BenchLeader

GPT-5.6 Sol vs GPT-6.2 Sol

完整资料:GPT-5.6 Sol(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 11 个来源

截至 2026年11月19日,GPT-5.6 Sol 与 GPT-6.2 Sol 的质量不相上下(BenchLeader Index 65.1 比 64.6,在 ±4.5 的误差范围内)。GPT-6.2 Sol 更便宜,对方的价格是它的 2.0 倍(每百万 token 混合价格 $4.00 比 $8.00)。看重智能体与工具(67 比 65)选 GPT-5.6 Sol;看重编程(75 比 66)、推理(70 比 64)和知识(65 比 63)选 GPT-6.2 Sol。GPT-5.6 Sol 的首次回答更快(42.3 秒 比 78.8 秒)。

要点(截至 2026年11月19日)

  • GPT-5.6 Sol 的 BenchLeader Index 为 65.1,GPT-6.2 Sol 为 64.6(BenchLeader,2026年11月19日)。
  • GPT-5.6 Sol 每百万 token 混合价格为 $8.00(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)。
  • 在两者都有结果的 21 项基准测试中,GPT-6.2 Sol 领先 17 项(BenchLeader,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
编程GPT-6.2 Sol类别得分 75 比 66;Vibe Code Bench v1.1 87.6% 比 80.5%高
智能体与工具调用GPT-5.6 Sol类别得分 67 比 65;Terminal-Bench 38.5% 比 61.5%中
推理GPT-6.2 Sol类别得分 70 比 64;CritPt v2 hard subset (AA) 62.5% 比 60.0%中
知识GPT-6.2 Sol类别得分 65 比 63;BioMysteryBench 77.8% 比 71.1%中
成本最低GPT-6.2 Sol每百万 token 混合价格 $4.00 比 $8.00;智能体编程会话 $0.160 比 $0.320–
首次回答最快GPT-5.6 Sol首个回答 token 42.3 秒(GPT-5.6 Sol (max))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-5.6 Sol (max) 与 GPT-6.2 Sol (max) 的质量不相上下(65.1 比 64.6,在 ±4.5 的误差范围内)。
  • GPT-5.6 Sol (max) 在智能体与工具方面更强。
  • GPT-6.2 Sol (max) 在编程、知识、推理方面更强。
  • GPT-6.2 Sol (max) 更便宜,对方的价格是它的 2.0 倍(每百万 token 混合价格 $4.00 比 $8.00)。

概览

规格GPT-5.6 SolGPT-6.2 Sol
提供商OpenAIOpenAI
发布日期2026年7月9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-5.6 Sol (max)GPT-6.2 Sol (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$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-5.6 Sol (max)GPT-6.2 Sol (max)领先者
推理63.970.1GPT-6.2 Sol
编程65.874.5GPT-6.2 Sol
智能体与工具67.465.1GPT-5.6 Sol
数学69.6–无法比较
知识63.365.4GPT-6.2 Sol
指令遵循71.2–无法比较
多模态65.5–无法比较
长上下文66.7–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GPT-5.6 Sol, 推理: 63.9GPT-5.6 Sol, 编程: 65.8GPT-5.6 Sol, 智能体与工具: 67.4GPT-5.6 Sol, 知识: 63.3GPT-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

未绘制(测得的模型少于两个):数学, 指令遵循, 长上下文, 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-5.6 Sol 领先 4 项,GPT-6.2 Sol 领先 17 项。

综合 IndexGPT-5.6 Sol (max)GPT-6.2 Sol (max)领先者
BenchLeader Index65.164.6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-5.6 Sol (max)GPT-6.2 Sol (max)
每百万 token 混合价格$8.00$4.00
每百万 token 输入 / 输出$4.00 / $20.00$2.00 / $10.00
每百万 token 缓存输入$0.400$0.100
每项任务价格:聊天回复$0.0076$0.0038
每项任务价格:总结一份 30 页的报告$0.060$0.030
每项任务价格:代码编辑$0.054$0.027
每项任务价格:智能体编程会话$0.320$0.160
每项任务价格:结构化信息提取$0.012$0.0060
智能体编程会话(输入大多命中缓存)$0.158$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94 tok/s74 tok/s
首次回答时间42.3 秒78.8 秒
完整回答耗时(最近一次测量 2026年11月13日)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-5.6 Sol (max) 得分 65.1,首个回答 token 需 42 秒;GPT-5.6 Sol (xhigh) 为 63.7(18 秒),GPT-5.6 Sol (high) 为 63.3(11 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 183 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-6.2 Sol (max)
BenchLeader IndexBenchLeader65.164.6
智能体与工具得分BenchLeader67.465.1
编程得分BenchLeader65.874.5
指令遵循得分BenchLeader71.2–
知识得分BenchLeader63.365.4
长上下文得分BenchLeader66.7–
数学得分BenchLeader69.6–
多模态得分BenchLeader65.5–
推理得分BenchLeader63.970.1
综合得分BenchLeader–64.5
混合价格(美元/百万 token)BenchLeader$8.00$4.00
输出速度BenchLeader94 tok/s74 tok/s
首次回答时间BenchLeader42.3 秒78.8 秒
上下文窗口BenchLeader1,050,000 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub93.5%–
SimpleBenchSimpleBench64.8%†–
Arena Hard PromptsArena (LMArena)1511†–
LiveBench 2.0 ReasoningLiveBench–90.6%
LiveBench 1.0 ReasoningLiveBench91.7%–
GPQA Diamond (AA)Artificial Analysis94.1%–
Humanity's Last Exam (AA)Artificial Analysis49.5%–
HLE-Diamond (AA)Artificial Analysis–64.0%
GPQA Diamond (Vals)Vals AI95.2%–
EnigmaEvalScale AI SEAL37.1%†–
Kagi LLM BenchmarkKagi LLM Benchmark–67.0%†
ARC-AGI-1ARC Prize96.5%97.5%
ARC-AGI-2ARC Prize92.5%85.8%
ARC-AGI-3ARC Prize7.8%98.2%
CritPtArtificial Analysis32.3%–
CritPt v2 hard subset (AA)Artificial Analysis60.0%62.5%
MysteryMechanismVals AI33.3%36.9%
HLE-Diamond (Scale)Scale AI SEAL31.2%†56.5%†
Arena ExpertArena (LMArena)1532†–
Chess PuzzlesEpoch AI Benchmarking Hub59.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub58.0%–
LMCAEpoch AI Benchmarking Hub58.4%–
DTBenchEpoch AI Benchmarking Hub95.5%–
ForecastBenchForecastBench65.7%–
BTF-3Epoch AI Benchmarking Hub13.7%–
显示全部 183 项基准测试
指标发布方GPT-5.6 Sol (max)GPT-6.2 Sol (max)
编程
SciCodeSciCode57.1%–
WeirdMLWeirdML87.0%–
FrontierCodeCognition47.5%†–
GSO-BenchGSO-Bench76.5%†–
Arena CodingArena (LMArena)1533†–
Arena WebDevArena (LMArena)1616†1757
LiveBench 2.0 CodingLiveBench–83.7%
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%87.6%
Vibe Code Bench 1-100 v1.1Vals AI–40.9%
SWE Atlas v1.0: Codebase QnAScale AI SEAL46.0%†–
SWE Atlas v1.0: Test WritingScale AI SEAL45.9%†–
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%†
SWE-Bench Pro V2Scale AI SEAL95.5%†–
SWE-Bench Pro V2 HARDScale AI SEAL82.4%†–
MirrorCodeEpoch AI Benchmarking Hub20.0%†–
Surface Evolver BenchEpoch AI Benchmarking Hub93.1%†–
DeepSWE v1.1Epoch AI Benchmarking Hub72.7%–
CursorBenchCursor41.7%–
ALE-BenchEpoch AI Benchmarking Hub2176.9–
FrontierSWEEpoch AI Benchmarking Hub32.2%–
WeirdML v3WeirdML15.0%†–
Terminal-Bench 4.0 (AA)Artificial Analysis39.9%60.1%
Terminal-Bench 2.1 (AA)Artificial Analysis88.0%–
Startrise FrontendStartrise66.2%†–
GameBench 2 OverallDuelLab GameBench 267.0†–
GameBench 2 by reasoning settingDuelLab GameBench 280.0†–
Design Arena WebsiteDesign Arena1310†–
FrontierCode 2.0 (AA)Artificial Analysis–44.4%
智能体与工具
Terminal-BenchTerminal-Bench38.5%61.5%
OSWorld-Verified 2.0OSWorld27.3%–
APEX-AgentsMercor51.4%†–
Arena AgentArena (LMArena)3.7†11.3
LiveBench Long AgenticLiveBench–63.6%
LiveBench BrowserLiveBench–88.2%
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%†–
τ³-bench Bankingτ²-bench46.9%†–
GDPval-AA v2.1Artificial Analysis1619–
τ³-Banking (AA)Artificial Analysis44.3%–
ITBench SRE (AA)Artificial Analysis56.2%–
Analyst Agent (AA)Artificial Analysis47.5%53.8%
CUA-benchVals AI8.3%–
CyberBenchVals AI76.3%–
Finance Agent v2Vals AI53.8%–
Finance Agent v2.1Vals AI–58.9%
Harvey's Legal Agent Benchmark v1.1Vals AI–12.1%
Harvey's Legal Agent Benchmark v1Vals AI2.5%–
Legal Research BenchVals AI48.1%37.0%
SkillsBenchVals AI54.1%–
SREBenchVals AI30.5%–
Tax Agent BenchVals AI31.1%24.8%
Terminal-Bench 4.0 (Vals)Vals AI37.9%60.6%
Terminal-Bench ScienceVals AI20.0%58.6%
Time Horizon Index: KSPVals AI23.8%–
Web Search IndexVals AI43.6%–
Arena SearchArena (LMArena)1255†–
Arena Agent Task CompletionArena (LMArena)2.5†10.9
BALROGBALROG60.0%–
PostTrainBenchEpoch AI Benchmarking Hub31.0%–
GBAEvalEpoch AI Benchmarking Hub52.6%†–
Vending-Bench 2Andon Labs9619.4†–
AutomationBenchArtificial Analysis60.1%71.3%
GDP.pdf (AA)Artificial Analysis27.2%30.0%
Harvey LAB-AA v1.1Harvey–11.1%
EnterpriseOps-GymArtificial Analysis42.9%28.9%
AA-Briefcase v1.1Artificial Analysis14791612
Design Arena AgenticDesign Arena1229†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis22.4%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%
FACTS SearchGoogle92.9%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub89.1%–
FrontierMath Tier 4Epoch AI Benchmarking Hub82.9%–
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%–
ProofBenchVals AI83.0%–
LiveBench MathematicsLiveBench96.2%–
Autoform-HardVals AI–85.7%
Arena MathsArena (LMArena)1494†–
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub69.7%–
LiveBench 2.0 Data AnalysisLiveBench–81.1%
LiveBench ResearchLiveBench–90.1%
LiveBench 1.0 Data AnalysisLiveBench79.8%–
AA-Omniscience v1.1Artificial Analysis–40.4
MMLU-ProVals AI89.1%–
LegalBenchVals AI87.0%–
CorpFinVals AI64.4%–
TaxEvalVals AI74.8%–
PRBench FinanceScale AI SEAL50.5%–
PRBench LegalScale AI SEAL50.5%43.3%†
BioMysteryBenchVals AI71.1%77.8%
Excel Modeling BenchmarkVals AI72.3%–
Excel Modeling Benchmark v1.1Vals AI–74.3%
MedCodeVals AI44.0%–
MedScribeVals AI85.2%–
Public Benefits Bench v1.1Vals AI66.5%–
Financial Coaching BenchVals AI74.9%–
DrugDiscoveryBenchScale AI SEAL56.5%62.2%†
EBR-benchEpoch AI Benchmarking Hub44.8%–
AA-Omniscience v1.1: accuracyArtificial Analysis–61.6%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–44.6%
FACTS ParametricGoogle81.1%†–
指令遵循
LiveBench LanguageLiveBench87.7%–
LiveBench Instruction FollowingLiveBench71.8%–
IFBenchArtificial Analysis72.7%–
MultiChallengeScale AI SEAL–72.0%†
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–80.0%
MMMU-ProArtificial Analysis83.4%–
MMMU-Pro (Vals)Vals AI88.8%–
MortgageTaxVals AI67.3%–
Humanity's Sixth SenseScale AI SEAL30.0%56.8%†
GeoBenchGeoBench73.0%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub33.6%†–
Furniture AssemblyEpoch AI Benchmarking Hub56.7%–
VIALS-AAHandshake AI–62.7%
AA-3DArtificial Analysis–1259
FACTS MultimodalGoogle46.4%†–
长上下文
AA-LCR v1.1Artificial Analysis84.0%–
Arena DocumentArena (LMArena)1487†–
MLCRArtificial Analysis30.0%37.2%
FACTS GroundingGoogle61.9%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub163.1†–
LiveBench 2.0LiveBench–80.3%
LiveBench 1.0LiveBench81.0%–
AA Intelligence Index v5.0.1Artificial Analysis–57.3
AA Intelligence Index v4.3.2Artificial Analysis47.0–
AA Progress Index v1Artificial Analysis331.5–
Vals IndexVals AI–66.1
Vals Finance IndexVals AI–56.7%
Vals RSI IndexVals AI23.9%–
Vals Science IndexVals AI41.5%57.8%
Vals Multimodal IndexVals AI72.6%–
Vals Legal IndexVals AI–66.7%
AA Cyber IndexArtificial Analysis–37.8
安全与诚实
FORTRESSScale AI SEAL20.1%†–
DistressBenchScale AI SEAL73.6%†–

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。

DuelLab GameBench 2, release gb2-20261114-ca113f475f5e (https://benchmarks.duellab.org/releases/gb2-20261114-ca113f475f5e/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

变化

  • GPT-6.2 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-5.6 Sol (max):1 项新结果(GDPval-AA v2.1)。
  • GPT-5.6 Sol (max):1 项分数修订。
  • GPT-5.6 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-5.6 Sol (max):2 项新结果(AA Progress Index v1, CritPt v2 hard subset (AA))。

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-6.2 Sol:常见问题

GPT-5.6 Sol 比 GPT-6.2 Sol 更好吗?
GPT-5.6 Sol (max) 与 GPT-6.2 Sol (max) 的质量不相上下(65.1 比 64.6,在 ±4.5 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-5.6 Sol 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 $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-6.2 Sol 更好?
GPT-6.2 Sol 在编程方面得分更高(类别得分 75 比 66,50 为平均水平)。
GPT-5.6 Sol 和 GPT-6.2 Sol 哪个更快?
GPT-5.6 Sol 输出更快(输出 94 比 74 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-6.2 Sol 更好?
GPT-5.6 Sol 在智能体任务方面得分更高(类别得分 67 比 65,50 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-6.2 Sol 为 61.5%。
更多问题(4)
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-5.6 Sol 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 42.3 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。
第三方基准测试对 GPT-5.6 Sol 和 GPT-6.2 Sol 的看法一致吗?
在两者都有结果的 21 项基准测试中,GPT-5.6 Sol 领先 4 项,GPT-6.2 Sol 领先 17 项。
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。