BenchLeader

GPT-6.1 Sol vs GPT-6.2 Astra

完整资料:GPT-6.1 Sol(OpenAI)和 GPT-6.2 Astra(OpenAI),包括全部基准测试、价格和排名。

更新于 · 数据来自 14 个来源

截至 2026年11月19日,质量上 GPT-6.2 Astra 领先 GPT-6.1 Sol(BenchLeader Index 68.9 比 65.9)。不过,GPT-6.1 Sol 更便宜,对方的价格是它的 4.0 倍(每百万 token 混合价格 $4.00 比 $16.00)。在两者都有成绩的所有类别中,GPT-6.2 Astra 均领先。

要点(截至 2026年11月19日)

  • GPT-6.1 Sol 的 BenchLeader Index 为 65.9,GPT-6.2 Astra 为 68.9(BenchLeader,2026年11月19日)。
  • GPT-6.1 Sol 每百万 token 混合价格为 $4.00(标价,2026年11月19日)。
  • GPT-6.2 Astra 每百万 token 混合价格为 $16.00(标价,2026年11月19日)。
  • 在两者都有结果的 61 项基准测试中,GPT-6.2 Astra 领先 52 项(BenchLeader,2026年11月19日)。
  • 在 Arena WebDev 上,GPT-6.1 Sol 的评分为 1744,GPT-6.2 Astra 为 1781(LMArena,截至 2026年11月19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-6.2 Astra类别得分 76 比 70;Arena WebDev 1781 比 1744中
智能体与工具调用GPT-6.2 Astra类别得分 66 比 63;Terminal-Bench 62.1% 比 60.9%中
数学GPT-6.2 Astra类别得分 73 比 71;FrontierMath Tiers 1–3 92.6% 比 93.7%中
推理GPT-6.2 Astra类别得分 73 比 70;GPQA Diamond 96.8% 比 95.4%中
知识GPT-6.2 Astra类别得分 74 比 70;SimpleQA Verified 78.5% 比 73.9%中
图像及其他媒体GPT-6.2 Astra类别得分 72 比 66;MMMU-Pro 89.5% 比 86.0%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 $16.00;智能体编程会话 $0.160 比 $0.640–
首次回答最快GPT-6.1 Sol首个回答 token 134.5 秒(GPT-6.1 Sol (max))比 202.7 秒(GPT-6.2 Astra (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-6.2 Astra (max) 领先:68.9 比 65.9。
  • GPT-6.2 Astra (max) 在智能体与工具、编程、综合、知识、数学、多模态、推理方面更强。
  • GPT-6.1 Sol (max) 更便宜,对方的价格是它的 4.0 倍(每百万 token 混合价格 $4.00 比 $16.00)。

概览

规格GPT-6.1 SolGPT-6.2 Astra
提供商OpenAIOpenAI
发布日期2026年9月29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-6.1 Sol (max)GPT-6.2 Astra (max)
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$2.00 / $10.00 / $0.100$8.00 / $40.00 / $0.400

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-6.1 Sol (max)GPT-6.2 Astra (max)领先者
推理70.173.1GPT-6.2 Astra
编程70.176.1GPT-6.2 Astra
智能体与工具63.166.4GPT-6.2 Astra
数学71.372.5GPT-6.2 Astra
知识70.374.2GPT-6.2 Astra
人类偏好67.3–无法比较
多模态65.571.7GPT-6.2 Astra
长上下文66.2–无法比较
综合65.569.5GPT-6.2 Astra

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多模态GPT-6.1 Sol, 推理: 70.1GPT-6.1 Sol, 编程: 70.1GPT-6.1 Sol, 智能体与工具: 63.1GPT-6.1 Sol, 数学: 71.3GPT-6.1 Sol, 知识: 70.3GPT-6.1 Sol, 多模态: 65.5GPT-6.2 Astra, 推理: 73.1GPT-6.2 Astra, 编程: 76.1GPT-6.2 Astra, 智能体与工具: 66.4GPT-6.2 Astra, 数学: 72.5GPT-6.2 Astra, 知识: 74.2GPT-6.2 Astra, 多模态: 71.7

未绘制(测得的模型少于两个):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 61 项基准测试中,GPT-6.1 Sol 领先 7 项,GPT-6.2 Astra 领先 52 项,2 项持平。所有同时评测两者的综合评分都认为 GPT-6.2 Astra 更强。

综合 IndexGPT-6.1 Sol (max)GPT-6.2 Astra (max)领先者
BenchLeader Index65.968.9GPT-6.2 Astra
AA Intelligence Index v5.0.154.662.1GPT-6.2 Astra
Vals Index63.967.7GPT-6.2 Astra

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-6.1 Sol (max)GPT-6.2 Astra (max)
每百万 token 混合价格$4.00$16.00
每百万 token 输入 / 输出$2.00 / $10.00$8.00 / $40.00
每百万 token 缓存输入$0.100$0.400
每项任务价格:聊天回复$0.0038$0.015
每项任务价格:总结一份 30 页的报告$0.030$0.120
每项任务价格:代码编辑$0.027$0.108
每项任务价格:智能体编程会话$0.160$0.640
每项任务价格:结构化信息提取$0.0060$0.024
智能体编程会话(输入大多命中缓存)$0.074$0.298
每项基准测试任务成本(AA Index)$1.27$4.00
每项任务输出 token(AA Index)68k41k
其中推理部分49k26k
每项任务耗时(AA Index)24 min14 min
输出速度48 tok/s49 tok/s
首次回答时间134.5 秒202.7 秒
完整回答耗时(最近一次测量 2026年11月13日)429.6 秒–

按 token 计价不等于按任务计价:在 Artificial Analysis 的 Intelligence Index 中,一项平均任务在 GPT-6.1 Sol (max) 上花费 $1.27,在 GPT-6.2 Astra (max) 上花费 $4.00;完成同样的工作,GPT-6.1 Sol (max) 输出的 token 是对方的 1.7 倍,这是只看 token 单价看不出来的。

每个模型都按其排名最高的推理强度设置进行对比。GPT-6.1 Sol (max) 得分 65.9,首个回答 token 需 135 秒;GPT-6.1 Sol (xhigh) 为 62.9(59 秒),GPT-6.1 Sol (high) 为 62.6(26 秒)。GPT-6.2 Astra (max) 得分 68.9,首个回答 token 需 203 秒;GPT-6.2 Astra (xhigh) 为 67.1(67 秒),GPT-6.2 Astra (medium) 为 65.6(4 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 159 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-6.1 Sol (max)GPT-6.2 Astra (max)
BenchLeader IndexBenchLeader65.968.9
智能体与工具得分BenchLeader63.166.4
编程得分BenchLeader70.176.1
综合得分BenchLeader65.569.5
人类偏好得分BenchLeader67.3–
知识得分BenchLeader70.374.2
长上下文得分BenchLeader66.2–
数学得分BenchLeader71.372.5
多模态得分BenchLeader65.571.7
推理得分BenchLeader70.173.1
混合价格(美元/百万 token)BenchLeader$4.00$16.00
输出速度BenchLeader48 tok/s49 tok/s
首次回答时间BenchLeader134.5 秒202.7 秒
上下文窗口BenchLeader1,050,000 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub95.4%96.8%
SimpleBenchSimpleBench82.9%†–
Arena Hard PromptsArena (LMArena)1507–
LiveBench 2.0 ReasoningLiveBench92.6%91.6%
LiveBench 1.0 ReasoningLiveBench92.6%–
Humanity's Last Exam (AA)Artificial Analysis52.9%–
HLE-Diamond (AA)Artificial Analysis58.8%72.2%
ARC-AGI-1ARC Prize96.5%98.5%
ARC-AGI-2ARC Prize94.2%95.8%
ARC-AGI-3ARC Prize96.2%99.8%
CritPtArtificial Analysis31.7%–
CritPt v2 hard subset (AA)Artificial Analysis69.5%71.5%
MysteryMechanismVals AI46.4%53.1%
HLE-Diamond (Scale)Scale AI SEAL53.6%†66.9%†
Arena ExpertArena (LMArena)1530–
Chess PuzzlesEpoch AI Benchmarking Hub68.0%78.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub80.0%95.0%
LMCAEpoch AI Benchmarking Hub62.8%–
DTBenchEpoch AI Benchmarking Hub96.5%–
编程
SciCodeSciCode54.2%–
FrontierCodeCognition50.2%†–
Arena CodingArena (LMArena)1544–
Arena WebDevArena (LMArena)17441781
LiveBench 2.0 CodingLiveBench82.1%91.9%
LiveBench 1.0 CodingLiveBench80.4%–
显示全部 159 项基准测试
指标发布方GPT-6.1 Sol (max)GPT-6.2 Astra (max)
编程
IOIVals AI96.9%–
Code MigrationVals AI65.1%–
Code Migration v1.1Vals AI77.3%–
ProgramBenchVals AI3.0%–
SWE-bench MultimodalVals AI43.5%–
Vibe Code Bench v1.1Vals AI88.9%89.9%
Vibe Code Bench 1-100 v1.1Vals AI–55.2%
SWE Atlas v1.1Scale AI SEAL65.9%†60.5%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL71.0%†67.7%†
SWE Atlas v1.1: Test WritingScale AI SEAL66.7%†62.2%†
SWE Atlas v1.1: RefactoringScale AI SEAL60.0%†51.4%†
SWE-Bench Pro V2Scale AI SEAL96.1%†–
MirrorCodeEpoch AI Benchmarking Hub61.1%67.8%
ALE-BenchEpoch AI Benchmarking Hub2743.8–
WeirdML v3WeirdML38.3%†–
Terminal-Bench 4.0 (AA)Artificial Analysis56.1%64.1%
Startrise FrontendStartrise78.6%†–
GameBench 2 OverallDuelLab GameBench 284.9†–
GameBench 2 by reasoning settingDuelLab GameBench 291.8†–
Design Arena WebsiteDesign Arena1311†1339†
FrontierCode 1.1 (AA)Artificial Analysis49.1%–
FrontierCode 2.0 (AA)Artificial Analysis40.6%45.4%
智能体与工具
Terminal-BenchTerminal-Bench60.9%62.1%
APEX-AgentsMercor60.0%–
Arena AgentArena (LMArena)11.315.2
LiveBench Long AgenticLiveBench64.7%70.8%
LiveBench BrowserLiveBench93.3%93.0%
LiveBench Agentic CodingLiveBench54.5%–
HiL-BenchScale AI SEAL62.3%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis54.8%–
GDPval-AA v2.1Artificial Analysis1607–
Analyst Agent (AA)Artificial Analysis50.0%62.5%
CyberBenchVals AI39.3%–
Finance Agent v2Vals AI52.0%–
Finance Agent v2.1Vals AI61.8%60.8%
Harvey's Legal Agent Benchmark v1.1Vals AI6.3%16.3%
Harvey's Legal Agent Benchmark v1Vals AI5.4%–
Legal Research BenchVals AI38.5%42.8%
Robo-benchVals AI28.3%32.7%
SREBenchVals AI50.8%–
Tax Agent BenchVals AI21.8%21.8%
Terminal-Bench 4.0 (Vals)Vals AI55.0%63.1%
Terminal-Bench ScienceVals AI52.9%71.4%
Arena SearchArena (LMArena)1249–
Arena Agent Task CompletionArena (LMArena)11.612.4
PostTrainBenchEpoch AI Benchmarking Hub38.8%–
GBAEvalEpoch AI Benchmarking Hub81.9%†–
Vending-Bench 2Andon Labs12860.6†–
SpireClimbEpoch AI Benchmarking Hub23.8%41.3%
AutomationBenchArtificial Analysis64.9%77.3%
GDP.pdf (AA)Artificial Analysis31.0%29.8%
Harvey LAB-AA v1.1Harvey6.9%15.0%
EnterpriseOps-GymArtificial Analysis–29.9%
AA-Briefcase v1.1Artificial Analysis15571643
GDPxGDPx by SemiAnalysis8.4%–
Design Arena AgenticDesign Arena13591304
Terminal-Bench-Science 0.1 (AA)Artificial Analysis58.1%78.1%
CWE-Bench (AA)Artificial Analysis–65.0%
DeepSec-Bench (AA)Artificial Analysis–46.8%
CyberGym end-to-end (AA)Artificial Analysis–0.0%
MKA (AA)Artificial Analysis47.7%52.7%
FACTS SearchGoogle92.8%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub93.7%92.6%
FrontierMath Tier 4Epoch AI Benchmarking Hub100.0%100.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%100.0%
ProofBenchVals AI99.0%†–
LiveBench MathematicsLiveBench96.8%–
ArXivMathMathArena92.8%–
BrokenArXivMathArena83.1%–
Autoform-HardVals AI–87.5%
Arena MathsArena (LMArena)1500–
FrontierMath ErdősEpoch AI Benchmarking Hub4.4%10.3%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub73.9%78.5%
LiveBench 2.0 Data AnalysisLiveBench82.7%84.1%
LiveBench ResearchLiveBench90.0%91.5%
LiveBench 1.0 Data AnalysisLiveBench82.7%–
AA-Omniscience v1.1Artificial Analysis42.050
PRBench FinanceScale AI SEAL46.2%†–
PRBench LegalScale AI SEAL47.9%†43.1%†
BioMysteryBenchVals AI79.6%80.7%
ClaimBenchVals AI100.0%–
Excel Modeling BenchmarkVals AI70.8%–
Excel Modeling Benchmark v1.1Vals AI71.1%76.0%
MedCodeVals AI48.8%–
MedScribeVals AI86.5%–
Public Benefits Bench v1.1Vals AI59.3%–
Access to Justice BenchmarkVals AI65.8%–
Financial Coaching BenchVals AI68.5%–
Immigration BenchVals AI67.8%–
DrugDiscoveryBenchScale AI SEAL–65.5%†
EBR-benchEpoch AI Benchmarking Hub54.3%92.4%
GDP.pdfEpoch AI Benchmarking Hub51.6%–
AA-Omniscience v1.1: accuracyArtificial Analysis61.8%68.6%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis48.1%40.9%
HealthBench Professional (AA)OpenAI65.1%–
FACTS ParametricGoogle83.8%†–
指令遵循
LiveBench LanguageLiveBench90.1%–
LiveBench Instruction FollowingLiveBench74.2%–
MultiChallengeScale AI SEAL82.0%†73.2%†
Arena Instruction FollowingArena (LMArena)1484–
人类偏好
Arena TextArena (LMArena)1483–
EQ-Bench 4EQ-Bench1272†–
Arena Creative WritingArena (LMArena)1450–
Arena Multi-turnArena (LMArena)1487–
Arena Longer QueriesArena (LMArena)1490–
多模态
Arena VisionArena (LMArena)1286–
LiveBench DesignLiveBench79.6%82.8%
MMMU-ProArtificial Analysis86.0%89.5%
SAGEVals AI90.5%–
Humanity's Sixth SenseScale AI SEAL46.6%63.2%†
Blueprint-Bench 2Epoch AI Benchmarking Hub43.2%†–
Furniture AssemblyEpoch AI Benchmarking Hub80.0%89.2%
VIALS-AAHandshake AI59.0%65.8%
Code2Video-AAArtificial Analysis1369–
AA-3DArtificial Analysis11211318
FACTS MultimodalGoogle52.6%†–
长上下文
AA-LCR v1.1Artificial Analysis83.0%–
MLCRArtificial Analysis38.3%39.4%
FACTS GroundingGoogle78.0%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub168.6†174.2†
LiveBench 2.0LiveBench81.2%84.9%
LiveBench 1.0LiveBench81.6%–
AA Intelligence Index v5.0.1Artificial Analysis54.662.1
AA Intelligence Index v4.3.2Artificial Analysis51.8–
AA Progress Index v1Artificial Analysis348.5–
Vals IndexVals AI63.967.7
Vals Finance IndexVals AI55.8%57.3%
Vals RSI IndexVals AI26.6%29.0%
Vals Science IndexVals AI59.6%68.4%
Vals Router IndexVals AI63.9%†–
Vals Legal IndexVals AI68.7%69.7%
AA Cyber IndexArtificial Analysis–37.3
安全与诚实
FORTRESSScale AI SEAL14.7%†–
DistressBenchScale AI SEAL74.2%†–

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 Astra (max):BenchLeader Index 67.8 → 68.9。
  • GPT-6.1 Sol (max):2 项分数修订。
  • GPT-6.2 Astra (max):6 项新结果(VIALS-AA, Arena WebDev, Arena Agent…)。
  • GPT-6.2 Astra (max):BenchLeader Index 67.2 → 67.8。
  • GPT-6.2 Astra (max):2 项新结果(MKA (AA), Terminal-Bench)。
  • GPT-6.1 Sol (max):BenchLeader Index 66.9 → 66.1。
  • GPT-6.1 Sol (max):1 项分数修订。
  • GPT-6.1 Sol (max):3 项分数修订。
  • 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。

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-6.1 Sol vs GPT-6.2 Astra:常见问题

GPT-6.2 Astra 比 GPT-6.1 Sol 更好吗?
质量上 GPT-6.2 Astra (max) 领先:68.9 比 65.9。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月19日,GPT-6.2 Astra (max) 总体领先,但请结合你的用途查看各类别得分。
GPT-6.1 Sol 和 GPT-6.2 Astra 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 $16.00(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-6.1 Sol 还是 GPT-6.2 Astra 更好?
GPT-6.2 Astra 在编程方面得分更高(类别得分 76 比 70,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,GPT-6.1 Sol 为 1744,GPT-6.2 Astra 为 1781。
GPT-6.1 Sol 和 GPT-6.2 Astra 哪个更快?
GPT-6.2 Astra 输出更快(输出 49 比 48 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 GPT-6.1 Sol 还是 GPT-6.2 Astra 更好?
GPT-6.2 Astra 在智能体任务方面得分更高(类别得分 66 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-6.1 Sol 为 60.9%,GPT-6.2 Astra 为 62.1%。
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-6.1 Sol 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 134.5 秒比 202.7 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-6.1 Sol 和 GPT-6.2 Astra 的看法一致吗?
在两者都有结果的 61 项基准测试中,GPT-6.1 Sol 领先 7 项,GPT-6.2 Astra 领先 52 项,2 项持平。所有同时评测两者的综合评分都认为 GPT-6.2 Astra 更强。
GPT-6.2 Astra 是什么时候发布的?
GPT-6.2 Astra 于 2026年11月17日 发布。