BenchLeader

GPT-6.1 Terra vs GPT-6.2 Sol

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

更新于 · 数据来自 11 个来源

截至 2026年11月19日,GPT-6.1 Terra 与 GPT-6.2 Sol 的质量不相上下(BenchLeader Index 63.2 比 64.6,在 ±3.6 的误差范围内)。GPT-6.1 Terra 更便宜,对方的价格是它的 2.0 倍(每百万 token 混合价格 $2.00 比 $4.00)。在两者都有成绩的所有类别中,GPT-6.2 Sol 均领先。

要点(截至 2026年11月19日)

  • GPT-6.1 Terra 的 BenchLeader Index 为 63.2,GPT-6.2 Sol 为 64.6(BenchLeader,2026年11月19日)。
  • GPT-6.1 Terra 每百万 token 混合价格为 $2.00(标价,2026年11月19日)。
  • GPT-6.2 Sol 每百万 token 混合价格为 $4.00(标价,2026年11月19日)。
  • 在两者都有结果的 34 项基准测试中,GPT-6.2 Sol 领先 29 项(BenchLeader,2026年11月19日)。
  • 在 Arena WebDev 上,GPT-6.1 Terra 的评分为 1683,GPT-6.2 Sol 为 1757(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 Sol类别得分 75 比 68;Arena WebDev 1757 比 1683中
智能体与工具调用GPT-6.2 Sol类别得分 65 比 62;Terminal-Bench 61.5% 比 53.3%中
推理GPT-6.2 Sol类别得分 70 比 67;HLE-Diamond (AA) 64.0% 比 47.3%中
知识GPT-6.2 Sol类别得分 65 比 61;AA-Omniscience v1.1 40.4 比 29.6中
成本最低GPT-6.1 Terra每百万 token 混合价格 $2.00 比 $4.00;智能体编程会话 $0.080 比 $0.160–
首次回答最快GPT-6.2 Sol首个回答 token 78.8 秒(GPT-6.2 Sol (max))比 159.4 秒(GPT-6.1 Terra (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

  • GPT-6.1 Terra (max) 与 GPT-6.2 Sol (max) 的质量不相上下(63.2 比 64.6,在 ±3.6 的误差范围内)。
  • GPT-6.2 Sol (max) 在智能体与工具、编程、综合、知识、推理方面更强。
  • GPT-6.1 Terra (max) 更便宜,对方的价格是它的 2.0 倍(每百万 token 混合价格 $2.00 比 $4.00)。

概览

规格GPT-6.1 TerraGPT-6.2 Sol
提供商OpenAIOpenAI
发布日期2026年10月26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 Terra (max)GPT-6.2 Sol (max)
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$1.00 / $5.00 / $0.050$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-6.1 Terra (max)GPT-6.2 Sol (max)领先者
推理67.270.1GPT-6.2 Sol
编程68.074.5GPT-6.2 Sol
智能体与工具62.165.1GPT-6.2 Sol
数学71.2–无法比较
知识60.665.4GPT-6.2 Sol
多模态66.8–无法比较
长上下文66.0–无法比较
综合62.664.5GPT-6.2 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知识GPT-6.1 Terra, 推理: 67.2GPT-6.1 Terra, 编程: 68.0GPT-6.1 Terra, 智能体与工具: 62.1GPT-6.1 Terra, 知识: 60.6GPT-6.2 Sol, 推理: 70.1GPT-6.2 Sol, 编程: 74.5GPT-6.2 Sol, 智能体与工具: 65.1GPT-6.2 Sol, 知识: 65.4

未绘制(测得的模型少于两个):数学, 指令遵循, 长上下文, 多模态, 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 34 项基准测试中,GPT-6.1 Terra 领先 5 项,GPT-6.2 Sol 领先 29 项。所有同时评测两者的综合评分都认为 GPT-6.2 Sol 更强。

综合 IndexGPT-6.1 Terra (max)GPT-6.2 Sol (max)领先者
BenchLeader Index63.264.6不相上下
AA Intelligence Index v5.0.151.357.3GPT-6.2 Sol
Vals Index60.566.1GPT-6.2 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 Terra (max)GPT-6.2 Sol (max)
每百万 token 混合价格$2.00$4.00
每百万 token 输入 / 输出$1.00 / $5.00$2.00 / $10.00
每百万 token 缓存输入$0.050$0.100
每项任务价格:聊天回复$0.0019$0.0038
每项任务价格:总结一份 30 页的报告$0.015$0.030
每项任务价格:代码编辑$0.013$0.027
每项任务价格:智能体编程会话$0.080$0.160
每项任务价格:结构化信息提取$0.0030$0.0060
智能体编程会话(输入大多命中缓存)$0.037$0.074
每项基准测试任务成本(AA Index)$0.961$1.01
每项任务输出 token(AA Index)60k40k
其中推理部分39k23k
每项任务耗时(AA Index)15 min9 min
输出速度65 tok/s74 tok/s
首次回答时间159.4 秒78.8 秒
完整回答耗时(最近一次测量 2026年11月13日)375.7 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 Terra (max) 上花费 $0.961,在 GPT-6.2 Sol (max) 上花费 $1.01;完成同样的工作,GPT-6.1 Terra (max) 输出的 token 是对方的 1.5 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 Terra (max) 得分 63.2,首个回答 token 需 159 秒;GPT-6.1 Terra (xhigh) 为 59.4(32 秒),GPT-6.1 Terra (high) 为 59.0(12 秒)。GPT-6.2 Sol (max) 得分 64.6,首个回答 token 需 79 秒;GPT-6.2 Sol (xhigh) 为 63.3(32 秒),GPT-6.2 Sol (high) 为 62.3(12 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 102 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 Terra (max)GPT-6.2 Sol (max)
BenchLeader IndexBenchLeader63.264.6
智能体与工具得分BenchLeader62.165.1
编程得分BenchLeader68.074.5
综合得分BenchLeader62.664.5
知识得分BenchLeader60.665.4
长上下文得分BenchLeader66.0–
数学得分BenchLeader71.2–
多模态得分BenchLeader66.8–
推理得分BenchLeader67.270.1
混合价格(美元/百万 token)BenchLeader$2.00$4.00
输出速度BenchLeader65 tok/s74 tok/s
首次回答时间BenchLeader159.4 秒78.8 秒
上下文窗口BenchLeader1,050,000 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub94.3%–
SimpleBenchSimpleBench72.2%†–
LiveBench 2.0 ReasoningLiveBench88.7%90.6%
Humanity's Last Exam (AA)Artificial Analysis46.3%–
HLE-Diamond (AA)Artificial Analysis47.3%64.0%
Kagi LLM BenchmarkKagi LLM Benchmark–67.0%†
ARC-AGI-1ARC Prize–97.5%
ARC-AGI-2ARC Prize–85.8%
ARC-AGI-3ARC Prize–98.2%
CritPtArtificial Analysis28.0%–
CritPt v2 hard subset (AA)Artificial Analysis68.0%62.5%
MysteryMechanismVals AI–36.9%
HLE-Diamond (Scale)Scale AI SEAL35.7%†56.5%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub74.0%–
编程
SciCodeSciCode55.1%–
Arena WebDevArena (LMArena)16831757
LiveBench 2.0 CodingLiveBench89.2%83.7%
Vibe Code Bench v1.1Vals AI84.0%87.6%
Vibe Code Bench 1-100 v1.1Vals AI–40.9%
SWE Atlas v1.1Scale AI SEAL57.7%†60.5%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL54.0%†61.3%†
SWE Atlas v1.1: Test WritingScale AI SEAL63.3%†64.4%†
SWE Atlas v1.1: RefactoringScale AI SEAL55.7%†55.7%†
MirrorCodeEpoch AI Benchmarking Hub76.7%–
ALE-BenchEpoch AI Benchmarking Hub2608.8–
显示全部 102 项基准测试
指标发布方GPT-6.1 Terra (max)GPT-6.2 Sol (max)
编程
WeirdML v3WeirdML28.1%†–
Terminal-Bench 4.0 (AA)Artificial Analysis55.6%60.1%
GameBench 2 OverallDuelLab GameBench 281.1†–
GameBench 2 by reasoning settingDuelLab GameBench 285.9†–
Design Arena WebsiteDesign Arena1286†–
FrontierCode 1.1 (AA)Artificial Analysis36.0%–
FrontierCode 2.0 (AA)Artificial Analysis42.3%44.4%
智能体与工具
Terminal-BenchTerminal-Bench53.3%61.5%
APEX-AgentsMercor68.3%–
Arena AgentArena (LMArena)10.511.3
LiveBench Long AgenticLiveBench55.3%63.6%
LiveBench BrowserLiveBench93.1%88.2%
HiL-BenchScale AI SEAL68.0%†–
GDPval-AA v2.1Artificial Analysis1476–
Analyst Agent (AA)Artificial Analysis–53.8%
Finance Agent v2.1Vals AI56.0%58.9%
Harvey's Legal Agent Benchmark v1.1Vals AI1.7%12.1%
Legal Research BenchVals AI26.0%37.0%
Tax Agent BenchVals AI17.1%24.8%
Terminal-Bench 4.0 (Vals)Vals AI49.5%60.6%
Terminal-Bench ScienceVals AI–58.6%
Arena Agent Task CompletionArena (LMArena)8.510.9
Vending-Bench 2Andon Labs9107.5†–
SpireClimbEpoch AI Benchmarking Hub22.3%–
AutomationBenchArtificial Analysis60.2%71.3%
GDP.pdf (AA)Artificial Analysis28.6%30.0%
Harvey LAB-AA v1.1Harvey–11.1%
EnterpriseOps-GymArtificial Analysis–28.9%
AA-Briefcase v1.1Artificial Analysis13991612
GDPxGDPx by SemiAnalysis8.5%–
Design Arena AgenticDesign Arena1176†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis57.6%67.6%
CWE-Bench (AA)Artificial Analysis–61.7%
DeepSec-Bench (AA)Artificial Analysis–51.6%
CyberGym end-to-end (AA)Artificial Analysis–0.0%
MKA (AA)Artificial Analysis43.8%–
FACTS SearchGoogle92.7%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub90.9%–
FrontierMath Tier 4Epoch AI Benchmarking Hub92.7%–
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%–
Autoform-HardVals AI–85.7%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub57.3%–
LiveBench 2.0 Data AnalysisLiveBench82.3%81.1%
LiveBench ResearchLiveBench79.1%90.1%
AA-Omniscience v1.1Artificial Analysis29.640.4
PRBench LegalScale AI SEAL–43.3%†
BioMysteryBenchVals AI–77.8%
Excel Modeling Benchmark v1.1Vals AI73.3%74.3%
DrugDiscoveryBenchScale AI SEAL58.1%†62.2%†
EBR-benchEpoch AI Benchmarking Hub78.1%–
AA-Omniscience v1.1: accuracyArtificial Analysis47.6%61.6%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis65.5%44.6%
FACTS ParametricGoogle70.8%†–
指令遵循
MultiChallengeScale AI SEAL74.2%†72.0%†
多模态
LiveBench DesignLiveBench79.7%80.0%
MMMU-ProArtificial Analysis84.7%–
Humanity's Sixth SenseScale AI SEAL–56.8%†
Blueprint-Bench 2Epoch AI Benchmarking Hub42.1%†–
Furniture AssemblyEpoch AI Benchmarking Hub79.2%–
VIALS-AAHandshake AI60.3%62.7%
AA-3DArtificial Analysis–1259
FACTS MultimodalGoogle48.8%†–
长上下文
AA-LCR v1.1Artificial Analysis82.7%–
MLCRArtificial Analysis30.6%37.2%
FACTS GroundingGoogle84.2%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub167.7†–
LiveBench 2.0LiveBench78.6%80.3%
AA Intelligence Index v5.0.1Artificial Analysis51.357.3
AA Intelligence Index v4.3.2Artificial Analysis48.1–
AA Progress Index v1Artificial Analysis345.2–
Vals IndexVals AI60.566.1
Vals Finance IndexVals AI53.3%56.7%
Vals Science IndexVals AI–57.8%
Vals Legal IndexVals AI58.8%66.7%
AA Cyber IndexArtificial Analysis–37.8
安全与诚实
FORTRESSScale AI SEAL18.2%†–
DistressBenchScale AI SEAL65.9%†–

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 Sol (max):BenchLeader Index 63.2 → 64.6。
  • GPT-6.1 Terra (max):3 项分数修订。
  • GPT-6.2 Sol (max):4 项新结果(VIALS-AA, Arena WebDev, Arena Agent…)。
  • GPT-6.2 Sol (max):BenchLeader Index 62.4 → 63.2。
  • GPT-6.2 Sol (max):2 项新结果(Vibe Code Bench 1-100 v1.1, Terminal-Bench)。
  • GPT-6.1 Terra (max):BenchLeader Index 64.1 → 63.5。
  • GPT-6.1 Terra (max):2 项分数修订。
  • GPT-6.1 Terra (max):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • GPT-6.1 Terra (max):BenchLeader Index 64.7 → 64.1。
  • GPT-6.1 Terra (max):1 项新结果(Terminal-Bench)。

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 Terra vs GPT-6.2 Sol:常见问题

GPT-6.1 Terra 比 GPT-6.2 Sol 更好吗?
GPT-6.1 Terra (max) 与 GPT-6.2 Sol (max) 的质量不相上下(63.2 比 64.6,在 ±3.6 的误差范围内)。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月19日,两者差距在误差范围内,请结合你的用途查看各类别得分。
GPT-6.1 Terra 和 GPT-6.2 Sol 哪个更便宜?价格会变吗?
目前 GPT-6.1 Terra 更便宜:每百万 token $2.00 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 Terra 还是 GPT-6.2 Sol 更好?
GPT-6.2 Sol 在编程方面得分更高(类别得分 75 比 68,50 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 Terra 为 1683,GPT-6.2 Sol 为 1757。
GPT-6.1 Terra 和 GPT-6.2 Sol 哪个更快?
GPT-6.2 Sol 输出更快(输出 74 比 65 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 GPT-6.1 Terra 还是 GPT-6.2 Sol 更好?
GPT-6.2 Sol 在智能体任务方面得分更高(类别得分 65 比 62,50 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 Terra 为 53.3%,GPT-6.2 Sol 为 61.5%。
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-6.2 Sol 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 78.8 秒比 159.4 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 Terra 和 GPT-6.2 Sol 的看法一致吗?
在两者都有结果的 34 项基准测试中,GPT-6.1 Terra 领先 5 项,GPT-6.2 Sol 领先 29 项。所有同时评测两者的综合评分都认为 GPT-6.2 Sol 更强。
GPT-6.2 Sol 是什么时候发布的?
GPT-6.2 Sol 于 2026年11月17日 发布。