BenchLeader

GPT-5.6 Sol vs MiMo-V2.6-Pro

完整资料:GPT-5.6 Sol(OpenAI)和 MiMo-V2.6-Pro(Xiaomi),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,质量上 GPT-5.6 Sol 领先 MiMo-V2.6-Pro(BenchLeader Index 65.3 比 57.5)。不过,MiMo-V2.6-Pro 更便宜,对方的价格是它的 15 倍(每百万 token 混合价格 $0.544 比 $8.00)。看重知识(64 比 42)、推理(65 比 50)和智能体与工具(68 比 57)选 GPT-5.6 Sol;看重长上下文(68 比 67)选 MiMo-V2.6-Pro。GPT-5.6 Sol 的输出更快(约 1.5 倍)。

要点(截至 2026年11月16日)

  • GPT-5.6 Sol 的 BenchLeader Index 为 65.3,MiMo-V2.6-Pro 为 57.5(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)。
  • MiMo-V2.6-Pro 每百万 token 混合价格为 $0.544(标价,2026年11月16日)。
  • GPT-5.6 Sol 比 MiMo-V2.6-Pro 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 35 项基准测试中,GPT-5.6 Sol 领先 23 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-5.6 Sol类别得分 66 比 59;IOI 91.2% 比 39.3%中
智能体与工具调用GPT-5.6 Sol类别得分 68 比 57;Terminal-Bench 2.1 (Vals) 85.8% 比 67.8%高
数学GPT-5.6 Sol类别得分 70 比 66;ProofBench 83.0% 比 70.0%中
推理GPT-5.6 Sol类别得分 65 比 50;CritPt v2 hard subset (AA) 60.0% 比 34.0%高
知识GPT-5.6 Sol类别得分 64 比 42;Excel Modeling Benchmark 72.3% 比 62.9%高
长文档MiMo-V2.6-Pro类别得分 68 比 67;AA-LCR v1.1 86.3% 比 84.0%中
图像及其他媒体GPT-5.6 Sol类别得分 66 比 60中
对话质量(人类偏好)–只有 MiMo-V2.6-Pro 有 Arena 评分(类别得分 67)无法比较
成本最低MiMo-V2.6-Pro每百万 token 混合价格 $0.548 比 $8.00;智能体编程会话 $0.030 比 $0.320–
首次回答最快均可首个回答 token 33.5 秒(GPT-5.6 Sol (max))比 42.3 秒(MiMo-V2.6-Pro)–
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-5.6 Sol (max) 领先:65.3 比 57.5。
  • GPT-5.6 Sol (max) 在智能体与工具、编程、知识、数学、多模态、推理方面更强。
  • MiMo-V2.6-Pro 在长上下文方面更强。
  • MiMo-V2.6-Pro 更便宜,对方的价格是它的 15 倍(每百万 token 混合价格 $0.544 比 $8.00)。
  • GPT-5.6 Sol (max) 的输出速度是对方的 1.9 倍(100 比 54 token/秒)。

概览

规格GPT-5.6 SolMiMo-V2.6-Pro
提供商OpenAIXiaomi
发布日期2026年7月9日2026年9月21日
上下文窗口(token)1,050,0001,048,576
对比时的配置GPT-5.6 Sol (max)MiMo-V2.6-Pro
开放权重否是
每百万 token 价格(输入 / 输出 / 缓存输入)$4.00 / $20.00 / $0.400$0.440 / $0.870 / $0.0036

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)MiMo-V2.6-Pro领先者
推理64.749.9GPT-5.6 Sol
编程65.858.8GPT-5.6 Sol
智能体与工具67.557.1GPT-5.6 Sol
数学70.065.5GPT-5.6 Sol
知识63.842.3GPT-5.6 Sol
指令遵循71.2–无法比较
人类偏好–67.0无法比较
多模态65.960.2GPT-5.6 Sol
长上下文66.767.9MiMo-V2.6-Pro

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: 65.9MiMo-V2.6-Pro, 推理: 49.9MiMo-V2.6-Pro, 编程: 58.8MiMo-V2.6-Pro, 智能体与工具: 57.1MiMo-V2.6-Pro, 数学: 65.5MiMo-V2.6-Pro, 知识: 42.3MiMo-V2.6-Pro, 长上下文: 67.9MiMo-V2.6-Pro, 多模态: 60.2

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 35 项基准测试中,GPT-5.6 Sol 领先 23 项,MiMo-V2.6-Pro 领先 12 项。所有同时评测两者的综合评分都认为 GPT-5.6 Sol 更强。

综合 IndexGPT-5.6 Sol (max)MiMo-V2.6-Pro领先者
BenchLeader Index65.357.5GPT-5.6 Sol
Arena Text1485†1480GPT-5.6 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-5.6 Sol (max)MiMo-V2.6-Pro
每百万 token 混合价格$8.00$0.548
每百万 token 输入 / 输出$4.00 / $20.00$0.440 / $0.870
每百万 token 缓存输入$0.400$0.0036
每项任务价格:聊天回复$0.0076$0.0004
每项任务价格:总结一份 30 页的报告$0.060$0.0058
每项任务价格:代码编辑$0.054$0.0039
每项任务价格:智能体编程会话$0.320$0.030
每项任务价格:结构化信息提取$0.012$0.0011
智能体编程会话(输入大多命中缓存)$0.158$0.010
每项基准测试任务成本(AA Index)–$0.257
每项任务输出 token(AA Index)–121k
其中推理部分–86k
每项任务耗时(AA Index)–38 min
输出速度100 tok/s54 tok/s
首次回答时间33.5 秒42.3 秒
完整回答耗时(最近一次测量 2026年11月13日)157.3 秒95.7 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)。MiMo-V2.6-Pro 得分 57.5,首个回答 token 需 42 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 188 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)MiMo-V2.6-Pro
BenchLeader IndexBenchLeader65.357.5
智能体与工具得分BenchLeader67.557.1
编程得分BenchLeader65.858.8
指令遵循得分BenchLeader71.2–
知识得分BenchLeader63.842.3
长上下文得分BenchLeader66.767.9
数学得分BenchLeader70.065.5
多模态得分BenchLeader65.960.2
推理得分BenchLeader64.749.9
人类偏好得分BenchLeader–67.0
混合价格(美元/百万 token)BenchLeader$8.00$0.548
输出速度BenchLeader100 tok/s54 tok/s
首次回答时间BenchLeader33.5 秒42.3 秒
上下文窗口BenchLeader1,050,000 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub93.5%–
SimpleBenchSimpleBench64.8%†–
Arena Hard PromptsArena (LMArena)1511†1504
LiveBench 2.0 ReasoningLiveBench–79.6%†
LiveBench 1.0 ReasoningLiveBench91.7%–
GPQA Diamond (AA)Artificial Analysis94.1%–
Humanity's Last Exam (AA)Artificial Analysis49.5%49.4%
HLE-Diamond (AA)Artificial Analysis–15.2%
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%26.6%
CritPt v2 hard subset (AA)Artificial Analysis60.0%34.0%
MysteryMechanismVals AI33.3%15.3%
HLE-Diamond (Scale)Scale AI SEAL31.2%†–
Arena ExpertArena (LMArena)1532†1526
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 188 项基准测试
指标发布方GPT-5.6 Sol (max)MiMo-V2.6-Pro
编程
SciCodeSciCode57.1%60.9%
WeirdMLWeirdML87.0%–
FrontierCodeCognition47.5%†–
GSO-BenchGSO-Bench76.5%†–
Arena CodingArena (LMArena)1533†1538
Arena WebDevArena (LMArena)1615†1625
LiveBench 2.0 CodingLiveBench–64.5%†
LiveBench 1.0 CodingLiveBench83.9%–
LiveCodeBenchVals AI82.6%–
IOIVals AI91.2%39.3%
SWE-bench (Vals)Vals AI96.2%–
Code MigrationVals AI52.9%43.0%
Code Migration v1.1Vals AI–48.8%
ProgramBenchVals AI1.5%0.5%
SWE-bench MultimodalVals AI–41.3%
Vibe Code Bench 1-100Vals AI20.0%–
Vibe Code Bench v1.1Vals AI80.5%85.2%
Vibe Code Bench 1-100 v1.1Vals AI–26.4%
SWE Atlas v1.0: Codebase QnAScale AI SEAL46.0%†–
SWE Atlas v1.0: Test WritingScale AI SEAL45.9%†–
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 Hub2176.91158.1
FrontierSWEEpoch AI Benchmarking Hub32.2%–
WeirdML v3WeirdML15.0%†–
Terminal-Bench 4.0 (AA)Artificial Analysis39.9%34.9%
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†49.8†
Design Arena WebsiteDesign Arena1319†1311
FrontierCode 1.1 (AA)Artificial Analysis–45.4%
FrontierCode 2.0 (AA)Artificial Analysis–24.0%
智能体与工具
Terminal-BenchTerminal-Bench38.5%27.0%†
OSWorld-Verified 2.0OSWorld27.3%–
APEX-AgentsMercor51.4%†54.4%
Arena AgentArena (LMArena)4.6†2.4
LiveBench Long AgenticLiveBench–36.4%†
LiveBench BrowserLiveBench–77.3%†
LiveBench Agentic CodingLiveBench56.2%–
Terminal-Bench HardArtificial Analysis65.9%–
τ²-Bench Telecom (AA)Artificial Analysis85.1%–
Terminal-Bench 2.1 (Vals)Vals AI85.8%67.8%
HiL-BenchScale AI SEAL32.3%†–
τ³-bench Bankingτ²-bench46.9%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis–59.1%
GDPval-AA v2.1Artificial Analysis16191692
τ³-Banking (AA)Artificial Analysis44.3%–
ITBench SRE (AA)Artificial Analysis56.2%–
Analyst Agent (AA)Artificial Analysis47.5%37.5%
CUA-benchVals AI8.3%–
CyberBenchVals AI76.3%72.9%
Finance Agent v2Vals AI53.8%57.3%
Finance Agent v2.1Vals AI–64.3%
Harvey's Legal Agent Benchmark v1.1Vals AI–13.8%
Harvey's Legal Agent Benchmark v1Vals AI2.5%10.8%
Legal Research BenchVals AI48.1%47.1%
SkillsBenchVals AI54.1%–
SREBenchVals AI30.5%3.0%
Tax Agent BenchVals AI31.1%32.4%
Terminal-Bench 4.0 (Vals)Vals AI37.9%31.3%
Terminal-Bench ScienceVals AI20.0%2.9%
Time Horizon Index: KSPVals AI23.8%–
Web Search IndexVals AI43.6%–
Arena SearchArena (LMArena)1255†–
Arena Agent Task CompletionArena (LMArena)2.3†5
BALROGBALROG60.0%–
PostTrainBenchEpoch AI Benchmarking Hub31.0%–
GBAEvalEpoch AI Benchmarking Hub52.6%†–
Vending-Bench 2Andon Labs9619.4†–
AutomationBenchArtificial Analysis60.1%58.6%
GDP.pdf (AA)Artificial Analysis27.2%19.2%
EnterpriseOps-GymArtificial Analysis42.9%–
AA-Briefcase v1.1Artificial Analysis14791512
Design Arena AgenticDesign Arena1238†1271
Terminal-Bench-Science 0.1 (AA)Artificial Analysis22.4%5.7%
CWE-Bench (AA)Artificial Analysis–63.3%
DeepSec-Bench (AA)Artificial Analysis–26.2%
CyberGym end-to-end (AA)Artificial Analysis–78.6%
MKA (AA)Artificial Analysis–37.3%
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%70.0%
LiveBench MathematicsLiveBench96.2%–
Arena MathsArena (LMArena)1494†1484
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub69.7%–
LiveBench 2.0 Data AnalysisLiveBench–72.3%†
LiveBench ResearchLiveBench–84.8%†
LiveBench 1.0 Data AnalysisLiveBench79.8%–
AA-Omniscience v1.1Artificial Analysis–-4.5
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%62.9%
Excel Modeling Benchmark v1.1Vals AI–67.3%
MedCodeVals AI44.0%45.0%
MedScribeVals AI85.2%88.3%
Public Benefits Bench v1.1Vals AI66.5%68.9%
Access to Justice BenchmarkVals AI–70.0%
Financial Coaching BenchVals AI74.9%75.4%
Immigration BenchVals AI–67.5%
DrugDiscoveryBenchScale AI SEAL56.5%–
EBR-benchEpoch AI Benchmarking Hub44.8%–
GDP.pdfEpoch AI Benchmarking Hub30.7%–
AA-Omniscience v1.1: accuracyArtificial Analysis–34.8%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–39.8%
FACTS ParametricGoogle81.1%†–
指令遵循
LiveBench LanguageLiveBench87.7%–
LiveBench Instruction FollowingLiveBench71.8%–
IFBenchArtificial Analysis72.7%–
Arena Instruction FollowingArena (LMArena)1490†1472
人类偏好
Arena TextArena (LMArena)1485†1480
EQ-Bench 4EQ-Bench1236†–
EQ-Bench Creative Writing v3EQ-Bench1974†–
Arena Creative WritingArena (LMArena)1471†1448
Arena Multi-turnArena (LMArena)1491†1462
Arena Longer QueriesArena (LMArena)1498†1496
多模态
Arena VisionArena (LMArena)1282†1266
LiveBench DesignLiveBench–74.3%†
MMMU-ProArtificial Analysis83.4%–
MMMU-Pro (Vals)Vals AI88.8%–
MortgageTaxVals AI67.3%–
SAGEVals AI–84.5%
Humanity's Sixth SenseScale AI SEAL30.0%25.2%†
GeoBenchGeoBench73.0%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub33.6%†–
Furniture AssemblyEpoch AI Benchmarking Hub56.7%–
VIALS-AAHandshake AI–43.5%
Code2Video-AAArtificial Analysis–1052
AA-3DArtificial Analysis–983
FACTS MultimodalGoogle46.4%†–
长上下文
AA-LCR v1.1Artificial Analysis84.0%86.3%
Arena DocumentArena (LMArena)1487†–
MLCRArtificial Analysis30.0%12.8%
FACTS GroundingGoogle61.9%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub163.0†–
LiveBench 2.0LiveBench–66.1%†
LiveBench 1.0LiveBench81.0%–
AA Intelligence Index v5.0.1Artificial Analysis–29.9
AA Intelligence Index v4.3.2Artificial Analysis47.046.3
AA Progress Index v1Artificial Analysis331.5321.2
Vals IndexVals AI–57.8
Vals Finance IndexVals AI–57.9%
Vals RSI IndexVals AI23.9%–
Vals Science IndexVals AI41.5%–
Vals Multimodal IndexVals AI72.6%–
Vals Router IndexVals AI–57.8%
Vals Legal IndexVals AI–72.1%
AA Cyber IndexArtificial Analysis–56.1
安全与诚实
FORTRESSScale AI SEAL20.1%†–
DistressBenchScale AI SEAL73.6%†–
元数据
AA Openness IndexArtificial Analysis–52.8

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

  • MiMo-V2.6-Pro:1 项分数修订。
  • 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。
  • MiMo-V2.6-Pro: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。
  • MiMo-V2.6-Pro:6 项分数修订。
  • MiMo-V2.6-Pro:1 项分数修订。
  • GPT-5.6 Sol (max):1 项分数修订。
  • MiMo-V2.6-Pro: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-5.6 Sol vs MiMo-V2.6-Pro:常见问题

GPT-5.6 Sol 比 MiMo-V2.6-Pro 更好吗?
质量上 GPT-5.6 Sol (max) 领先:65.3 比 57.5。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-5.6 Sol (max) 总体领先,但请结合你的用途查看各类别得分。
GPT-5.6 Sol 和 MiMo-V2.6-Pro 哪个更便宜?价格会变吗?
目前 MiMo-V2.6-Pro 更便宜:每百万 token $0.544 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 MiMo-V2.6-Pro 更好?
GPT-5.6 Sol 在编程方面得分更高(类别得分 66 比 59,50 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%,MiMo-V2.6-Pro 为 60.9%。
GPT-5.6 Sol 和 MiMo-V2.6-Pro 哪个更快?
GPT-5.6 Sol 输出更快(约 1.5 倍;输出 100 比 54 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 GPT-5.6 Sol 还是 MiMo-V2.6-Pro 更好?
GPT-5.6 Sol 在智能体任务方面得分更高(类别得分 68 比 57,50 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 2.1 (Vals) 上,GPT-5.6 Sol 为 85.8%,MiMo-V2.6-Pro 为 67.8%。
更多问题(4)
处理长文档哪个更好?
MiMo-V2.6-Pro 在长上下文基准测试上得分更高(68 比 67)。两者都约为 1.1M token(GPT-5.6 Sol 为 1,050,000,MiMo-V2.6-Pro 为 1,048,576)。
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 42.3 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-5.6 Sol 和 MiMo-V2.6-Pro 的看法一致吗?
在两者都有结果的 35 项基准测试中,GPT-5.6 Sol 领先 23 项,MiMo-V2.6-Pro 领先 12 项。所有同时评测两者的综合评分都认为 GPT-5.6 Sol 更强。
MiMo-V2.6-Pro 是什么时候发布的?
MiMo-V2.6-Pro 于 2026年9月21日 发布。