BenchLeader

GPT-5.6 Sol vs GPT-6.1 Terra

完整资料:GPT-5.6 Sol(OpenAI)和 GPT-6.1 Terra(OpenAI),包括全部基准测试、价格和排名。

更新于 · 数据来自 12 个来源

截至 2026年11月16日,GPT-5.6 Sol 与 GPT-6.1 Terra 的质量不相上下(BenchLeader Index 65.3 比 64.1,在 ±3.8 的误差范围内)。GPT-6.1 Terra 更便宜,对方的价格是它的 4.0 倍(每百万 token 混合价格 $2.00 比 $8.00)。看重智能体与工具(68 比 63)和知识(64 比 61)选 GPT-5.6 Sol;看重推理(68 比 65)、编程(69 比 66)和数学(72 比 70)选 GPT-6.1 Terra。GPT-5.6 Sol 的首次回答更快(33.5 秒 比 150.9 秒)。GPT-5.6 Sol 的输出更快。

要点(截至 2026年11月16日)

  • GPT-5.6 Sol 的 BenchLeader Index 为 65.3,GPT-6.1 Terra 为 64.1(BenchLeader,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-6.1 Terra 每百万 token 混合价格为 $2.00(标价,2026年11月16日)。
  • GPT-5.6 Sol 比 GPT-6.1 Terra 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 28 项基准测试中,GPT-6.1 Terra 领先 18 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 Terra类别得分 69 比 66;SciCode 55.1% 比 57.1%中
智能体与工具调用GPT-5.6 Sol类别得分 68 比 63;Terminal-Bench 38.5% 比 53.3%中
数学GPT-6.1 Terra类别得分 72 比 70;FrontierMath Tiers 1–3 90.9% 比 89.1%中
推理GPT-6.1 Terra类别得分 68 比 65;GPQA Diamond 94.3% 比 93.5%中
知识GPT-5.6 Sol类别得分 64 比 61;SimpleQA Verified 69.7% 比 57.3%中
长文档均可类别得分 67 比 66;AA-LCR v1.1 84.0% 比 82.7%均可
图像及其他媒体GPT-6.1 Terra类别得分 67 比 66;MMMU-Pro 84.7% 比 83.4%中
成本最低GPT-6.1 Terra每百万 token 混合价格 $2.00 比 $8.00;智能体编程会话 $0.080 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 150.9 秒(GPT-6.1 Terra (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-5.6 Sol (max) 与 GPT-6.1 Terra (max) 的质量不相上下(65.3 比 64.1,在 ±3.8 的误差范围内)。
  • GPT-5.6 Sol (max) 在智能体与工具、知识、长上下文方面更强。
  • GPT-6.1 Terra (max) 在编程、数学、多模态、推理方面更强。
  • GPT-6.1 Terra (max) 更便宜,对方的价格是它的 4.0 倍(每百万 token 混合价格 $2.00 比 $8.00)。
  • GPT-5.6 Sol (max) 的输出速度是对方的 1.4 倍(100 比 72 token/秒)。

概览

规格GPT-5.6 SolGPT-6.1 Terra
提供商OpenAIOpenAI
发布日期2026年7月9日2026年10月26日
上下文窗口(token)1,050,0001,050,000
对比时的配置GPT-5.6 Sol (max)GPT-6.1 Terra (max)
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$4.00 / $20.00 / $0.400$1.00 / $5.00 / $0.050

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-5.6 Sol (max)GPT-6.1 Terra (max)领先者
推理64.768.4GPT-6.1 Terra
编程65.869.3GPT-6.1 Terra
智能体与工具67.563.4GPT-5.6 Sol
数学70.071.7GPT-6.1 Terra
知识63.861.4GPT-5.6 Sol
指令遵循71.2–无法比较
多模态65.967.2GPT-6.1 Terra
长上下文66.766.0持平
综合–65.0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多模态GPT-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, 长上下文: 66.7GPT-5.6 Sol, 多模态: 65.9GPT-6.1 Terra, 推理: 68.4GPT-6.1 Terra, 编程: 69.3GPT-6.1 Terra, 智能体与工具: 63.4GPT-6.1 Terra, 数学: 71.7GPT-6.1 Terra, 知识: 61.4GPT-6.1 Terra, 长上下文: 66.0GPT-6.1 Terra, 多模态: 67.2

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 28 项基准测试中,GPT-5.6 Sol 领先 9 项,GPT-6.1 Terra 领先 18 项,1 项持平。

综合 IndexGPT-5.6 Sol (max)GPT-6.1 Terra (max)领先者
BenchLeader Index65.364.1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-5.6 Sol (max)GPT-6.1 Terra (max)
每百万 token 混合价格$8.00$2.00
每百万 token 输入 / 输出$4.00 / $20.00$1.00 / $5.00
每百万 token 缓存输入$0.400$0.050
每项任务价格:聊天回复$0.0076$0.0019
每项任务价格:总结一份 30 页的报告$0.060$0.015
每项任务价格:代码编辑$0.054$0.013
每项任务价格:智能体编程会话$0.320$0.080
每项任务价格:结构化信息提取$0.012$0.0030
智能体编程会话(输入大多命中缓存)$0.158$0.037
每项基准测试任务成本(AA Index)–$0.961
每项任务输出 token(AA Index)–60k
其中推理部分–39k
每项任务耗时(AA Index)–14 min
输出速度100 tok/s72 tok/s
首次回答时间33.5 秒150.9 秒
完整回答耗时(最近一次测量 2026年11月13日)157.3 秒375.7 秒

每个模型都按其排名最高的推理强度设置进行对比。GPT-5.6 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)。GPT-6.1 Terra (max) 得分 64.1,首个回答 token 需 151 秒;GPT-6.1 Terra (xhigh) 为 60.0(30 秒),GPT-6.1 Terra (high) 为 59.6(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 180 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-5.6 Sol (max)GPT-6.1 Terra (max)
BenchLeader IndexBenchLeader65.364.1
智能体与工具得分BenchLeader67.563.4
编程得分BenchLeader65.869.3
指令遵循得分BenchLeader71.2–
知识得分BenchLeader63.861.4
长上下文得分BenchLeader66.766.0
数学得分BenchLeader70.071.7
多模态得分BenchLeader65.967.2
推理得分BenchLeader64.768.4
综合得分BenchLeader–65.0
混合价格(美元/百万 token)BenchLeader$8.00$2.00
输出速度BenchLeader100 tok/s72 tok/s
首次回答时间BenchLeader33.5 秒150.9 秒
上下文窗口BenchLeader1,050,000 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub93.5%94.3%
SimpleBenchSimpleBench64.8%†72.2%†
Arena Hard PromptsArena (LMArena)1511†–
LiveBench 2.0 ReasoningLiveBench–88.7%
LiveBench 1.0 ReasoningLiveBench91.7%–
GPQA Diamond (AA)Artificial Analysis94.1%–
Humanity's Last Exam (AA)Artificial Analysis49.5%46.3%
HLE-Diamond (AA)Artificial Analysis–47.3%
GPQA Diamond (Vals)Vals AI95.2%–
EnigmaEvalScale AI SEAL37.1%†–
Kagi LLM BenchmarkKagi LLM Benchmark67.0%†–
ARC-AGI-1ARC Prize96.5%–
ARC-AGI-2ARC Prize92.5%–
ARC-AGI-3ARC Prize7.8%–
CritPtArtificial Analysis32.3%28.0%
CritPt v2 hard subset (AA)Artificial Analysis60.0%68.0%
MysteryMechanismVals AI33.3%–
HLE-Diamond (Scale)Scale AI SEAL31.2%†35.7%†
Arena ExpertArena (LMArena)1532†–
Chess PuzzlesEpoch AI Benchmarking Hub59.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub58.0%74.0%
LMCAEpoch AI Benchmarking Hub58.4%–
DTBenchEpoch AI Benchmarking Hub95.5%–
ForecastBenchForecastBench65.7%–
BTF-3Epoch AI Benchmarking Hub13.7%–
显示全部 180 项基准测试
指标发布方GPT-5.6 Sol (max)GPT-6.1 Terra (max)
编程
SciCodeSciCode57.1%55.1%
WeirdMLWeirdML87.0%–
FrontierCodeCognition47.5%†–
GSO-BenchGSO-Bench76.5%†–
Arena CodingArena (LMArena)1533†–
Arena WebDevArena (LMArena)1615†1678
LiveBench 2.0 CodingLiveBench–89.2%
LiveBench 1.0 CodingLiveBench83.9%–
LiveCodeBenchVals AI82.6%–
IOIVals AI91.2%–
SWE-bench (Vals)Vals AI96.2%–
Code MigrationVals AI52.9%–
ProgramBenchVals AI1.5%–
Vibe Code Bench 1-100Vals AI20.0%–
Vibe Code Bench v1.1Vals AI80.5%84.0%
SWE Atlas v1.0: Codebase QnAScale AI SEAL46.0%†–
SWE Atlas v1.0: Test WritingScale AI SEAL45.9%†–
SWE Atlas v1.1Scale AI SEAL–57.7%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–54.0%†
SWE Atlas v1.1: Test WritingScale AI SEAL–63.3%†
SWE Atlas v1.1: RefactoringScale AI SEAL–55.7%†
SWE-Bench Pro V2Scale AI SEAL95.5%†–
SWE-Bench Pro V2 HARDScale AI SEAL82.4%†–
MirrorCodeEpoch AI Benchmarking Hub20.0%†76.7%
Surface Evolver BenchEpoch AI Benchmarking Hub93.1%†–
DeepSWE v1.1Epoch AI Benchmarking Hub72.7%–
CursorBenchCursor41.7%–
ALE-BenchEpoch AI Benchmarking Hub2176.92608.8
FrontierSWEEpoch AI Benchmarking Hub32.2%–
WeirdML v3WeirdML15.0%†28.1%†
Terminal-Bench 4.0 (AA)Artificial Analysis39.9%55.6%
Terminal-Bench 2.1 (AA)Artificial Analysis88.0%–
Startrise FrontendStartrise66.2%†–
GameBench 2 OverallDuelLab GameBench 267.0†81.2†
GameBench 2 by reasoning settingDuelLab GameBench 280.0†85.8†
Design Arena WebsiteDesign Arena1319†1286†
FrontierCode 1.1 (AA)Artificial Analysis–36.0%
FrontierCode 2.0 (AA)Artificial Analysis–42.3%
智能体与工具
Terminal-BenchTerminal-Bench38.5%53.3%
OSWorld-Verified 2.0OSWorld27.3%–
APEX-AgentsMercor51.4%†68.3%
Arena AgentArena (LMArena)4.6†12
LiveBench Long AgenticLiveBench–56.2%
LiveBench BrowserLiveBench–93.1%
LiveBench Agentic CodingLiveBench56.2%–
Terminal-Bench HardArtificial Analysis65.9%–
τ²-Bench Telecom (AA)Artificial Analysis85.1%–
Terminal-Bench 2.1 (Vals)Vals AI85.8%–
HiL-BenchScale AI SEAL32.3%†68.0%†
τ³-bench Bankingτ²-bench46.9%†–
GDPval-AA v2.1Artificial Analysis16191476
τ³-Banking (AA)Artificial Analysis44.3%–
ITBench SRE (AA)Artificial Analysis56.2%–
Analyst Agent (AA)Artificial Analysis47.5%–
CUA-benchVals AI8.3%–
CyberBenchVals AI76.3%–
Finance Agent v2Vals AI53.8%–
Finance Agent v2.1Vals AI–56.0%
Harvey's Legal Agent Benchmark v1.1Vals AI–1.7%
Harvey's Legal Agent Benchmark v1Vals AI2.5%–
Legal Research BenchVals AI48.1%26.0%
SkillsBenchVals AI54.1%–
SREBenchVals AI30.5%–
Tax Agent BenchVals AI31.1%17.1%
Terminal-Bench 4.0 (Vals)Vals AI37.9%49.5%
Terminal-Bench ScienceVals AI20.0%–
Time Horizon Index: KSPVals AI23.8%–
Web Search IndexVals AI43.6%–
Arena SearchArena (LMArena)1255†–
Arena Agent Task CompletionArena (LMArena)2.3†9.7
BALROGBALROG60.0%–
PostTrainBenchEpoch AI Benchmarking Hub31.0%–
GBAEvalEpoch AI Benchmarking Hub52.6%†–
Vending-Bench 2Andon Labs9619.4†9107.5†
SpireClimbEpoch AI Benchmarking Hub–22.3%
AutomationBenchArtificial Analysis60.1%60.2%
GDP.pdf (AA)Artificial Analysis27.2%28.6%
EnterpriseOps-GymArtificial Analysis42.9%–
AA-Briefcase v1.1Artificial Analysis14791401
GDPxGDPx by SemiAnalysis–8.5%
Design Arena AgenticDesign Arena1238†1192†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis22.4%57.6%
MKA (AA)Artificial Analysis–43.8%
FACTS SearchGoogle92.9%†92.7%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub89.1%90.9%
FrontierMath Tier 4Epoch AI Benchmarking Hub82.9%92.7%
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%100.0%
ProofBenchVals AI83.0%–
LiveBench MathematicsLiveBench96.2%–
Arena MathsArena (LMArena)1494†–
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub69.7%57.3%
LiveBench 2.0 Data AnalysisLiveBench–82.3%
LiveBench ResearchLiveBench–79.1%
LiveBench 1.0 Data AnalysisLiveBench79.8%–
AA-Omniscience v1.1Artificial Analysis–29.6
MMLU-ProVals AI89.1%–
LegalBenchVals AI87.0%–
CorpFinVals AI64.4%–
TaxEvalVals AI74.8%–
PRBench FinanceScale AI SEAL50.5%–
PRBench LegalScale AI SEAL50.5%–
BioMysteryBenchVals AI71.1%–
Excel Modeling BenchmarkVals AI72.3%–
Excel Modeling Benchmark v1.1Vals AI–73.3%
MedCodeVals AI44.0%–
MedScribeVals AI85.2%–
Public Benefits Bench v1.1Vals AI66.5%–
Financial Coaching BenchVals AI74.9%–
DrugDiscoveryBenchScale AI SEAL56.5%–
EBR-benchEpoch AI Benchmarking Hub44.8%78.1%
GDP.pdfEpoch AI Benchmarking Hub30.7%–
AA-Omniscience v1.1: accuracyArtificial Analysis–47.6%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–65.5%
FACTS ParametricGoogle81.1%†70.8%†
指令遵循
LiveBench LanguageLiveBench87.7%–
LiveBench Instruction FollowingLiveBench71.8%–
IFBenchArtificial Analysis72.7%–
MultiChallengeScale AI SEAL–74.2%†
Arena Instruction FollowingArena (LMArena)1490†–
人类偏好
Arena TextArena (LMArena)1485†–
EQ-Bench 4EQ-Bench1236†–
EQ-Bench Creative Writing v3EQ-Bench1974†–
Arena Creative WritingArena (LMArena)1471†–
Arena Multi-turnArena (LMArena)1491†–
Arena Longer QueriesArena (LMArena)1498†–
多模态
Arena VisionArena (LMArena)1282†–
LiveBench DesignLiveBench–79.7%
MMMU-ProArtificial Analysis83.4%84.7%
MMMU-Pro (Vals)Vals AI88.8%–
MortgageTaxVals AI67.3%–
Humanity's Sixth SenseScale AI SEAL30.0%–
GeoBenchGeoBench73.0%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub33.6%†42.1%†
Furniture AssemblyEpoch AI Benchmarking Hub56.7%79.2%
VIALS-AAHandshake AI–60.3%
FACTS MultimodalGoogle46.4%†48.8%†
长上下文
AA-LCR v1.1Artificial Analysis84.0%82.7%
Arena DocumentArena (LMArena)1487†–
MLCRArtificial Analysis30.0%30.6%
FACTS GroundingGoogle61.9%†84.2%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub163.0†167.7†
LiveBench 2.0LiveBench–78.8%
LiveBench 1.0LiveBench81.0%–
AA Intelligence Index v5.0.1Artificial Analysis–51.3
AA Intelligence Index v4.3.2Artificial Analysis47.048.1
AA Progress Index v1Artificial Analysis331.5345.2
Vals IndexVals AI–60.5
Vals Finance IndexVals AI–53.3%
Vals RSI IndexVals AI23.9%–
Vals Science IndexVals AI41.5%–
Vals Multimodal IndexVals AI72.6%–
Vals Legal IndexVals AI–58.8%
安全与诚实
FORTRESSScale AI SEAL20.1%†18.2%†
DistressBenchScale AI SEAL73.6%†65.9%†

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 Terra (max):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • GPT-5.6 Sol (max):1 项新结果(GDPval-AA v2.1)。
  • GPT-6.1 Terra (max):BenchLeader Index 64.7 → 64.1。
  • GPT-6.1 Terra (max):1 项新结果(Terminal-Bench)。
  • GPT-5.6 Sol (max):1 项分数修订。
  • GPT-6.1 Terra (max):BenchLeader Index 65.2 → 64.7。
  • GPT-6.1 Terra (max):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-6.1 Terra (max):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-5.6 Sol vs GPT-6.1 Terra:常见问题

GPT-5.6 Sol 比 GPT-6.1 Terra 更好吗?
GPT-5.6 Sol (max) 与 GPT-6.1 Terra (max) 的质量不相上下(65.3 比 64.1,在 ±3.8 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-5.6 Sol 和 GPT-6.1 Terra 哪个更便宜?价格会变吗?
目前 GPT-6.1 Terra 更便宜:每百万 token $2.00 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-5.6 Sol 还是 GPT-6.1 Terra 更好?
GPT-6.1 Terra 在编程方面得分更高(类别得分 69 比 66,50 为平均水平)。在两者共同的最主要编程基准测试 SciCode 上,GPT-5.6 Sol 为 57.1%,GPT-6.1 Terra 为 55.1%。
GPT-5.6 Sol 和 GPT-6.1 Terra 哪个更快?
GPT-5.6 Sol 输出更快(输出 100 比 72 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 GPT-5.6 Sol 还是 GPT-6.1 Terra 更好?
GPT-5.6 Sol 在智能体任务方面得分更高(类别得分 68 比 63,50 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 上,GPT-5.6 Sol 为 38.5%,GPT-6.1 Terra 为 53.3%。
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 66)。两者都支持 1,050,000 token 的上下文。
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 150.9 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-5.6 Sol 和 GPT-6.1 Terra 的看法一致吗?
在两者都有结果的 28 项基准测试中,GPT-5.6 Sol 领先 9 项,GPT-6.1 Terra 领先 18 项,1 项持平。
GPT-6.1 Terra 是什么时候发布的?
GPT-6.1 Terra 于 2026年10月26日 发布。