便宜?价格会变吗?
目前 GPT-6.1 Sol 更便宜:每百万 token $4.00 比 $4.81(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-6.1 Sol 更好?
GPT-6.1 Sol 在编程方面得分更高(类别得分 71 比 63,50 为平均水平)。
GPT-5.2 和 GPT-6.1 Sol 哪个更快?
GPT-5.2 输出更快(输出 76 比 50 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 GPT-5.2 还是 GPT-6.1 Sol 更好?
GPT-6.1 Sol 在智能体任务方面得分更高(类别得分 64 比 54,50 为平均水平)。
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 66)。GPT-6.1 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-5.2 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 112.5 秒比 166.7 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-6.1 Sol 的看法一致吗?
在两者都有结果的 21 项基准测试中,GPT-5.2 领先 1 项,GPT-6.1 Sol 领先 20 项。所有同时评测两者的综合评分都认为 GPT-6.1 Sol 更强。
GPT-6.1 Sol 是什么时候发布的?
GPT-6.1 Sol 于 2026年9月29日 发布。