BenchLeader

GPT-5 Pro vs GPT-6.1 Sol

完整资料:GPT-5 Pro(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 16 个来源

截至 2026年11月16日,质量上 GPT-6.1 Sol 领先 GPT-5 Pro(BenchLeader Index 66.6 比 59.6)。GPT-6.1 Sol 更便宜,对方的价格是它的 10 倍(每百万 token 混合价格 $4.00 比 $41.25)。看重多模态(67 比 66)选 GPT-5 Pro;看重推理(71 比 55)和知识(72 比 66)选 GPT-6.1 Sol。

要点(截至 2026年11月16日)

  • GPT-5 Pro 的 BenchLeader Index 为 59.6,GPT-6.1 Sol 为 66.6(BenchLeader,2026年11月16日)。
  • GPT-5 Pro 每百万 token 混合价格为 $41.25(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)。
  • 在两者都有结果的 2 项基准测试中,GPT-6.1 Sol 领先 2 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
推理GPT-6.1 Sol类别得分 71 比 55;ARC-AGI-2 94.2% 比 18.3%高
知识GPT-6.1 Sol类别得分 72 比 66中
图像及其他媒体GPT-5 Pro类别得分 67 比 66中
对话质量(人类偏好)–只有 GPT-6.1 Sol 有 Arena 评分(类别得分 67)无法比较
成本最低GPT-6.1 Sol每百万 token 混合价格 $4.00 比 $41.25;智能体编程会话 $0.160 比 $1.38–
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 59.6。
  • GPT-5 Pro 在多模态方面更强。
  • GPT-6.1 Sol (max) 在知识、推理方面更强。
  • GPT-6.1 Sol (max) 更便宜,对方的价格是它的 10 倍(每百万 token 混合价格 $4.00 比 $41.25)。

概览

规格GPT-5 ProGPT-6.1 Sol
提供商OpenAIOpenAI
发布日期2025年8月7日2026年9月29日
上下文窗口(token)400,0001,050,000
对比时的配置GPT-5 ProGPT-6.1 Sol (max)
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$15.00 / $120.00 / –$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 ProGPT-6.1 Sol (max)领先者
推理55.071.4GPT-6.1 Sol
编程–71.1无法比较
智能体与工具–64.3无法比较
数学–71.6无法比较
知识66.171.5GPT-6.1 Sol
人类偏好–67.1无法比较
多模态67.465.6GPT-5 Pro
长上下文–66.2无法比较
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推理知识多模态GPT-5 Pro, 推理: 55.0GPT-5 Pro, 知识: 66.1GPT-5 Pro, 多模态: 67.4GPT-6.1 Sol, 推理: 71.4GPT-6.1 Sol, 知识: 71.5GPT-6.1 Sol, 多模态: 65.6

未绘制(测得的模型少于两个):编程, 智能体与工具, 数学, 指令遵循, 长上下文, 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 2 项基准测试中,GPT-5 Pro 领先 0 项,GPT-6.1 Sol 领先 2 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 ProGPT-6.1 Sol (max)领先者
BenchLeader Index59.666.6GPT-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 ProGPT-6.1 Sol (max)
每百万 token 混合价格$41.25$4.00
每百万 token 输入 / 输出$15.00 / $120.00$2.00 / $10.00
每百万 token 缓存输入–$0.100
每项任务价格:聊天回复$0.042$0.0038
每项任务价格:总结一份 30 页的报告$0.252$0.030
每项任务价格:代码编辑$0.270$0.027
每项任务价格:智能体编程会话$1.38$0.160
每项任务价格:结构化信息提取$0.054$0.0060
智能体编程会话(输入大多命中缓存)–$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–50 tok/s
首次回答时间–166.7 秒
完整回答耗时(最近一次测量 2026年11月13日)–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 Pro 得分 59.6。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 157 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 ProGPT-6.1 Sol (max)
BenchLeader IndexBenchLeader59.666.6
知识得分BenchLeader66.171.5
多模态得分BenchLeader67.465.6
推理得分BenchLeader55.071.4
智能体与工具得分BenchLeader–64.3
编程得分BenchLeader–71.1
综合得分BenchLeader–67.9
人类偏好得分BenchLeader–67.1
长上下文得分BenchLeader–66.2
数学得分BenchLeader–71.6
混合价格(美元/百万 token)BenchLeader$41.25$4.00
输出速度BenchLeader–50 tok/s
首次回答时间BenchLeader–166.7 秒
上下文窗口BenchLeader400,000 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub–95.4%
Humanity's Last ExamScale AI / CAIS31.6%–
SimpleBenchSimpleBench61.6%82.9%†
Arena Hard PromptsArena (LMArena)–1505
LiveBench 2.0 ReasoningLiveBench–92.6%
LiveBench 1.0 ReasoningLiveBench–92.6%
Humanity's Last Exam (AA)Artificial Analysis–52.9%
HLE-Diamond (AA)Artificial Analysis–58.8%
Kagi LLM BenchmarkKagi LLM Benchmark76.8%–
ARC-AGI-1ARC Prize70.2%96.5%
ARC-AGI-2ARC Prize18.3%94.2%
ARC-AGI-3ARC Prize–96.2%
CritPtArtificial Analysis–31.7%
CritPt v2 hard subset (AA)Artificial Analysis–69.5%
MysteryMechanismVals AI–46.4%
Arena ExpertArena (LMArena)–1525
Chess PuzzlesEpoch AI Benchmarking Hub48.0%†68.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub–80.0%
LMCAEpoch AI Benchmarking Hub–62.8%
DTBenchEpoch AI Benchmarking Hub–96.5%
编程
SciCodeSciCode–54.2%
WeirdMLWeirdML60.4%†–
FrontierCodeCognition–50.2%†
Arena CodingArena (LMArena)–1540
Arena WebDevArena (LMArena)–1743
显示全部 157 项基准测试
指标发布方GPT-5 ProGPT-6.1 Sol (max)
编程
LiveBench 2.0 CodingLiveBench–82.1%
LiveBench 1.0 CodingLiveBench–80.4%
IOIVals AI–96.9%
Code MigrationVals AI–65.1%
Code Migration v1.1Vals AI–77.3%
ProgramBenchVals AI–3.0%
SWE-bench MultimodalVals AI–43.5%
Vibe Code Bench v1.1Vals AI–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 SEAL–96.1%†
MirrorCodeEpoch AI Benchmarking Hub–61.1%
ALE-BenchEpoch AI Benchmarking Hub–2743.8
AlgoTuneAlgoTune1.3†–
WeirdML v3WeirdML–38.3%†
Terminal-Bench 4.0 (AA)Artificial Analysis–56.1%
Startrise FrontendStartrise–78.6%†
GameBench 2 OverallDuelLab GameBench 2–84.9†
GameBench 2 by reasoning settingDuelLab GameBench 2–92.0†
Design Arena WebsiteDesign Arena–1315†
FrontierCode 1.1 (AA)Artificial Analysis–49.1%
FrontierCode 2.0 (AA)Artificial Analysis–40.6%
智能体与工具
Terminal-BenchTerminal-Bench–60.9%
APEX-AgentsMercor–60.0%
Arena AgentArena (LMArena)–12.5
LiveBench Long AgenticLiveBench–65.6%
LiveBench BrowserLiveBench–93.3%
LiveBench Agentic CodingLiveBench–54.5%
HiL-BenchScale AI SEAL–62.3%†
GDPval-AA v2.1, normalised scoreArtificial Analysis–54.8%
GDPval-AA v2.1Artificial Analysis–1607
Analyst Agent (AA)Artificial Analysis–50.0%
CyberBenchVals AI–39.3%
Finance Agent v2Vals AI–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 AI–5.4%
Legal Research BenchVals AI–38.5%
Robo-benchVals AI–28.3%
SREBenchVals AI–50.8%
Tax Agent BenchVals AI–21.8%
Terminal-Bench 4.0 (Vals)Vals AI–55.0%
Terminal-Bench ScienceVals AI–52.9%
Arena SearchArena (LMArena)–1249
Arena Agent Task CompletionArena (LMArena)–11.7
PostTrainBenchEpoch AI Benchmarking Hub–38.8%
Vending-Bench 2Andon Labs–12860.6†
SpireClimbEpoch AI Benchmarking Hub–23.8%
AutomationBenchArtificial Analysis–64.9%
GDP.pdf (AA)Artificial Analysis–31.0%
Harvey LAB-AA v1.1Harvey–6.9%
AA-Briefcase v1.1Artificial Analysis–1555
GDPxGDPx by SemiAnalysis–8.4%
Design Arena AgenticDesign Arena–1375
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–58.1%
MKA (AA)Artificial Analysis–47.7%
DeepSearchQAGoogle65.2%–
FACTS SearchGoogle–92.8%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub55.8%†93.7%
FrontierMath Tier 4Epoch AI Benchmarking Hub19.5%†100.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub–100.0%
ProofBenchVals AI–99.0%†
LiveBench MathematicsLiveBench–96.8%
ArXivMathMathArena–92.8%
BrokenArXivMathArena–83.1%
Arena MathsArena (LMArena)–1499
FrontierMath ErdősEpoch AI Benchmarking Hub–4.4%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub–73.9%
LiveBench 2.0 Data AnalysisLiveBench–82.7%
LiveBench ResearchLiveBench–90.0%
LiveBench 1.0 Data AnalysisLiveBench–82.7%
AA-Omniscience v1.1Artificial Analysis–42.0
PRBench FinanceScale AI SEAL51.1%46.2%†
PRBench LegalScale AI SEAL49.9%47.9%†
MultiNRCScale AI SEAL65.2%–
BioMysteryBenchVals AI–79.6%
ClaimBenchVals AI–100.0%
Excel Modeling BenchmarkVals AI–70.8%
Excel Modeling Benchmark v1.1Vals AI–71.1%
MedCodeVals AI–48.8%
MedScribeVals AI–86.5%
Public Benefits Bench v1.1Vals AI–59.3%
Access to Justice BenchmarkVals AI–65.8%
Financial Coaching BenchVals AI–68.5%
Immigration BenchVals AI–67.8%
EBR-benchEpoch AI Benchmarking Hub–54.3%
GDP.pdfEpoch AI Benchmarking Hub–35.0%
AA-Omniscience v1.1: accuracyArtificial Analysis–61.8%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–48.1%
HealthBench Professional (AA)OpenAI–65.1%
FACTS ParametricGoogle–83.8%†
指令遵循
LiveBench LanguageLiveBench–90.1%
LiveBench Instruction FollowingLiveBench–74.2%
MultiChallengeScale AI SEAL–82.0%†
Arena Instruction FollowingArena (LMArena)–1482
人类偏好
Arena TextArena (LMArena)–1481
EQ-Bench 4EQ-Bench–1272†
Arena Creative WritingArena (LMArena)–1449
Arena Multi-turnArena (LMArena)–1486
Arena Longer QueriesArena (LMArena)–1488
多模态
Arena VisionArena (LMArena)–1286
LiveBench DesignLiveBench–79.6%
MMMU-ProArtificial Analysis–86.0%
VISTAScale AI SEAL52.4%–
SAGEVals AI–90.5%
Humanity's Sixth SenseScale AI SEAL–46.6%
Blueprint-Bench 2Epoch AI Benchmarking Hub–43.2%†
Furniture AssemblyEpoch AI Benchmarking Hub–80.0%
VIALS-AAHandshake AI–59.0%
Code2Video-AAArtificial Analysis–1369
AA-3DArtificial Analysis–1121
FACTS MultimodalGoogle–52.6%†
长上下文
AA-LCR v1.1Artificial Analysis–83.0%
MLCRArtificial Analysis–38.3%
FACTS GroundingGoogle–78.0%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub151.2168.5†
LiveBench 2.0LiveBench–81.4%
LiveBench 1.0LiveBench–81.6%
AA Intelligence Index v5.0.1Artificial Analysis–54.6
AA Intelligence Index v4.3.2Artificial Analysis–51.8
AA Progress Index v1Artificial Analysis–348.5
Vals IndexVals AI–63.9
Vals Finance IndexVals AI–55.8%
Vals RSI IndexVals AI–26.6%
Vals Science IndexVals AI–59.6%
Vals Router IndexVals AI–63.9%†
Vals Legal IndexVals AI–68.7%
安全与诚实
FORTRESSScale AI SEAL15.2%–
MASKScale AI SEAL86.0%–
DistressBenchScale AI SEAL–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-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-5 Pro:BenchLeader Index 60.2 → 59.6。
  • 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-6.1 Sol (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 Pro vs GPT-6.1 Sol:常见问题

GPT-6.1 Sol 比 GPT-5 Pro 更好吗?
质量上 GPT-6.1 Sol (max) 领先:66.6 比 59.6。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 Pro 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 $41.25(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。
处理长文档哪个更好?
GPT-6.1 Sol 支持更长的上下文:1,050,000 token,GPT-5 Pro 为 400,000 token。
第三方基准测试对 GPT-5 Pro 和 GPT-6.1 Sol 的看法一致吗?
在两者都有结果的 2 项基准测试中,GPT-5 Pro 领先 0 项,GPT-6.1 Sol 领先 2 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。