BenchLeader

GPT-6 Sol vs MiMo-V2.6-Flash

完整资料:GPT-6 Sol(OpenAI)和 MiMo-V2.6-Flash(Xiaomi),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16日,质量上 GPT-6 Sol 领先 MiMo-V2.6-Flash(BenchLeader Index 62.6 比 54.8)。不过,MiMo-V2.6-Flash 更便宜,对方的价格是它的 23 倍(每百万 token 混合价格 $0.175 比 $4.00)。在两者都有成绩的所有类别中,GPT-6 Sol 均领先。GPT-6 Sol 输出更快(3 倍以上)。

要点(截至 2026年11月16日)

  • GPT-6 Sol 的 BenchLeader Index 为 62.6,MiMo-V2.6-Flash 为 54.8(BenchLeader,2026年11月16日)。
  • GPT-6 Sol 每百万 token 混合价格为 $4.00(标价,2026年11月16日)。
  • MiMo-V2.6-Flash 每百万 token 混合价格为 $0.175(标价,2026年11月16日)。
  • GPT-6 Sol 比 MiMo-V2.6-Flash 输出更快(3 倍以上;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 52 项基准测试中,GPT-6 Sol 领先 40 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,GPT-6 Sol 的评分为 1673,MiMo-V2.6-Flash 为 1638(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 Sol类别得分 66 比 57;Arena WebDev 1673 比 1638高
智能体与工具调用GPT-6 Sol类别得分 59 比 57;Arena Agent 6.9 比 0中
数学GPT-6 Sol类别得分 68 比 63;Arena Maths 1440 比 1462中
推理GPT-6 Sol类别得分 66 比 48;HLE-Diamond (AA) 45.2% 比 13.7%高
知识GPT-6 Sol类别得分 61 比 39;AA-Omniscience v1.1 21.4 比 -10.8高
长文档GPT-6 Sol类别得分 67 比 62;AA-LCR v1.1 83.7% 比 74.3%中
图像及其他媒体GPT-6 Sol类别得分 61 比 57;MMMU-Pro 83.0% 比 73.1%中
对话质量(人类偏好)GPT-6 SolArena 投票 64 比 63中
成本最低MiMo-V2.6-Flash每百万 token 混合价格 $0.175 比 $4.00;智能体编程会话 $0.009 比 $0.160–
首次回答最快均可首个回答 token 36.9 秒(GPT-6 Sol (max))比 31.8 秒(MiMo-V2.6-Flash)–
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 Sol (max) 领先:62.6 比 54.8。
  • GPT-6 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。
  • MiMo-V2.6-Flash 更便宜,对方的价格是它的 23 倍(每百万 token 混合价格 $0.175 比 $4.00)。
  • GPT-6 Sol (max) 的输出速度是对方的 2.9 倍(127 比 44 token/秒)。

概览

规格GPT-6 SolMiMo-V2.6-Flash
提供商OpenAIXiaomi
发布日期2026年9月22日2026年9月21日
上下文窗口(token)1,050,0001,048,576
对比时的配置GPT-6 Sol (max)MiMo-V2.6-Flash
开放权重否是
每百万 token 价格(输入 / 输出 / 缓存输入)$2.00 / $10.00 / $0.200$0.140 / $0.280 / $0.0028

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 Sol (max)MiMo-V2.6-Flash领先者
推理66.047.6GPT-6 Sol
编程66.356.8GPT-6 Sol
智能体与工具58.856.6GPT-6 Sol
数学68.062.8GPT-6 Sol
知识60.638.9GPT-6 Sol
人类偏好64.263.1GPT-6 Sol
多模态60.657.3GPT-6 Sol
长上下文66.661.7GPT-6 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 Sol, 推理: 66.0GPT-6 Sol, 编程: 66.3GPT-6 Sol, 智能体与工具: 58.8GPT-6 Sol, 数学: 68.0GPT-6 Sol, 知识: 60.6GPT-6 Sol, 长上下文: 66.6GPT-6 Sol, 多模态: 60.6GPT-6 Sol, 人类偏好: 64.2MiMo-V2.6-Flash, 推理: 47.6MiMo-V2.6-Flash, 编程: 56.8MiMo-V2.6-Flash, 智能体与工具: 56.6MiMo-V2.6-Flash, 数学: 62.8MiMo-V2.6-Flash, 知识: 38.9MiMo-V2.6-Flash, 长上下文: 61.7MiMo-V2.6-Flash, 多模态: 57.3MiMo-V2.6-Flash, 人类偏好: 63.1

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 52 项基准测试中,GPT-6 Sol 领先 40 项,MiMo-V2.6-Flash 领先 12 项。所有同时评测两者的综合评分都认为 GPT-6 Sol 更强。

综合 IndexGPT-6 Sol (max)MiMo-V2.6-Flash领先者
BenchLeader Index62.654.8GPT-6 Sol
AA Intelligence Index v5.0.144.226.7GPT-6 Sol
Arena Text14571448GPT-6 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 Sol (max)MiMo-V2.6-Flash
每百万 token 混合价格$4.00$0.175
每百万 token 输入 / 输出$2.00 / $10.00$0.140 / $0.280
每百万 token 缓存输入$0.200$0.0028
每项任务价格:聊天回复$0.0038$0.0001
每项任务价格:总结一份 30 页的报告$0.030$0.0018
每项任务价格:代码编辑$0.027$0.0013
每项任务价格:智能体编程会话$0.160$0.0095
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)$0.079$0.0033
每项基准测试任务成本(AA Index)$2.47$0.129
每项任务输出 token(AA Index)54k132k
其中推理部分35k100k
每项任务耗时(AA Index)7 min50 min
输出速度127 tok/s44 tok/s
首次回答时间36.9 秒31.8 秒
完整回答耗时(最近一次测量 2026年11月13日)143.8 秒112.2 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 Sol (max) 上花费 $2.47,在 MiMo-V2.6-Flash 上花费 $0.129;完成同样的工作,MiMo-V2.6-Flash 输出的 token 是对方的 2.4 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 Sol (max) 得分 62.6,首个回答 token 需 37 秒;GPT-6 Sol (xhigh) 为 58.4(19 秒),GPT-6 Sol (high) 为 58.1(6 秒)。MiMo-V2.6-Flash 得分 54.8,首个回答 token 需 32 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 130 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 Sol (max)MiMo-V2.6-Flash
BenchLeader IndexBenchLeader62.654.8
智能体与工具得分BenchLeader58.856.6
编程得分BenchLeader66.356.8
人类偏好得分BenchLeader64.263.1
知识得分BenchLeader60.638.9
长上下文得分BenchLeader66.661.7
数学得分BenchLeader68.062.8
多模态得分BenchLeader60.657.3
推理得分BenchLeader66.047.6
混合价格(美元/百万 token)BenchLeader$4.00$0.175
输出速度BenchLeader127 tok/s44 tok/s
首次回答时间BenchLeader36.9 秒31.8 秒
上下文窗口BenchLeader1,050,000 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub94.3%–
SimpleBenchSimpleBench73.1%†–
Arena Hard PromptsArena (LMArena)14831472
LiveBench 1.0 ReasoningLiveBench88.7%–
Humanity's Last Exam (AA)Artificial Analysis47.9%35.1%
HLE-Diamond (AA)Artificial Analysis45.2%13.7%
ARC-AGI-1ARC Prize95.5%–
ARC-AGI-2ARC Prize89.6%–
ARC-AGI-3ARC Prize23.0%–
CritPtArtificial Analysis30.9%12.0%
CritPt v2 hard subset (AA)Artificial Analysis66.5%29.5%
MysteryMechanismVals AI30.2%21.6%
HLE-Diamond (Scale)Scale AI SEAL33.8%†–
Arena ExpertArena (LMArena)14961495
Chess PuzzlesEpoch AI Benchmarking Hub56.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub56.0%–
LMCAEpoch AI Benchmarking Hub59.1%–
DTBenchEpoch AI Benchmarking Hub97.3%–
编程
SciCodeSciCode57.6%51.3%
FrontierCodeCognition49.3%–
Arena CodingArena (LMArena)15211511
Arena WebDevArena (LMArena)16731638
LiveBench 1.0 CodingLiveBench81.8%–
IOIVals AI82.6%47.7%
Code MigrationVals AI57.2%40.9%
显示全部 130 项基准测试
指标发布方GPT-6 Sol (max)MiMo-V2.6-Flash
编程
Code Migration v1.1Vals AI–39.5%
ProgramBenchVals AI2.0%0.5%
Vibe Code Bench v1.1Vals AI87.8%79.0%
Vibe Code Bench 1-100 v1.1Vals AI–24.5%
MirrorCodeEpoch AI Benchmarking Hub48.9%–
ALE-BenchEpoch AI Benchmarking Hub24621244.2
WeirdML v3WeirdML19.7%†–
Terminal-Bench 4.0 (AA)Artificial Analysis43.9%22.7%
GameBench 2 OverallDuelLab GameBench 273.0†–
GameBench 2 by reasoning settingDuelLab GameBench 279.4†40.1†
Design Arena WebsiteDesign Arena1290†–
FrontierCode 1.1 (AA)Artificial Analysis–42.1%
FrontierCode 2.0 (AA)Artificial Analysis35.6%21.6%
智能体与工具
Terminal-BenchTerminal-Bench50.3%16.1%†
APEX-AgentsMercor54.3%–
Arena AgentArena (LMArena)6.90
LiveBench Agentic CodingLiveBench52.9%–
Terminal-Bench 2.1 (Vals)Vals AI83.2%76.4%
GDPval-AA v2.1, normalised scoreArtificial Analysis–55.4%
GDPval-AA v2.1Artificial Analysis15141615
ITBench SRE (AA)Artificial Analysis49.4%–
CyberBenchVals AI78.0%75.4%
Finance Agent v2Vals AI49.0%56.3%
Finance Agent v2.1Vals AI–63.3%
Harvey's Legal Agent Benchmark v1.1Vals AI–13.3%
Harvey's Legal Agent Benchmark v1Vals AI1.7%11.3%
Legal Research BenchVals AI28.9%38.0%
SREBenchVals AI30.5%4.2%
Tax Agent BenchVals AI15.0%28.5%
Terminal-Bench 4.0 (Vals)Vals AI44.4%24.2%
Terminal-Bench ScienceVals AI30.0%4.3%
Arena SearchArena (LMArena)1229–
Arena Agent Task CompletionArena (LMArena)4.54.2
Vending-Bench 2Andon Labs14427.9†–
SpireClimbEpoch AI Benchmarking Hub9.2%–
AutomationBenchArtificial Analysis61.6%64.0%
GDP.pdf (AA)Artificial Analysis25.2%9.0%
Harvey LAB-AA v1.1Harvey3.6%–
AA-Briefcase v1.1Artificial Analysis14761489
Design Arena AgenticDesign Arena1218†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis30.0%4.3%
CWE-Bench (AA)Artificial Analysis64.2%–
DeepSec-Bench (AA)Artificial Analysis46.3%–
CyberGym end-to-end (AA)Artificial Analysis0.0%–
FACTS SearchGoogle92.7%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub89.8%–
FrontierMath Tier 4Epoch AI Benchmarking Hub90.0%–
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%–
ProofBenchVals AI83.0%†63.0%
LiveBench MathematicsLiveBench96.4%–
Arena MathsArena (LMArena)14401462
FrontierMath ErdősEpoch AI Benchmarking Hub1.5%–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub60.7%–
LiveBench 1.0 Data AnalysisLiveBench81.2%–
AA-Omniscience v1.1Artificial Analysis21.4-10.8
PRBench LegalScale AI SEAL38.6%†–
BioMysteryBenchVals AI74.8%69.3%
Excel Modeling BenchmarkVals AI71.5%65.5%
Excel Modeling Benchmark v1.1Vals AI–68.9%
MedCodeVals AI47.1%41.1%
MedScribeVals AI82.0%85.3%
Public Benefits Bench v1.1Vals AI56.6%67.6%
Access to Justice BenchmarkVals AI–70.8%
Financial Coaching BenchVals AI62.6%–
EBR-benchEpoch AI Benchmarking Hub53.3%–
GDP.pdfEpoch AI Benchmarking Hub26.4%–
AA-Omniscience v1.1: accuracyArtificial Analysis51.1%27.2%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis39.1%47.8%
HealthBench Professional (AA)OpenAI62.3%–
FACTS ParametricGoogle76.1%†–
指令遵循
LiveBench LanguageLiveBench85.3%–
LiveBench Instruction FollowingLiveBench68.6%–
Arena Instruction FollowingArena (LMArena)14491436
人类偏好
Arena TextArena (LMArena)14571448
EQ-Bench Creative Writing v3EQ-Bench2126†–
Arena Creative WritingArena (LMArena)14281392
Arena Multi-turnArena (LMArena)14681445
Arena Longer QueriesArena (LMArena)14661458
多模态
Arena VisionArena (LMArena)12331260
MMMU-ProArtificial Analysis83.0%73.1%
SAGEVals AI–83.3%
Humanity's Sixth SenseScale AI SEAL31.2%25.4%†
Blueprint-Bench 2Epoch AI Benchmarking Hub36.9%†–
Furniture AssemblyEpoch AI Benchmarking Hub58.3%–
Code2Video-AAArtificial Analysis–1052
AA-3DArtificial Analysis1131–
FACTS MultimodalGoogle43.9%†–
长上下文
AA-LCR v1.1Artificial Analysis83.7%74.3%
MLCRArtificial Analysis33.9%11.7%
FACTS GroundingGoogle83.3%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub163.8†–
LiveBench 1.0LiveBench79.3%–
AA Intelligence Index v5.0.1Artificial Analysis44.226.7
AA Intelligence Index v4.3.2Artificial Analysis47.637.9
AA Progress Index v1Artificial Analysis334311.8
Vals IndexVals AI–54.8
Vals Finance IndexVals AI–57.1%
Vals RSI IndexVals AI28.1%–
Vals Science IndexVals AI45.0%31.7%
Vals Router IndexVals AI–54.8%
Vals Legal IndexVals AI–69.0%
AA Cyber IndexArtificial Analysis36.8–
安全与诚实
FORTRESSScale AI SEAL13.5%†–
DistressBenchScale AI SEAL68.0%†–
元数据
AA Openness IndexArtificial Analysis–52.8

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 Sol (max):1 项新结果(GDPval-AA v2.1)。
  • GPT-6 Sol (max):1 项新结果(MirrorCode)。
  • GPT-6 Sol (max):BenchLeader Index 63.5 → 62.9。
  • GPT-6 Sol (max):2 项分数修订。
  • GPT-6 Sol (max):1 项分数修订。
  • GPT-6 Sol (max):1 项分数修订。
  • GPT-6 Sol (max):6 项新结果(AA Intelligence Index v5.0.1, AA-Omniscience v1.1, CritPt v2 hard subset (AA)…)。
  • GPT-6 Sol (max):1 项分数修订。
  • MiMo-V2.6-Flash:1 项分数修订。
  • GPT-6 Sol (max):1 项分数修订。

排行榜: 综合最佳大模型 · 最适合智能体的大模型 · 便宜好用的大模型

GPT-6 Sol vs MiMo-V2.6-Flash:常见问题

GPT-6 Sol 比 MiMo-V2.6-Flash 更好吗?
质量上 GPT-6 Sol (max) 领先:62.6 比 54.8。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 Sol (max) 总体领先,但请结合你的用途查看各类别得分。
GPT-6 Sol 和 MiMo-V2.6-Flash 哪个更便宜?价格会变吗?
目前 MiMo-V2.6-Flash 更便宜:每百万 token $0.175 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 Sol 还是 MiMo-V2.6-Flash 更好?
GPT-6 Sol 在编程方面得分更高(类别得分 66 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 Sol 为 1673,MiMo-V2.6-Flash 为 1638。
GPT-6 Sol 和 MiMo-V2.6-Flash 哪个更快?
GPT-6 Sol 输出更快(3 倍以上;输出 127 比 44 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 GPT-6 Sol 还是 MiMo-V2.6-Flash 更好?
GPT-6 Sol 在智能体任务方面得分更高(类别得分 59 比 57,50 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-6 Sol 为 6.9,MiMo-V2.6-Flash 为 0。
更多问题(4)
处理长文档哪个更好?
GPT-6 Sol 在长上下文基准测试上得分更高(67 比 62)。两者都约为 1.1M token(GPT-6 Sol 为 1,050,000,MiMo-V2.6-Flash 为 1,048,576)。
哪个延迟更低?
MiMo-V2.6-Flash 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 31.8 秒比 36.9 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 Sol 和 MiMo-V2.6-Flash 的看法一致吗?
在两者都有结果的 52 项基准测试中,GPT-6 Sol 领先 40 项,MiMo-V2.6-Flash 领先 12 项。所有同时评测两者的综合评分都认为 GPT-6 Sol 更强。
GPT-6 Sol 是什么时候发布的?
GPT-6 Sol 于 2026年9月22日 发布。