BenchLeader

GPT-5.4 Pro vs GPT-6.2 Sol

完整资料:GPT-5.4 Pro(OpenAI)和 GPT-6.2 Sol(OpenAI),包括全部基准测试、价格和排名。

更新于 · 数据来自 10 个来源

截至 2026年11月19日,GPT-5.4 Pro 与 GPT-6.2 Sol 的质量不相上下(BenchLeader Index 62.9 比 64.6,在 ±4.8 的误差范围内)。GPT-6.2 Sol 更便宜,对方的价格是它的 17 倍(每百万 token 混合价格 $4.00 比 $67.50)。在两者都有成绩的所有类别中,GPT-5.4 Pro 均领先。GPT-6.2 Sol 输出更快(3 倍以上)。

要点(截至 2026年11月19日)

  • GPT-5.4 Pro 的 BenchLeader Index 为 62.9,GPT-6.2 Sol 为 64.6(BenchLeader,2026年11月19日)。
  • GPT-5.4 Pro 每百万 token 混合价格为 $67.50(标价,2026年11月19日)。
  • GPT-6.2 Sol 每百万 token 混合价格为 $4.00(标价,2026年11月19日)。
  • GPT-6.2 Sol 比 GPT-5.4 Pro 输出更快(3 倍以上;Artificial Analysis,7 日中位数,2026年11月19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
推理均可类别得分 70 比 70均可
知识GPT-5.4 Pro类别得分 74 比 65高
成本最低GPT-6.2 Sol每百万 token 混合价格 $4.00 比 $67.50;智能体编程会话 $0.160 比 $2.52–
首次回答最快GPT-5.4 Pro首个回答 token 8.4 秒(GPT-5.4 Pro)比 78.8 秒(GPT-6.2 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

  • GPT-5.4 Pro 与 GPT-6.2 Sol (max) 的质量不相上下(62.9 比 64.6,在 ±4.8 的误差范围内)。
  • GPT-5.4 Pro 在知识、推理方面更强。
  • GPT-6.2 Sol (max) 更便宜,对方的价格是它的 17 倍(每百万 token 混合价格 $4.00 比 $67.50)。
  • GPT-6.2 Sol (max) 的输出速度是对方的 10.9 倍(74 比 7 token/秒)。

概览

规格GPT-5.4 ProGPT-6.2 Sol
提供商OpenAIOpenAI
发布日期2026年3月4日2026年11月17日
上下文窗口(token)1,050,0001,050,000
对比时的配置GPT-5.4 ProGPT-6.2 Sol (max)
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$30.00 / $180.00 / –$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-5.4 ProGPT-6.2 Sol (max)领先者
推理70.270.1持平
编程–74.5无法比较
智能体与工具–65.1无法比较
知识74.065.4GPT-5.4 Pro
指令遵循63.3–无法比较
多模态69.8–无法比较
综合–64.5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知识指令遵循多模态GPT-5.4 Pro, 推理: 70.2GPT-5.4 Pro, 知识: 74.0GPT-5.4 Pro, 指令遵循: 63.3GPT-5.4 Pro, 多模态: 69.8GPT-6.2 Sol, 推理: 70.1GPT-6.2 Sol, 编程: 74.5GPT-6.2 Sol, 智能体与工具: 65.1GPT-6.2 Sol, 知识: 65.4

虚线:该模型在所经过的轴上没有结果,线条只连接相邻的点。

未绘制(这些模型没有结果):数学, 长上下文, 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 0 项基准测试中,GPT-5.4 Pro 领先 0 项,GPT-6.2 Sol 领先 0 项。

综合 IndexGPT-5.4 ProGPT-6.2 Sol (max)领先者
BenchLeader Index62.964.6不相上下

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-5.4 ProGPT-6.2 Sol (max)
每百万 token 混合价格$67.50$4.00
每百万 token 输入 / 输出$30.00 / $180.00$2.00 / $10.00
每百万 token 缓存输入–$0.100
每项任务价格:聊天回复$0.066$0.0038
每项任务价格:总结一份 30 页的报告$0.468$0.030
每项任务价格:代码编辑$0.450$0.027
每项任务价格:智能体编程会话$2.52$0.160
每项任务价格:结构化信息提取$0.096$0.0060
智能体编程会话(输入大多命中缓存)–$0.074
每项基准测试任务成本(AA Index)–$1.01
每项任务输出 token(AA Index)–40k
其中推理部分–23k
每项任务耗时(AA Index)–9 min
输出速度7 tok/s74 tok/s
首次回答时间8.4 秒78.8 秒

每个模型都按其排名最高的推理强度设置进行对比。GPT-5.4 Pro 得分 62.9,首个回答 token 需 8 秒;GPT-5.4 Pro (xhigh) 为 59.1(8 秒)。GPT-6.2 Sol (max) 得分 64.6,首个回答 token 需 79 秒;GPT-6.2 Sol (xhigh) 为 63.3(32 秒),GPT-6.2 Sol (high) 为 62.3(12 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 79 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-5.4 ProGPT-6.2 Sol (max)
BenchLeader IndexBenchLeader62.964.6
指令遵循得分BenchLeader63.3–
知识得分BenchLeader74.065.4
多模态得分BenchLeader69.8–
推理得分BenchLeader70.270.1
智能体与工具得分BenchLeader–65.1
编程得分BenchLeader–74.5
综合得分BenchLeader–64.5
混合价格(美元/百万 token)BenchLeader$67.50$4.00
输出速度BenchLeader7 tok/s74 tok/s
首次回答时间BenchLeader8.4 秒78.8 秒
上下文窗口BenchLeader1,050,000 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub94.6%†–
Humanity's Last ExamScale AI / CAIS44.3%–
SimpleBenchSimpleBench74.1%–
LiveBench 2.0 ReasoningLiveBench–90.6%
HLE-Diamond (AA)Artificial Analysis–64.0%
Kagi LLM BenchmarkKagi LLM Benchmark–67.0%†
ARC-AGI-1ARC Prize94.5%†97.5%
ARC-AGI-2ARC Prize83.3%†85.8%
ARC-AGI-3ARC Prize–98.2%
CritPtArtificial Analysis30.0%†–
CritPt v2 hard subset (AA)Artificial Analysis–62.5%
MysteryMechanismVals AI–36.9%
HLE-Diamond (Scale)Scale AI SEAL–56.5%†
Chess PuzzlesEpoch AI Benchmarking Hub59.0%†–
编程
WeirdMLWeirdML57.4%†–
Arena WebDevArena (LMArena)–1757
LiveBench 2.0 CodingLiveBench–83.7%
Vibe Code Bench v1.1Vals AI–87.6%
Vibe Code Bench 1-100 v1.1Vals AI–40.9%
SWE Atlas v1.1Scale AI SEAL–60.5%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–61.3%†
SWE Atlas v1.1: Test WritingScale AI SEAL–64.4%†
SWE Atlas v1.1: RefactoringScale AI SEAL–55.7%†
Terminal-Bench 4.0 (AA)Artificial Analysis–60.1%
FrontierCode 2.0 (AA)Artificial Analysis–44.4%
显示全部 79 项基准测试
指标发布方GPT-5.4 ProGPT-6.2 Sol (max)
智能体与工具
Terminal-BenchTerminal-Bench–61.5%
Arena AgentArena (LMArena)–11.3
LiveBench Long AgenticLiveBench–63.6%
LiveBench BrowserLiveBench–88.2%
Analyst Agent (AA)Artificial Analysis–53.8%
Finance Agent v2.1Vals AI–58.9%
Harvey's Legal Agent Benchmark v1.1Vals AI–12.1%
Legal Research BenchVals AI–37.0%
Tax Agent BenchVals AI–24.8%
Terminal-Bench 4.0 (Vals)Vals AI–60.6%
Terminal-Bench ScienceVals AI–58.6%
Arena Agent Task CompletionArena (LMArena)–10.9
AutomationBenchArtificial Analysis–71.3%
GDP.pdf (AA)Artificial Analysis–30.0%
Harvey LAB-AA v1.1Harvey–11.1%
EnterpriseOps-GymArtificial Analysis–28.9%
AA-Briefcase v1.1Artificial Analysis–1612
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–67.6%
CWE-Bench (AA)Artificial Analysis–61.7%
DeepSec-Bench (AA)Artificial Analysis–51.6%
CyberGym end-to-end (AA)Artificial Analysis–0.0%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub82.5%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub58.5%†–
MathArena ApexMathArena69.8%†–
Autoform-HardVals AI–85.7%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub46.3%†–
LiveBench 2.0 Data AnalysisLiveBench–81.1%
LiveBench ResearchLiveBench–90.1%
AA-Omniscience v1.1Artificial Analysis–40.4
PRBench LegalScale AI SEAL–43.3%†
MultiNRCScale AI SEAL62.3%–
BioMysteryBenchVals AI–77.8%
Excel Modeling Benchmark v1.1Vals AI–74.3%
DrugDiscoveryBenchScale AI SEAL–62.2%†
AA-Omniscience v1.1: accuracyArtificial Analysis–61.6%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–44.6%
指令遵循
MultiChallengeScale AI SEAL69.2%72.0%†
TutorBenchScale AI SEAL56.6%–
多模态
LiveBench DesignLiveBench–80.0%
VISTAScale AI SEAL53.9%–
Humanity's Sixth SenseScale AI SEAL–56.8%†
VIALS-AAHandshake AI–62.7%
AA-3DArtificial Analysis–1259
长上下文
MLCRArtificial Analysis–37.2%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub160.3–
LiveBench 2.0LiveBench–80.3%
AA Intelligence Index v5.0.1Artificial Analysis–57.3
Vals IndexVals AI–66.1
Vals Finance IndexVals AI–56.7%
Vals Science IndexVals AI–57.8%
Vals Legal IndexVals AI–66.7%
AA Cyber IndexArtificial Analysis–37.8
安全与诚实
FORTRESSScale AI SEAL14.8%–
MASKScale AI SEAL91.7%–

数据截至 2026年11月19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。

变化

  • GPT-6.2 Sol (max):BenchLeader Index 63.2 → 64.6。
  • GPT-6.2 Sol (max):4 项新结果(VIALS-AA, Arena WebDev, Arena Agent…)。
  • GPT-6.2 Sol (max):BenchLeader Index 62.4 → 63.2。
  • GPT-6.2 Sol (max):2 项新结果(Vibe Code Bench 1-100 v1.1, Terminal-Bench)。
  • GPT-5.4 Pro:BenchLeader Index 63.6 → 63.1。
  • GPT-5.4 Pro:1 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-5.4 Pro vs GPT-6.2 Sol:常见问题

GPT-5.4 Pro 比 GPT-6.2 Sol 更好吗?
GPT-5.4 Pro 与 GPT-6.2 Sol (max) 的质量不相上下(62.9 比 64.6,在 ±4.8 的误差范围内)。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月19日,两者差距在误差范围内,请结合你的用途查看各类别得分。
GPT-5.4 Pro 和 GPT-6.2 Sol 哪个更便宜?价格会变吗?
目前 GPT-6.2 Sol 更便宜:每百万 token $4.00 比 $67.50(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。
GPT-5.4 Pro 和 GPT-6.2 Sol 哪个更快?
GPT-6.2 Sol 输出更快(3 倍以上;输出 74 比 7 token/秒,Artificial Analysis 7 日中位数)。
处理长文档哪个更好?
两者都支持 1,050,000 token 的上下文。
哪个延迟更低?
GPT-5.4 Pro 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 8.4 秒比 78.8 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
更多问题(1)
GPT-6.2 Sol 是什么时候发布的?
GPT-6.2 Sol 于 2026年11月17日 发布。