BenchLeader

GPT-6.1 Sol vs GPT-6 Luna

完整资料:GPT-6.1 Sol(OpenAI)和 GPT-6 Luna(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16日,质量上 GPT-6.1 Sol 领先 GPT-6 Luna(BenchLeader Index 66.6 比 55.1)。不过,GPT-6 Luna 更便宜,对方的价格是它的 20 倍(每百万 token 混合价格 $0.200 比 $4.00)。在两者都有成绩的所有类别中,GPT-6.1 Sol 均领先。GPT-6 Luna 输出更快(约 2 倍)。

要点(截至 2026年11月16日)

  • GPT-6.1 Sol 的 BenchLeader Index 为 66.6,GPT-6 Luna 为 55.1(BenchLeader,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-6 Luna 每百万 token 混合价格为 $0.200(标价,2026年11月16日)。
  • GPT-6 Luna 比 GPT-6.1 Sol 输出更快(约 2 倍;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 107 项基准测试中,GPT-6.1 Sol 领先 104 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,GPT-6.1 Sol 的评分为 1743,GPT-6 Luna 为 1577(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 57;Arena WebDev 1743 比 1577高
智能体与工具调用GPT-6.1 Sol类别得分 64 比 49;Terminal-Bench 60.9% 比 15.2%高
数学GPT-6.1 Sol类别得分 72 比 64;FrontierMath Tiers 1–3 93.7% 比 79.0%高
推理GPT-6.1 Sol类别得分 71 比 56;GPQA Diamond 95.4% 比 90.5%高
知识GPT-6.1 Sol类别得分 72 比 45;SimpleQA Verified 73.9% 比 41.4%高
长文档均可类别得分 66 比 66;AA-LCR v1.1 83.0% 比 83.3%均可
图像及其他媒体GPT-6.1 Sol类别得分 66 比 58;Arena Vision 1286 比 1211高
对话质量(人类偏好)GPT-6.1 SolArena 投票 67 比 62中
成本最低GPT-6 Luna每百万 token 混合价格 $0.200 比 $4.00;智能体编程会话 $0.008 比 $0.160–
首次回答最快GPT-6 Luna首个回答 token 73.9 秒(GPT-6 Luna (max))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 55.1。
  • GPT-6.1 Sol (max) 在智能体与工具、编程、综合、人类偏好、知识、数学、多模态、推理方面更强。
  • GPT-6 Luna (max) 在长上下文方面更强。
  • GPT-6 Luna (max) 更便宜,对方的价格是它的 20 倍(每百万 token 混合价格 $0.200 比 $4.00)。
  • GPT-6 Luna (max) 的输出速度是对方的 2.1 倍(103 比 50 token/秒)。

概览

规格GPT-6.1 SolGPT-6 Luna
提供商OpenAIOpenAI
发布日期2026年9月29日2026年9月22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 Luna (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$0.100 / $0.500 / $0.010

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 Luna (max)领先者
推理71.455.7GPT-6.1 Sol
编程71.157.3GPT-6.1 Sol
智能体与工具64.348.5GPT-6.1 Sol
数学71.663.6GPT-6.1 Sol
知识71.544.8GPT-6.1 Sol
人类偏好67.162.2GPT-6.1 Sol
多模态65.657.6GPT-6.1 Sol
长上下文66.266.4持平
综合67.944.5GPT-6.1 Sol

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-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: 67.1GPT-6 Luna, 推理: 55.7GPT-6 Luna, 编程: 57.3GPT-6 Luna, 智能体与工具: 48.5GPT-6 Luna, 数学: 63.6GPT-6 Luna, 知识: 44.8GPT-6 Luna, 长上下文: 66.4GPT-6 Luna, 多模态: 57.6GPT-6 Luna, 人类偏好: 62.2

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 107 项基准测试中,GPT-6.1 Sol 领先 104 项,GPT-6 Luna 领先 3 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-6.1 Sol (max)GPT-6 Luna (max)领先者
BenchLeader Index66.655.1GPT-6.1 Sol
AA Intelligence Index v5.0.154.627.9GPT-6.1 Sol
Vals Index63.952.3GPT-6.1 Sol
Arena Text14811441GPT-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-6.1 Sol (max)GPT-6 Luna (max)
每百万 token 混合价格$4.00$0.200
每百万 token 输入 / 输出$2.00 / $10.00$0.100 / $0.500
每百万 token 缓存输入$0.100$0.010
每项任务价格:聊天回复$0.0038$0.0002
每项任务价格:总结一份 30 页的报告$0.030$0.0015
每项任务价格:代码编辑$0.027$0.0014
每项任务价格:智能体编程会话$0.160$0.0080
每项任务价格:结构化信息提取$0.0060$0.0003
智能体编程会话(输入大多命中缓存)$0.074$0.0040
每项基准测试任务成本(AA Index)$1.27$0.152
每项任务输出 token(AA Index)68k75k
其中推理部分49k58k
每项任务耗时(AA Index)23 min12 min
输出速度50 tok/s103 tok/s
首次回答时间166.7 秒73.9 秒
完整回答耗时(最近一次测量 2026年11月13日)429.6 秒171.6 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 Luna (max) 上花费 $0.152;完成同样的工作,GPT-6 Luna (max) 输出的 token 是对方的 1.1 倍。

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 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)。GPT-6 Luna (max) 得分 55.1,首个回答 token 需 74 秒;GPT-6 Luna (xhigh) 为 52.0(17 秒),GPT-6 Luna (high) 为 51.1(10 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 154 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 Luna (max)
BenchLeader IndexBenchLeader66.655.1
智能体与工具得分BenchLeader64.348.5
编程得分BenchLeader71.157.3
综合得分BenchLeader67.944.5
人类偏好得分BenchLeader67.162.2
知识得分BenchLeader71.544.8
长上下文得分BenchLeader66.266.4
数学得分BenchLeader71.663.6
多模态得分BenchLeader65.657.6
推理得分BenchLeader71.455.7
混合价格(美元/百万 token)BenchLeader$4.00$0.200
输出速度BenchLeader50 tok/s103 tok/s
首次回答时间BenchLeader166.7 秒73.9 秒
上下文窗口BenchLeader1,050,000 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub95.4%90.5%
SimpleBenchSimpleBench82.9%†–
Arena Hard PromptsArena (LMArena)15051464
LiveBench 2.0 ReasoningLiveBench92.6%81.8%
LiveBench 1.0 ReasoningLiveBench92.6%81.8%
Humanity's Last Exam (AA)Artificial Analysis52.9%38.5%
HLE-Diamond (AA)Artificial Analysis58.8%22.2%
ARC-AGI-1ARC Prize96.5%86.7%
ARC-AGI-2ARC Prize94.2%59.3%
ARC-AGI-3ARC Prize96.2%0.6%
CritPtArtificial Analysis31.7%19.4%
CritPt v2 hard subset (AA)Artificial Analysis69.5%42.5%
MysteryMechanismVals AI46.4%19.4%
Arena ExpertArena (LMArena)15251487
Chess PuzzlesEpoch AI Benchmarking Hub68.0%36.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub80.0%7.0%
LMCAEpoch AI Benchmarking Hub62.8%44.5%
DTBenchEpoch AI Benchmarking Hub96.5%90.1%
编程
SciCodeSciCode54.2%54.6%
FrontierCodeCognition50.2%†42.4%
Arena CodingArena (LMArena)15401501
Arena WebDevArena (LMArena)17431577
LiveBench 2.0 CodingLiveBench82.1%70.8%
LiveBench 1.0 CodingLiveBench80.4%79.0%
IOIVals AI96.9%55.6%
显示全部 154 项基准测试
指标发布方GPT-6.1 Sol (max)GPT-6 Luna (max)
编程
Code MigrationVals AI65.1%42.5%
Code Migration v1.1Vals AI77.3%46.7%
ProgramBenchVals AI3.0%0.5%
SWE-bench MultimodalVals AI43.5%37.5%
Vibe Code Bench v1.1Vals AI88.9%81.7%
SWE Atlas v1.1Scale AI SEAL65.9%†50.8%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL71.0%†50.8%†
SWE Atlas v1.1: Test WritingScale AI SEAL66.7%†54.4%†
SWE Atlas v1.1: RefactoringScale AI SEAL60.0%†47.1%†
SWE-Bench Pro V2Scale AI SEAL96.1%†–
MirrorCodeEpoch AI Benchmarking Hub61.1%26.7%
ALE-BenchEpoch AI Benchmarking Hub2743.81576.9†
WeirdML v3WeirdML38.3%†7.9%†
Terminal-Bench 4.0 (AA)Artificial Analysis56.1%12.6%
Startrise FrontendStartrise78.6%†69.3%†
GameBench 2 OverallDuelLab GameBench 284.9†47.5†
GameBench 2 by reasoning settingDuelLab GameBench 292.0†55.9†
Design Arena WebsiteDesign Arena1315†1268†
FrontierCode 1.1 (AA)Artificial Analysis49.1%41.9%
FrontierCode 2.0 (AA)Artificial Analysis40.6%25.2%
智能体与工具
Terminal-BenchTerminal-Bench60.9%15.2%
APEX-AgentsMercor60.0%44.3%
Arena AgentArena (LMArena)12.51.6
LiveBench Long AgenticLiveBench65.6%24.7%
LiveBench BrowserLiveBench93.3%70.3%
LiveBench Agentic CodingLiveBench54.5%51.2%
Terminal-Bench 2.1 (Vals)Vals AI–73.0%
HiL-BenchScale AI SEAL62.3%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis54.8%46.6%
GDPval-AA v2.1Artificial Analysis16071443
Analyst Agent (AA)Artificial Analysis50.0%43.8%
CyberBenchVals AI39.3%76.3%
Finance Agent v2Vals AI52.0%49.9%
Finance Agent v2.1Vals AI61.8%56.8%
Harvey's Legal Agent Benchmark v1.1Vals AI6.3%4.2%
Harvey's Legal Agent Benchmark v1Vals AI5.4%2.9%
Legal Research BenchVals AI38.5%30.3%
Robo-benchVals AI28.3%–
SREBenchVals AI50.8%2.7%
Tax Agent BenchVals AI21.8%19.9%
Terminal-Bench 4.0 (Vals)Vals AI55.0%13.6%
Terminal-Bench ScienceVals AI52.9%4.3%
Arena SearchArena (LMArena)12491211
Arena Agent Task CompletionArena (LMArena)11.7-0.4
PostTrainBenchEpoch AI Benchmarking Hub38.8%–
Vending-Bench 2Andon Labs12860.6†–
SpireClimbEpoch AI Benchmarking Hub23.8%0.0%
AutomationBenchArtificial Analysis64.9%53.2%
GDP.pdf (AA)Artificial Analysis31.0%22.8%
Harvey LAB-AA v1.1Harvey6.9%3.3%
AA-Briefcase v1.1Artificial Analysis15551337
GDPxGDPx by SemiAnalysis8.4%5.1%
Design Arena AgenticDesign Arena13751152†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis58.1%8.6%
CWE-Bench (AA)Artificial Analysis–56.7%
DeepSec-Bench (AA)Artificial Analysis–23.5%
CyberGym end-to-end (AA)Artificial Analysis–77.9%
MKA (AA)Artificial Analysis47.7%36.8%
FACTS SearchGoogle92.8%†86.8%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub93.7%79.0%
FrontierMath Tier 4Epoch AI Benchmarking Hub100.0%56.1%
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%98.9%
ProofBenchVals AI99.0%†64.0%†
LiveBench MathematicsLiveBench96.8%89.1%
ArXivMathMathArena92.8%–
BrokenArXivMathArena83.1%–
Arena MathsArena (LMArena)14991449
FrontierMath ErdősEpoch AI Benchmarking Hub4.4%–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub73.9%41.4%
LiveBench 2.0 Data AnalysisLiveBench82.7%73.4%
LiveBench ResearchLiveBench90.0%48.5%
LiveBench 1.0 Data AnalysisLiveBench82.7%73.4%
AA-Omniscience v1.1Artificial Analysis42.0-8.3
PRBench FinanceScale AI SEAL46.2%†–
PRBench LegalScale AI SEAL47.9%†42.9%†
BioMysteryBenchVals AI79.6%61.5%
ClaimBenchVals AI100.0%99.2%
Excel Modeling BenchmarkVals AI70.8%68.5%
Excel Modeling Benchmark v1.1Vals AI71.1%70.0%
MedCodeVals AI48.8%44.7%
MedScribeVals AI86.5%83.7%
Public Benefits Bench v1.1Vals AI59.3%57.6%
Access to Justice BenchmarkVals AI65.8%–
Financial Coaching BenchVals AI68.5%65.2%
Immigration BenchVals AI67.8%62.5%
EBR-benchEpoch AI Benchmarking Hub54.3%–
GDP.pdfEpoch AI Benchmarking Hub35.0%23.0%
AA-Omniscience v1.1: accuracyArtificial Analysis61.8%39.6%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis48.1%20.6%
HealthBench Professional (AA)OpenAI65.1%61.9%
FACTS ParametricGoogle83.8%†57.0%†
指令遵循
LiveBench LanguageLiveBench90.1%73.8%
LiveBench Instruction FollowingLiveBench74.2%55.9%
MultiChallengeScale AI SEAL82.0%†–
Arena Instruction FollowingArena (LMArena)14821436
人类偏好
Arena TextArena (LMArena)14811441
EQ-Bench 4EQ-Bench1272†–
Arena Creative WritingArena (LMArena)14491408
Arena Multi-turnArena (LMArena)14861441
Arena Longer QueriesArena (LMArena)14881449
多模态
Arena VisionArena (LMArena)12861211
LiveBench DesignLiveBench79.6%76.1%
MMMU-ProArtificial Analysis86.0%79.7%
SAGEVals AI90.5%83.4%
Humanity's Sixth SenseScale AI SEAL46.6%21.0%
Blueprint-Bench 2Epoch AI Benchmarking Hub43.2%†31.2%†
Furniture AssemblyEpoch AI Benchmarking Hub80.0%44.2%
VIALS-AAHandshake AI59.0%27.3%
Code2Video-AAArtificial Analysis13691030
AA-3DArtificial Analysis11211000
FACTS MultimodalGoogle52.6%†38.7%†
长上下文
AA-LCR v1.1Artificial Analysis83.0%83.3%
MLCRArtificial Analysis38.3%26.1%
FACTS GroundingGoogle78.0%†76.7%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub168.5†156.4†
LiveBench 2.0LiveBench81.4%60.4%
LiveBench 1.0LiveBench81.6%72.0%
AA Intelligence Index v5.0.1Artificial Analysis54.627.9
AA Intelligence Index v4.3.2Artificial Analysis51.838.1
AA Progress Index v1Artificial Analysis348.5317.1
Vals IndexVals AI63.952.3
Vals Finance IndexVals AI55.8%53.0%
Vals RSI IndexVals AI26.6%–
Vals Science IndexVals AI59.6%28.4%
Vals Router IndexVals AI63.9%†52.3%†
Vals Legal IndexVals AI68.7%62.2%
AA Cyber IndexArtificial Analysis–52.7
安全与诚实
FORTRESSScale AI SEAL–10.8%†
DistressBenchScale AI SEAL74.2%†66.7%†

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 Luna (max):BenchLeader Index 56.6 → 55.1。
  • 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 Luna (max):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • 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 Luna (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 Luna:常见问题

GPT-6.1 Sol 比 GPT-6 Luna 更好吗?
质量上 GPT-6.1 Sol (max) 领先:66.6 比 55.1。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-6.1 Sol 和 GPT-6 Luna 哪个更便宜?价格会变吗?
目前 GPT-6 Luna 更便宜:每百万 token $0.200 比 $4.00(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 Luna 更好?
GPT-6.1 Sol 在编程方面得分更高(类别得分 71 比 57,50 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 1743,GPT-6 Luna 为 1577。
GPT-6.1 Sol 和 GPT-6 Luna 哪个更快?
GPT-6 Luna 输出更快(约 2 倍;输出 103 比 50 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 Luna 更好?
GPT-6.1 Sol 在智能体任务方面得分更高(类别得分 64 比 49,50 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 Luna 为 15.2%。
更多问题(4)
处理长文档哪个更好?
两者在长上下文基准测试上持平(66 比 66)。两者都支持 1,050,000 token 的上下文。
哪个延迟更低?
GPT-6 Luna 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 73.9 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-6.1 Sol 和 GPT-6 Luna 的看法一致吗?
在两者都有结果的 107 项基准测试中,GPT-6.1 Sol 领先 104 项,GPT-6 Luna 领先 3 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。