BenchLeader

GPT-5.5 vs GPT-6 Sol

完整资料:GPT-5.5(OpenAI)和 GPT-6 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,GPT-5.5 与 GPT-6 Sol 的质量不相上下(BenchLeader Index 64.1 比 62.6,在 ±5.0 的误差范围内)。GPT-6 Sol 更便宜,对方的价格是它的 2.8 倍(每百万 token 混合价格 $4.00 比 $11.25)。看重智能体与工具(62 比 59)、知识(64 比 61)和推理(68 比 66)选 GPT-5.5;看重编程(66 比 61)选 GPT-6 Sol。GPT-6 Sol 的输出更快(约 1.5 倍)。

要点(截至 2026年11月16日)

  • GPT-5.5 的 BenchLeader Index 为 64.1,GPT-6 Sol 为 62.6(BenchLeader,2026年11月16日)。
  • GPT-5.5 每百万 token 混合价格为 $11.25(标价,2026年11月16日)。
  • GPT-6 Sol 每百万 token 混合价格为 $4.00(标价,2026年11月16日)。
  • GPT-6 Sol 比 GPT-5.5 输出更快(约 1.5 倍;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 50 项基准测试中,GPT-6 Sol 领先 32 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,GPT-5.5 的评分为 1512,GPT-6 Sol 为 1673(LMArena,截至 2026年11月16日 的公布数据)。

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 Sol类别得分 66 比 61;Arena WebDev 1673 比 1512中
智能体与工具调用GPT-5.5类别得分 62 比 59;LiveBench Agentic Coding 54.0% 比 52.9%中
数学GPT-5.5类别得分 69 比 68;FrontierMath Tiers 1–3 85.3% 比 89.8%中
推理GPT-5.5类别得分 68 比 66;ARC-AGI-2 85.0% 比 89.6%中
知识GPT-5.5类别得分 64 比 61;SimpleQA Verified 63.0% 比 60.7%中
长文档均可类别得分 67 比 67;AA-LCR v1.1 84.3% 比 83.7%均可
图像及其他媒体GPT-5.5类别得分 62 比 61;MMMU-Pro 79.9% 比 83.0%中
对话质量(人类偏好)–只有 GPT-6 Sol 有 Arena 评分(类别得分 64)无法比较
成本最低GPT-6 Sol每百万 token 混合价格 $4.00 比 $11.25;智能体编程会话 $0.160 比 $0.420–
首次回答最快均可首个回答 token 38.3 秒(GPT-5.5 (xhigh))比 36.9 秒(GPT-6 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-5.5 (xhigh) 与 GPT-6 Sol (max) 的质量不相上下(64.1 比 62.6,在 ±5.0 的误差范围内)。
  • GPT-5.5 (xhigh) 在智能体与工具、知识、长上下文、数学、多模态、推理方面更强。
  • GPT-6 Sol (max) 在编程方面更强。
  • GPT-6 Sol (max) 更便宜,对方的价格是它的 2.8 倍(每百万 token 混合价格 $4.00 比 $11.25)。
  • GPT-6 Sol (max) 的输出速度是对方的 1.6 倍(127 比 81 token/秒)。

概览

规格GPT-5.5GPT-6 Sol
提供商OpenAIOpenAI
发布日期2026年4月23日2026年9月22日
上下文窗口(token)1,050,0001,050,000
对比时的配置GPT-5.5 (xhigh)GPT-6 Sol (max)
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$5.00 / $30.00 / $0.500$2.00 / $10.00 / $0.200

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-5.5 (xhigh)GPT-6 Sol (max)领先者
推理68.166.0GPT-5.5
编程60.766.3GPT-6 Sol
智能体与工具61.858.8GPT-5.5
数学69.368.0GPT-5.5
知识63.660.6GPT-5.5
指令遵循74.0–无法比较
人类偏好–64.2无法比较
多模态62.360.6GPT-5.5
长上下文66.966.6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长上下文多模态GPT-5.5, 推理: 68.1GPT-5.5, 编程: 60.7GPT-5.5, 智能体与工具: 61.8GPT-5.5, 数学: 69.3GPT-5.5, 知识: 63.6GPT-5.5, 长上下文: 66.9GPT-5.5, 多模态: 62.3GPT-6 Sol, 推理: 66.0GPT-6 Sol, 编程: 66.3GPT-6 Sol, 智能体与工具: 58.8GPT-6 Sol, 数学: 68.0GPT-6 Sol, 知识: 60.6GPT-6 Sol, 长上下文: 66.6GPT-6 Sol, 多模态: 60.6

未绘制(测得的模型少于两个):指令遵循, 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 50 项基准测试中,GPT-5.5 领先 17 项,GPT-6 Sol 领先 32 项,1 项持平。所有同时评测两者的综合评分都认为 GPT-5.5 更强。

综合 IndexGPT-5.5 (xhigh)GPT-6 Sol (max)领先者
BenchLeader Index64.162.6不相上下
Arena Text1481†1457GPT-5.5

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-5.5 (xhigh)GPT-6 Sol (max)
每百万 token 混合价格$11.25$4.00
每百万 token 输入 / 输出$5.00 / $30.00$2.00 / $10.00
每百万 token 缓存输入$0.500$0.200
每项任务价格:聊天回复$0.011$0.0038
每项任务价格:总结一份 30 页的报告$0.078$0.030
每项任务价格:代码编辑$0.075$0.027
每项任务价格:智能体编程会话$0.420$0.160
每项任务价格:结构化信息提取$0.016$0.0060
智能体编程会话(输入大多命中缓存)$0.217$0.079
每项基准测试任务成本(AA Index)–$2.47
每项任务输出 token(AA Index)–54k
其中推理部分–35k
每项任务耗时(AA Index)–7 min
输出速度81 tok/s127 tok/s
首次回答时间38.3 秒36.9 秒
完整回答耗时(最近一次测量 2026年11月13日)104.3 秒143.8 秒

每个模型都按其排名最高的推理强度设置进行对比。GPT-5.5 (xhigh) 得分 64.1,首个回答 token 需 38 秒;GPT-5.5 (high) 为 63.5(16 秒),GPT-5.5 为 61.0(3 秒)。GPT-6 Sol (max) 得分 62.6,首个回答 token 需 37 秒;GPT-6 Sol (xhigh) 为 58.4(19 秒),GPT-6 Sol (high) 为 58.1(6 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 167 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-5.5 (xhigh)GPT-6 Sol (max)
BenchLeader IndexBenchLeader64.162.6
智能体与工具得分BenchLeader61.858.8
编程得分BenchLeader60.766.3
指令遵循得分BenchLeader74.0–
知识得分BenchLeader63.660.6
长上下文得分BenchLeader66.966.6
数学得分BenchLeader69.368.0
多模态得分BenchLeader62.360.6
推理得分BenchLeader68.166.0
人类偏好得分BenchLeader–64.2
混合价格(美元/百万 token)BenchLeader$11.25$4.00
输出速度BenchLeader81 tok/s127 tok/s
首次回答时间BenchLeader38.3 秒36.9 秒
上下文窗口BenchLeader1,050,000 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub90.7%†94.3%
SimpleBenchSimpleBench69.0%†73.1%†
Arena Hard PromptsArena (LMArena)1499†1483
LiveBench 1.0 ReasoningLiveBench89.7%88.7%
GPQA Diamond (AA)Artificial Analysis93.5%–
Humanity's Last Exam (AA)Artificial Analysis45.8%47.9%
HLE-Diamond (AA)Artificial Analysis–45.2%
GPQA Diamond (Vals)Vals AI93.2%–
Kagi LLM BenchmarkKagi LLM Benchmark88.8%†–
ARC-AGI-1ARC Prize95.0%95.5%
ARC-AGI-2ARC Prize85.0%89.6%
ARC-AGI-3ARC Prize0.4%†23.0%
CritPtArtificial Analysis27.1%30.9%
CritPt v2 hard subset (AA)Artificial Analysis–66.5%
MysteryMechanismVals AI–30.2%
HLE-Diamond (Scale)Scale AI SEAL–33.8%†
Arena ExpertArena (LMArena)1510†1496
Chess PuzzlesEpoch AI Benchmarking Hub63.0%56.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub56.0%56.0%
CL-bench LifeEpoch AI Benchmarking Hub22.2%†–
LMCAEpoch AI Benchmarking Hub54.3%59.1%
DTBenchEpoch AI Benchmarking Hub96.0%97.3%
ForecastBenchForecastBench64.2%†–
BTF-3Epoch AI Benchmarking Hub14.3%†–
编程
SciCodeSciCode55.8%57.6%
显示全部 167 项基准测试
指标发布方GPT-5.5 (xhigh)GPT-6 Sol (max)
编程
WeirdMLWeirdML84.9%–
FrontierCodeCognition43.0%†49.3%
GSO-BenchGSO-Bench40.2%–
Arena CodingArena (LMArena)1510†1521
Arena WebDevArena (LMArena)15121673
LiveBench 1.0 CodingLiveBench82.2%81.8%
LiveCodeBenchVals AI85.3%–
IOIVals AI–82.6%
SWE-bench (Vals)Vals AI82.6%–
Code MigrationVals AI45.2%57.2%
ProgramBenchVals AI0.5%2.0%
Vibe Code Bench v1.1Vals AI69.8%87.8%
SWE Atlas v1.0: Codebase QnAScale AI SEAL45.4%–
SWE Atlas v1.0: RefactoringScale AI SEAL44.8%–
SWE Atlas v1.0: Test WritingScale AI SEAL42.6%–
MirrorCodeEpoch AI Benchmarking Hub23.3%48.9%
Surface Evolver BenchEpoch AI Benchmarking Hub88.1%†–
DeepSWE v1.1Epoch AI Benchmarking Hub67.0%–
ALE-BenchEpoch AI Benchmarking Hub1943.02462
WeirdML v3WeirdML–19.7%†
Terminal-Bench 4.0 (AA)Artificial Analysis14.7%43.9%
Terminal-Bench 2.1 (AA)Artificial Analysis84.3%–
GameBench 2 OverallDuelLab GameBench 249.2†73.0†
GameBench 2 by reasoning settingDuelLab GameBench 259.979.4†
Design Arena WebsiteDesign Arena1248†1290†
FrontierCode 2.0 (AA)Artificial Analysis–35.6%
智能体与工具
Terminal-BenchTerminal-Bench84.7%†50.3%
OSWorld-Verified 2.0OSWorld13.0%–
Remote Labor IndexScale AI / CAIS6.3%†–
APEX-AgentsMercor55.1%†54.3%
Arena AgentArena (LMArena)–6.9
LiveBench Agentic CodingLiveBench54.0%52.9%
Terminal-Bench HardArtificial Analysis60.6%–
τ²-Bench Telecom (AA)Artificial Analysis93.9%–
Terminal-Bench 2.1 (Vals)Vals AI57.3%†83.2%
MCP AtlasScale AI SEAL75.3%–
HiL-BenchScale AI SEAL39.7%†–
τ³-bench Bankingτ²-bench44.6%–
GDPval-AA v2.1Artificial Analysis13571514
τ³-Banking (AA)Artificial Analysis39.0%–
ITBench SRE (AA)Artificial Analysis45.8%49.4%
Analyst Agent (AA)Artificial Analysis50.0%–
APEX-Agents (AA)Artificial Analysis37.7%–
CyberBenchVals AI–78.0%
Finance Agent v2Vals AI51.8%49.0%
Harvey's Legal Agent Benchmark v1Vals AI3.8%1.7%
Legal Research BenchVals AI40.4%28.9%
SkillsBenchVals AI62.2%–
SREBenchVals AI3.8%30.5%
Tax Agent BenchVals AI21.8%15.0%
Terminal-Bench 2.0 (Vals)Vals AI73.2%†–
Terminal-Bench 4.0 (Vals)Vals AI–44.4%
Terminal-Bench ScienceVals AI–30.0%
Time Horizon Index: KSPVals AI8.3%–
Arena SearchArena (LMArena)1226†1229
Arena Agent Task CompletionArena (LMArena)–4.5
DeepResearch BenchDeepResearch Bench54.0%†–
PostTrainBenchEpoch AI Benchmarking Hub23.9%–
ExploitBenchEpoch AI Benchmarking Hub47.4%†–
GBAEvalEpoch AI Benchmarking Hub53.2%†–
Vending-Bench 2Andon Labs7523.8†14427.9†
SpireClimbEpoch AI Benchmarking Hub–9.2%
AutomationBenchArtificial Analysis47.3%61.6%
GDP.pdf (AA)Artificial Analysis21.2%25.2%
Harvey LAB-AA v1.1Harvey–3.6%
EnterpriseOps-GymArtificial Analysis46.6%–
AA-Briefcase v1.1Artificial Analysis11351476
Design Arena AgenticDesign Arena1113†1218†
RoboDojo (LLM as robot policy)RoboDojo1.1†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–30.0%
CWE-Bench (AA)Artificial Analysis–64.2%
DeepSec-Bench (AA)Artificial Analysis–46.3%
CyberGym end-to-end (AA)Artificial Analysis–0.0%
FACTS SearchGoogle–92.7%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub85.3%89.8%
FrontierMath Tier 4Epoch AI Benchmarking Hub72.5%90.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub84.4%†100.0%
ProofBenchVals AI50.0%83.0%†
LiveBench MathematicsLiveBench95.9%96.4%
AIME 2026MathArena100.0%–
HMMT February 2026MathArena98.5%–
USAMO 2026MathArena98.2%–
MathArena ApexMathArena80.2%–
Arena MathsArena (LMArena)1500†1440
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%1.5%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub63.0%60.7%
LiveBench 1.0 Data AnalysisLiveBench81.6%81.2%
AA-Omniscience v1.1Artificial Analysis–21.4
MMLU-ProVals AI88.1%–
LegalBenchVals AI86.5%–
CorpFinVals AI68.4%–
TaxEvalVals AI75.0%–
PRBench LegalScale AI SEAL–38.6%†
BioMysteryBenchVals AI–74.8%
CaseLaw v2Vals AI66.2%–
Excel Modeling BenchmarkVals AI64.5%71.5%
MedCodeVals AI49.1%47.1%
MedScribeVals AI86.9%82.0%
Public Benefits Bench v1.1Vals AI60.9%56.6%
Financial Coaching BenchVals AI–62.6%
DrugDiscoveryBenchScale AI SEAL51.6%–
EBR-benchEpoch AI Benchmarking Hub34.3%53.3%
GDP.pdfEpoch AI Benchmarking Hub26.0%26.4%
AA-Omniscience v1.1: accuracyArtificial Analysis–51.1%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–39.1%
HealthBench Professional (AA)OpenAI–62.3%
FACTS ParametricGoogle–76.1%†
指令遵循
LiveBench LanguageLiveBench87.4%85.3%
LiveBench Instruction FollowingLiveBench70.7%68.6%
IFBenchArtificial Analysis75.8%–
Arena Instruction FollowingArena (LMArena)1475†1449
人类偏好
Arena TextArena (LMArena)1476†1457
EQ-Bench 4EQ-Bench1295†–
EQ-Bench Creative Writing v3EQ-Bench1845†2126†
Arena Creative WritingArena (LMArena)1448†1428
Arena Multi-turnArena (LMArena)1484†1468
Arena Longer QueriesArena (LMArena)1486†1466
多模态
Arena VisionArena (LMArena)1296†1233
MMMU-ProArtificial Analysis79.9%83.0%
MMMU-Pro (Vals)Vals AI88.3%–
MortgageTaxVals AI68.8%–
Humanity's Sixth SenseScale AI SEAL–31.2%
Blueprint-Bench 2Epoch AI Benchmarking Hub36.2%†36.9%†
Furniture AssemblyEpoch AI Benchmarking Hub44.2%58.3%
Code2Video-AAArtificial Analysis1000–
AA-3DArtificial Analysis–1131
FACTS MultimodalGoogle–43.9%†
长上下文
AA-LCR v1.1Artificial Analysis84.3%83.7%
Arena DocumentArena (LMArena)1479†–
MLCRArtificial Analysis28.9%33.9%
FACTS GroundingGoogle–83.3%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub160.1†163.8†
LiveBench 1.0LiveBench80.2%79.3%
AA Intelligence Index v5.0.1Artificial Analysis–44.2
AA Intelligence Index v4.3.2Artificial Analysis38.447.6
AA Progress Index v1Artificial Analysis320334
Vals RSI IndexVals AI16.5%28.1%
Vals Science IndexVals AI–45.0%
Vals Multimodal IndexVals AI68.1%–
AA Cyber IndexArtificial Analysis–36.8
安全与诚实
FORTRESSScale AI SEAL16.3%13.5%†
DistressBenchScale AI SEAL–68.0%†

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-5.5 (xhigh):1 项新结果(GDPval-AA v2.1)。
  • GPT-6 Sol (max):1 项新结果(GDPval-AA v2.1)。
  • GPT-5.5 (xhigh):BenchLeader Index 64.6 → 64.1。
  • GPT-5.5 (xhigh):1 项分数修订。
  • GPT-5.5 (xhigh):1 项新结果(MirrorCode)。
  • GPT-6 Sol (max):1 项新结果(MirrorCode)。
  • GPT-6 Sol (max):BenchLeader Index 63.5 → 62.9。
  • GPT-6 Sol (max):2 项分数修订。
  • GPT-6 Sol (max):1 项分数修订。
  • GPT-6 Sol (max):1 项分数修订。

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-5.5 vs GPT-6 Sol:常见问题

GPT-5.5 比 GPT-6 Sol 更好吗?
GPT-5.5 (xhigh) 与 GPT-6 Sol (max) 的质量不相上下(64.1 比 62.6,在 ±5.0 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16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-5.5 和 GPT-6 Sol 哪个更便宜?价格会变吗?
目前 GPT-6 Sol 更便宜:每百万 token $4.00 比 $11.25(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-5.5 还是 GPT-6 Sol 更好?
GPT-6 Sol 在编程方面得分更高(类别得分 66 比 61,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,GPT-5.5 为 1512,GPT-6 Sol 为 1673。
GPT-5.5 和 GPT-6 Sol 哪个更快?
GPT-6 Sol 输出更快(约 1.5 倍;输出 127 比 81 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 GPT-5.5 还是 GPT-6 Sol 更好?
GPT-5.5 在智能体任务方面得分更高(类别得分 62 比 59,50 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(67 比 67)。两者都支持 1,050,000 token 的上下文。
哪个延迟更低?
GPT-6 Sol 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 36.9 秒比 38.3 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-5.5 和 GPT-6 Sol 的看法一致吗?
在两者都有结果的 50 项基准测试中,GPT-5.5 领先 17 项,GPT-6 Sol 领先 32 项,1 项持平。所有同时评测两者的综合评分都认为 GPT-5.5 更强。
GPT-6 Sol 是什么时候发布的?
GPT-6 Sol 于 2026年9月22日 发布。