BenchLeader

GPT-5.6 Terra vs GPT-6.1 Sol

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

更新于 · 数据来自 15 个来源

截至 2026年11月16日,质量上 GPT-6.1 Sol 领先 GPT-5.6 Terra(BenchLeader Index 66.6 比 60.1)。两者价格相近(每百万 token 混合价格 $4.50 比 $4.00)。在两者都有成绩的所有类别中,GPT-6.1 Sol 均领先。GPT-5.6 Terra 输出更快(约 1.5 倍)。

要点(截至 2026年11月16日)

  • GPT-5.6 Terra 的 BenchLeader Index 为 60.1,GPT-6.1 Sol 为 66.6(BenchLeader,2026年11月16日)。
  • GPT-5.6 Terra 每百万 token 混合价格为 $4.50(标价,2026年11月16日)。
  • GPT-6.1 Sol 每百万 token 混合价格为 $4.00(标价,2026年11月16日)。
  • GPT-5.6 Terra 比 GPT-6.1 Sol 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 36 项基准测试中,GPT-6.1 Sol 领先 36 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,GPT-5.6 Terra 的评分为 1520,GPT-6.1 Sol 为 1743(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-6.1 Sol类别得分 71 比 59;Arena WebDev 1743 比 1520高
智能体与工具调用GPT-6.1 Sol类别得分 64 比 63;Arena Agent 12.5 比 -1.8中
数学GPT-6.1 Sol类别得分 72 比 66;Arena Maths 1499 比 1478中
推理GPT-6.1 Sol类别得分 71 比 55;HLE-Diamond (AA) 58.8% 比 24.7%高
知识GPT-6.1 Sol类别得分 72 比 53;AA-Omniscience v1.1 42.0 比 -11.5高
长文档GPT-6.1 Sol类别得分 66 比 64;AA-LCR v1.1 83.0% 比 79.0%中
图像及其他媒体GPT-6.1 Sol类别得分 66 比 61;Arena Vision 1286 比 1269中
对话质量(人类偏好)GPT-6.1 SolArena 投票 67 比 66中
成本最低均可每百万 token 混合价格 $4.50 比 $4.00;智能体编程会话 $0.168 比 $0.160–
首次回答最快GPT-5.6 Terra首个回答 token 19.2 秒(GPT-5.6 Terra (xhigh))比 166.7 秒(GPT-6.1 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

  • 质量上 GPT-6.1 Sol (max) 领先:66.6 比 60.1。
  • GPT-6.1 Sol (max) 在智能体与工具、编程、人类偏好、知识、长上下文、数学、多模态、推理方面更强。
  • 两者价格相近(每百万 token 混合价格 $4.00)。
  • GPT-5.6 Terra (xhigh) 的输出速度是对方的 1.9 倍(97 比 50 token/秒)。

概览

规格GPT-5.6 TerraGPT-6.1 Sol
提供商OpenAIOpenAI
发布日期2026年7月9日2026年9月29日
上下文窗口(token)1,050,0001,050,000
对比时的配置GPT-5.6 Terra (xhigh)GPT-6.1 Sol (max)
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$2.00 / $12.00 / $0.200$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 Terra (xhigh)GPT-6.1 Sol (max)领先者
推理54.871.4GPT-6.1 Sol
编程59.171.1GPT-6.1 Sol
智能体与工具63.164.3GPT-6.1 Sol
数学65.771.6GPT-6.1 Sol
知识53.071.5GPT-6.1 Sol
指令遵循65.6–无法比较
人类偏好65.567.1GPT-6.1 Sol
多模态61.265.6GPT-6.1 Sol
长上下文64.166.2GPT-6.1 Sol
综合–67.9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人类偏好GPT-5.6 Terra, 推理: 54.8GPT-5.6 Terra, 编程: 59.1GPT-5.6 Terra, 智能体与工具: 63.1GPT-5.6 Terra, 数学: 65.7GPT-5.6 Terra, 知识: 53.0GPT-5.6 Terra, 长上下文: 64.1GPT-5.6 Terra, 多模态: 61.2GPT-5.6 Terra, 人类偏好: 65.5GPT-6.1 Sol, 推理: 71.4GPT-6.1 Sol, 编程: 71.1GPT-6.1 Sol, 智能体与工具: 64.3GPT-6.1 Sol, 数学: 71.6GPT-6.1 Sol, 知识: 71.5GPT-6.1 Sol, 长上下文: 66.2GPT-6.1 Sol, 多模态: 65.6GPT-6.1 Sol, 人类偏好: 67.1

未绘制(测得的模型少于两个):指令遵循。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 36 项基准测试中,GPT-5.6 Terra 领先 0 项,GPT-6.1 Sol 领先 36 项。所有同时评测两者的综合评分都认为 GPT-6.1 Sol 更强。

综合 IndexGPT-5.6 Terra (xhigh)GPT-6.1 Sol (max)领先者
BenchLeader Index60.166.6GPT-6.1 Sol
AA Intelligence Index v5.0.132.3†54.6GPT-6.1 Sol
Arena Text14681481GPT-6.1 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 Terra (xhigh)GPT-6.1 Sol (max)
每百万 token 混合价格$4.50$4.00
每百万 token 输入 / 输出$2.00 / $12.00$2.00 / $10.00
每百万 token 缓存输入$0.200$0.100
每项任务价格:聊天回复$0.0044$0.0038
每项任务价格:总结一份 30 页的报告$0.031$0.030
每项任务价格:代码编辑$0.030$0.027
每项任务价格:智能体编程会话$0.168$0.160
每项任务价格:结构化信息提取$0.0064$0.0060
智能体编程会话(输入大多命中缓存)$0.087$0.074
每项基准测试任务成本(AA Index)–$1.27
每项任务输出 token(AA Index)–68k
其中推理部分–49k
每项任务耗时(AA Index)–23 min
输出速度97 tok/s50 tok/s
首次回答时间19.2 秒166.7 秒
完整回答耗时(最近一次测量 2026年11月13日)84.0 秒429.6 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 Terra (xhigh) 得分 60.1,首个回答 token 需 19 秒;GPT-5.6 Terra (max) 为 59.5(73 秒),GPT-5.6 Terra (high) 为 56.8(6 秒)。GPT-6.1 Sol (max) 得分 66.6,首个回答 token 需 167 秒;GPT-6.1 Sol (xhigh) 为 63.6(68 秒),GPT-6.1 Sol (high) 为 63.4(33 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 Terra (xhigh)GPT-6.1 Sol (max)
BenchLeader IndexBenchLeader60.166.6
智能体与工具得分BenchLeader63.164.3
编程得分BenchLeader59.171.1
人类偏好得分BenchLeader65.567.1
指令遵循得分BenchLeader65.6–
知识得分BenchLeader53.071.5
长上下文得分BenchLeader64.166.2
数学得分BenchLeader65.771.6
多模态得分BenchLeader61.265.6
推理得分BenchLeader54.871.4
综合得分BenchLeader–67.9
混合价格(美元/百万 token)BenchLeader$4.50$4.00
输出速度BenchLeader97 tok/s50 tok/s
首次回答时间BenchLeader19.2 秒166.7 秒
上下文窗口BenchLeader1,050,000 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub93.3%†95.4%
SimpleBenchSimpleBench48.9%82.9%†
Arena Hard PromptsArena (LMArena)14911505
LiveBench 2.0 ReasoningLiveBench90.6%†92.6%
LiveBench 1.0 ReasoningLiveBench90.6%†92.6%
GPQA Diamond (AA)Artificial Analysis90.8%–
Humanity's Last Exam (AA)Artificial Analysis41.9%52.9%
HLE-Diamond (AA)Artificial Analysis24.7%58.8%
GPQA Diamond (Vals)Vals AI90.9%–
Kagi LLM BenchmarkKagi LLM Benchmark51.3%†–
ARC-AGI-1ARC Prize94.0%96.5%
ARC-AGI-2ARC Prize74.2%94.2%
ARC-AGI-3ARC Prize0.7%96.2%
CritPtArtificial Analysis27.1%31.7%
CritPt v2 hard subset (AA)Artificial Analysis50.5%†69.5%
MysteryMechanismVals AI–46.4%
Arena ExpertArena (LMArena)15071525
Chess PuzzlesEpoch AI Benchmarking Hub47.0%†68.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub35.0%†80.0%
LMCAEpoch AI Benchmarking Hub52.2%62.8%
DTBenchEpoch AI Benchmarking Hub92.5%96.5%
编程
SciCodeSciCode52.3%54.2%
WeirdMLWeirdML78.3%†–
FrontierCodeCognition41.3%†50.2%†
Arena CodingArena (LMArena)15171540
显示全部 180 项基准测试
指标发布方GPT-5.6 Terra (xhigh)GPT-6.1 Sol (max)
编程
Arena WebDevArena (LMArena)15201743
LiveBench 2.0 CodingLiveBench84.2%†82.1%
LiveBench 1.0 CodingLiveBench78.3%†80.4%
LiveCodeBenchVals AI85.9%–
IOIVals AI87.6%†96.9%
SWE-bench (Vals)Vals AI95.4%†–
Code MigrationVals AI47.8%†65.1%
Code Migration v1.1Vals AI–77.3%
ProgramBenchVals AI0.5%†3.0%
SWE-bench MultimodalVals AI–43.5%
Vibe Code Bench 1-100Vals AI14.8%†–
Vibe Code Bench v1.1Vals AI74.6%†88.9%
SWE Atlas v1.1Scale AI SEAL–65.9%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–71.0%†
SWE Atlas v1.1: Test WritingScale AI SEAL–66.7%†
SWE Atlas v1.1: RefactoringScale AI SEAL–60.0%†
SWE-Bench Pro V2Scale AI SEAL92.4%96.1%†
SWE-Bench Pro V2 HARDScale AI SEAL86.3%–
MirrorCodeEpoch AI Benchmarking Hub41.1%†61.1%
Surface Evolver BenchEpoch AI Benchmarking Hub83.8%–
DeepSWE v1.1Epoch AI Benchmarking Hub60.2%–
CursorBenchCursor33.6%–
ALE-BenchEpoch AI Benchmarking Hub1951.4†2743.8
WeirdML v3WeirdML–38.3%†
Terminal-Bench 4.0 (AA)Artificial Analysis10.1%56.1%
Terminal-Bench 2.1 (AA)Artificial Analysis80.2%–
Startrise FrontendStartrise66.9%†78.6%†
GameBench 2 OverallDuelLab GameBench 245.6†84.9†
GameBench 2 by reasoning settingDuelLab GameBench 253.592.0†
Design Arena WebsiteDesign Arena1260†1315†
FrontierCode 1.1 (AA)Artificial Analysis–49.1%
FrontierCode 2.0 (AA)Artificial Analysis23.9%†40.6%
智能体与工具
Terminal-BenchTerminal-Bench21.5%†60.9%
APEX-AgentsMercor58.2%†60.0%
Arena AgentArena (LMArena)-1.812.5
LiveBench Long AgenticLiveBench25.9%†65.6%
LiveBench BrowserLiveBench70.3%†93.3%
LiveBench Agentic CodingLiveBench55.0%†54.5%
Terminal-Bench HardArtificial Analysis62.9%–
τ²-Bench Telecom (AA)Artificial Analysis80.4%–
Terminal-Bench 2.1 (Vals)Vals AI77.5%†–
HiL-BenchScale AI SEAL–62.3%†
GDPval-AA v2.1, normalised scoreArtificial Analysis47.4%54.8%
GDPval-AA v2.1Artificial Analysis14561607
τ³-Banking (AA)Artificial Analysis29.7%–
ITBench SRE (AA)Artificial Analysis51.0%†–
Analyst Agent (AA)Artificial Analysis–50.0%
APEX-Agents (AA)Artificial Analysis38.9%†–
CyberBenchVals AI72.1%†39.3%
Finance Agent v2Vals AI54.4%†52.0%
Finance Agent v2.1Vals AI–61.8%
Harvey's Legal Agent Benchmark v1.1Vals AI–6.3%
Harvey's Legal Agent Benchmark v1Vals AI0.8%†5.4%
Legal Research BenchVals AI41.4%†38.5%
Robo-benchVals AI–28.3%
SkillsBenchVals AI58.9%†–
SREBenchVals AI9.5%†50.8%
Tax Agent BenchVals AI30.0%†21.8%
Terminal-Bench 4.0 (Vals)Vals AI22.7%†55.0%
Terminal-Bench ScienceVals AI10.0%†52.9%
Arena SearchArena (LMArena)–1249
Arena Agent Task CompletionArena (LMArena)-7.211.7
BALROGBALROG53.2%†–
PostTrainBenchEpoch AI Benchmarking Hub–38.8%
Vending-Bench 2Andon Labs7343.2†12860.6†
SpireClimbEpoch AI Benchmarking Hub–23.8%
AutomationBenchArtificial Analysis47.1%64.9%
GDP.pdf (AA)Artificial Analysis24.6%31.0%
Harvey LAB-AA v1.1Harvey–6.9%
EnterpriseOps-GymArtificial Analysis38.5%†–
AA-Briefcase v1.1Artificial Analysis13321555
GDPxGDPx by SemiAnalysis–8.4%
Design Arena AgenticDesign Arena1089†1375
Terminal-Bench-Science 0.1 (AA)Artificial Analysis13.8%†58.1%
DeepSec-Bench (AA)Artificial Analysis25.1%†–
MKA (AA)Artificial Analysis–47.7%
FACTS SearchGoogle87.0%†92.8%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub86.0%†93.7%
FrontierMath Tier 4Epoch AI Benchmarking Hub70.7%†100.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub99.7%†100.0%
ProofBenchVals AI74.0%99.0%†
LiveBench MathematicsLiveBench94.9%†96.8%
ArXivMathMathArena–92.8%
BrokenArXivMathArena–83.1%
Arena MathsArena (LMArena)14781499
FrontierMath ErdősEpoch AI Benchmarking Hub–4.4%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub43.2%†73.9%
LiveBench 2.0 Data AnalysisLiveBench79.3%†82.7%
LiveBench ResearchLiveBench79.7%†90.0%
LiveBench 1.0 Data AnalysisLiveBench79.3%†82.7%
AA-Omniscience v1.1Artificial Analysis-11.542.0
MMLU-ProVals AI86.7%–
LegalBenchVals AI85.1%†–
CorpFinVals AI65.3%–
TaxEvalVals AI76.2%–
PRBench FinanceScale AI SEAL–46.2%†
PRBench LegalScale AI SEAL–47.9%†
BioMysteryBenchVals AI–79.6%
ClaimBenchVals AI–100.0%
Excel Modeling BenchmarkVals AI66.2%†70.8%
Excel Modeling Benchmark v1.1Vals AI–71.1%
MedCodeVals AI43.4%48.8%
MedScribeVals AI82.9%86.5%
Public Benefits Bench v1.1Vals AI62.4%†59.3%
Access to Justice BenchmarkVals AI–65.8%
Financial Coaching BenchVals AI71.0%†68.5%
Immigration BenchVals AI–67.8%
EBR-benchEpoch AI Benchmarking Hub–54.3%
GDP.pdfEpoch AI Benchmarking Hub24.7%†35.0%
AA-Omniscience v1.1: accuracyArtificial Analysis41.3%61.8%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis9.9%48.1%
HealthBench Professional (AA)OpenAI–65.1%
FACTS ParametricGoogle57.6%†83.8%†
指令遵循
LiveBench LanguageLiveBench82.9%†90.1%
LiveBench Instruction FollowingLiveBench64.6%†74.2%
IFBenchArtificial Analysis66.3%–
MultiChallengeScale AI SEAL–82.0%†
Arena Instruction FollowingArena (LMArena)14631482
人类偏好
Arena TextArena (LMArena)14681481
EQ-Bench 4EQ-Bench1220†1272†
EQ-Bench Creative Writing v3EQ-Bench1856†–
Arena Creative WritingArena (LMArena)14301449
Arena Multi-turnArena (LMArena)14751486
Arena Longer QueriesArena (LMArena)14691488
多模态
Arena VisionArena (LMArena)12691286
LiveBench DesignLiveBench70.9%†79.6%
MMMU-ProArtificial Analysis79.5%86.0%
MMMU-Pro (Vals)Vals AI86.5%†–
MortgageTaxVals AI67.3%–
SAGEVals AI87.0%†90.5%
Humanity's Sixth SenseScale AI SEAL22.7%†46.6%
Blueprint-Bench 2Epoch AI Benchmarking Hub30.8%†43.2%†
Furniture AssemblyEpoch AI Benchmarking Hub54.2%†80.0%
VIALS-AAHandshake AI–59.0%
Code2Video-AAArtificial Analysis–1369
AA-3DArtificial Analysis–1121
FACTS MultimodalGoogle39.9%†52.6%†
长上下文
AA-LCR v1.1Artificial Analysis79.0%83.0%
Arena DocumentArena (LMArena)1474–
MLCRArtificial Analysis22.8%38.3%
FACTS GroundingGoogle60.5%†78.0%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub160.7†168.5†
LiveBench 2.0LiveBench67.2%†81.4%
LiveBench 1.0LiveBench77.9%†81.6%
AA Intelligence Index v5.0.1Artificial Analysis32.3†54.6
AA Intelligence Index v4.3.2Artificial Analysis38.051.8
AA Progress Index v1Artificial Analysis312348.5
Vals IndexVals AI–63.9
Vals Finance IndexVals AI–55.8%
Vals RSI IndexVals AI–26.6%
Vals Science IndexVals AI–59.6%
Vals Multimodal IndexVals AI65.1%–
Vals Router IndexVals AI–63.9%†
Vals Legal IndexVals AI–68.7%
安全与诚实
DistressBenchScale AI SEAL76.4%†74.2%†

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 Sol (max):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…);1 项分数修订。
  • GPT-5.6 Terra (xhigh):2 项新结果(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • GPT-6.1 Sol (max):1 项分数修订。
  • GPT-6.1 Sol (max):1 项分数修订。
  • GPT-6.1 Sol (max):1 项新结果(PostTrainBench)。
  • GPT-6.1 Sol (max):1 项新结果(MirrorCode);1 项分数修订。
  • GPT-6.1 Sol (max):BenchLeader Index 67.4 → 66.9。
  • GPT-6.1 Sol (max):2 项分数修订。
  • GPT-6.1 Sol (max):3 项分数修订。
  • GPT-5.6 Terra (xhigh):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 Terra vs GPT-6.1 Sol:常见问题

GPT-6.1 Sol 比 GPT-5.6 Terra 更好吗?
质量上 GPT-6.1 Sol (max) 领先:66.6 比 60.1。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-6.1 Sol (max) 总体领先,但请结合你的用途查看各类别得分。
GPT-5.6 Terra 和 GPT-6.1 Sol 哪个更便宜?价格会变吗?
目前 GPT-6.1 Sol 更便宜:每百万 token $4.00 比 $4.50(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。
编程用 GPT-5.6 Terra 还是 GPT-6.1 Sol 更好?
GPT-6.1 Sol 在编程方面得分更高(类别得分 71 比 59,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,GPT-5.6 Terra 为 1520,GPT-6.1 Sol 为 1743。
GPT-5.6 Terra 和 GPT-6.1 Sol 哪个更快?
GPT-5.6 Terra 输出更快(约 1.5 倍;输出 97 比 50 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 GPT-5.6 Terra 还是 GPT-6.1 Sol 更好?
GPT-6.1 Sol 在智能体任务方面得分更高(类别得分 64 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 Arena Agent 上,GPT-5.6 Terra 为 -1.8,GPT-6.1 Sol 为 12.5。
更多问题(4)
处理长文档哪个更好?
GPT-6.1 Sol 在长上下文基准测试上得分更高(66 比 64)。两者都支持 1,050,000 token 的上下文。
哪个延迟更低?
GPT-5.6 Terra 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 19.2 秒比 166.7 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 Terra 和 GPT-6.1 Sol 的看法一致吗?
在两者都有结果的 36 项基准测试中,GPT-5.6 Terra 领先 0 项,GPT-6.1 Sol 领先 36 项。所有同时评测两者的综合评分都认为 GPT-6.1 Sol 更强。
GPT-6.1 Sol 是什么时候发布的?
GPT-6.1 Sol 于 2026年9月29日 发布。