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 Sol | Arena 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 Sol | MiMo-V2.6-Flash |
|---|---|---|
| 提供商 | OpenAI | Xiaomi |
| 发布日期 | 2026年9月22日 | 2026年9月21日 |
| 上下文窗口(token) | 1,050,000 | 1,048,576 |
| 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 | 66.0 | 47.6 | GPT-6 Sol |
| 编程 | 66.3 | 56.8 | GPT-6 Sol |
| 智能体与工具 | 58.8 | 56.6 | GPT-6 Sol |
| 数学 | 68.0 | 62.8 | GPT-6 Sol |
| 知识 | 60.6 | 38.9 | GPT-6 Sol |
| 人类偏好 | 64.2 | 63.1 | GPT-6 Sol |
| 多模态 | 60.6 | 57.3 | GPT-6 Sol |
| 长上下文 | 66.6 | 61.7 | GPT-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。
未绘制(测得的模型少于两个):指令遵循。
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 Index | GPT-6 Sol (max) | MiMo-V2.6-Flash | 领先者 |
|---|---|---|---|
| BenchLeader Index | 62.6 | 54.8 | GPT-6 Sol |
| AA Intelligence Index v5.0.1 | 44.2 | 26.7 | GPT-6 Sol |
| Arena Text | 1457 | 1448 | GPT-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) | 54k | 132k |
| 其中推理部分 | 35k | 100k |
| 每项任务耗时(AA Index) | 7 min | 50 min |
| 输出速度 | 127 tok/s | 44 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 Index | BenchLeader | 62.6 | 54.8 |
| 智能体与工具得分 | BenchLeader | 58.8 | 56.6 |
| 编程得分 | BenchLeader | 66.3 | 56.8 |
| 人类偏好得分 | BenchLeader | 64.2 | 63.1 |
| 知识得分 | BenchLeader | 60.6 | 38.9 |
| 长上下文得分 | BenchLeader | 66.6 | 61.7 |
| 数学得分 | BenchLeader | 68.0 | 62.8 |
| 多模态得分 | BenchLeader | 60.6 | 57.3 |
| 推理得分 | BenchLeader | 66.0 | 47.6 |
| 混合价格(美元/百万 token) | BenchLeader | $4.00 | $0.175 |
| 输出速度 | BenchLeader | 127 tok/s | 44 tok/s |
| 首次回答时间 | BenchLeader | 36.9 秒 | 31.8 秒 |
| 上下文窗口 | BenchLeader | 1,050,000 token | 1,048,576 token |
| 推理 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 94.3% | – |
| SimpleBench | SimpleBench | 73.1%† | – |
| Arena Hard Prompts | Arena (LMArena) | 1483 | 1472 |
| LiveBench 1.0 Reasoning | LiveBench | 88.7% | – |
| Humanity's Last Exam (AA) | Artificial Analysis | 47.9% | 35.1% |
| HLE-Diamond (AA) | Artificial Analysis | 45.2% | 13.7% |
| ARC-AGI-1 | ARC Prize | 95.5% | – |
| ARC-AGI-2 | ARC Prize | 89.6% | – |
| ARC-AGI-3 | ARC Prize | 23.0% | – |
| CritPt | Artificial Analysis | 30.9% | 12.0% |
| CritPt v2 hard subset (AA) | Artificial Analysis | 66.5% | 29.5% |
| MysteryMechanism | Vals AI | 30.2% | 21.6% |
| HLE-Diamond (Scale) | Scale AI SEAL | 33.8%† | – |
| Arena Expert | Arena (LMArena) | 1496 | 1495 |
| Chess Puzzles | Epoch AI Benchmarking Hub | 56.0% | – |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 56.0% | – |
| LMCA | Epoch AI Benchmarking Hub | 59.1% | – |
| DTBench | Epoch AI Benchmarking Hub | 97.3% | – |
| 编程 | |||
| SciCode | SciCode | 57.6% | 51.3% |
| FrontierCode | Cognition | 49.3% | – |
| Arena Coding | Arena (LMArena) | 1521 | 1511 |
| Arena WebDev | Arena (LMArena) | 1673 | 1638 |
| LiveBench 1.0 Coding | LiveBench | 81.8% | – |
| IOI | Vals AI | 82.6% | 47.7% |
| Code Migration | Vals AI | 57.2% | 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 v1.1 | Vals AI | – | 39.5% |
| ProgramBench | Vals AI | 2.0% | 0.5% |
| Vibe Code Bench v1.1 | Vals AI | 87.8% | 79.0% |
| Vibe Code Bench 1-100 v1.1 | Vals AI | – | 24.5% |
| MirrorCode | Epoch AI Benchmarking Hub | 48.9% | – |
| ALE-Bench | Epoch AI Benchmarking Hub | 2462 | 1244.2 |
| WeirdML v3 | WeirdML | 19.7%† | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 43.9% | 22.7% |
| GameBench 2 Overall | DuelLab GameBench 2 | 73.0† | – |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 79.4† | 40.1† |
| Design Arena Website | Design Arena | 1290† | – |
| FrontierCode 1.1 (AA) | Artificial Analysis | – | 42.1% |
| FrontierCode 2.0 (AA) | Artificial Analysis | 35.6% | 21.6% |
| 智能体与工具 | |||
| Terminal-Bench | Terminal-Bench | 50.3% | 16.1%† |
| APEX-Agents | Mercor | 54.3% | – |
| Arena Agent | Arena (LMArena) | 6.9 | 0 |
| LiveBench Agentic Coding | LiveBench | 52.9% | – |
| Terminal-Bench 2.1 (Vals) | Vals AI | 83.2% | 76.4% |
| GDPval-AA v2.1, normalised score | Artificial Analysis | – | 55.4% |
| GDPval-AA v2.1 | Artificial Analysis | 1514 | 1615 |
| ITBench SRE (AA) | Artificial Analysis | 49.4% | – |
| CyberBench | Vals AI | 78.0% | 75.4% |
| Finance Agent v2 | Vals AI | 49.0% | 56.3% |
| Finance Agent v2.1 | Vals AI | – | 63.3% |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | – | 13.3% |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 1.7% | 11.3% |
| Legal Research Bench | Vals AI | 28.9% | 38.0% |
| SREBench | Vals AI | 30.5% | 4.2% |
| Tax Agent Bench | Vals AI | 15.0% | 28.5% |
| Terminal-Bench 4.0 (Vals) | Vals AI | 44.4% | 24.2% |
| Terminal-Bench Science | Vals AI | 30.0% | 4.3% |
| Arena Search | Arena (LMArena) | 1229 | – |
| Arena Agent Task Completion | Arena (LMArena) | 4.5 | 4.2 |
| Vending-Bench 2 | Andon Labs | 14427.9† | – |
| SpireClimb | Epoch AI Benchmarking Hub | 9.2% | – |
| AutomationBench | Artificial Analysis | 61.6% | 64.0% |
| GDP.pdf (AA) | Artificial Analysis | 25.2% | 9.0% |
| Harvey LAB-AA v1.1 | Harvey | 3.6% | – |
| AA-Briefcase v1.1 | Artificial Analysis | 1476 | 1489 |
| Design Arena Agentic | Design Arena | 1218† | – |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 30.0% | 4.3% |
| CWE-Bench (AA) | Artificial Analysis | 64.2% | – |
| DeepSec-Bench (AA) | Artificial Analysis | 46.3% | – |
| CyberGym end-to-end (AA) | Artificial Analysis | 0.0% | – |
| FACTS Search | 92.7%† | – | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 89.8% | – |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 90.0% | – |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 100.0% | – |
| ProofBench | Vals AI | 83.0%† | 63.0% |
| LiveBench Mathematics | LiveBench | 96.4% | – |
| Arena Maths | Arena (LMArena) | 1440 | 1462 |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | 1.5% | – |
| 知识 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 60.7% | – |
| LiveBench 1.0 Data Analysis | LiveBench | 81.2% | – |
| AA-Omniscience v1.1 | Artificial Analysis | 21.4 | -10.8 |
| PRBench Legal | Scale AI SEAL | 38.6%† | – |
| BioMysteryBench | Vals AI | 74.8% | 69.3% |
| Excel Modeling Benchmark | Vals AI | 71.5% | 65.5% |
| Excel Modeling Benchmark v1.1 | Vals AI | – | 68.9% |
| MedCode | Vals AI | 47.1% | 41.1% |
| MedScribe | Vals AI | 82.0% | 85.3% |
| Public Benefits Bench v1.1 | Vals AI | 56.6% | 67.6% |
| Access to Justice Benchmark | Vals AI | – | 70.8% |
| Financial Coaching Bench | Vals AI | 62.6% | – |
| EBR-bench | Epoch AI Benchmarking Hub | 53.3% | – |
| GDP.pdf | Epoch AI Benchmarking Hub | 26.4% | – |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 51.1% | 27.2% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 39.1% | 47.8% |
| HealthBench Professional (AA) | OpenAI | 62.3% | – |
| FACTS Parametric | 76.1%† | – | |
| 指令遵循 | |||
| LiveBench Language | LiveBench | 85.3% | – |
| LiveBench Instruction Following | LiveBench | 68.6% | – |
| Arena Instruction Following | Arena (LMArena) | 1449 | 1436 |
| 人类偏好 | |||
| Arena Text | Arena (LMArena) | 1457 | 1448 |
| EQ-Bench Creative Writing v3 | EQ-Bench | 2126† | – |
| Arena Creative Writing | Arena (LMArena) | 1428 | 1392 |
| Arena Multi-turn | Arena (LMArena) | 1468 | 1445 |
| Arena Longer Queries | Arena (LMArena) | 1466 | 1458 |
| 多模态 | |||
| Arena Vision | Arena (LMArena) | 1233 | 1260 |
| MMMU-Pro | Artificial Analysis | 83.0% | 73.1% |
| SAGE | Vals AI | – | 83.3% |
| Humanity's Sixth Sense | Scale AI SEAL | 31.2% | 25.4%† |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 36.9%† | – |
| Furniture Assembly | Epoch AI Benchmarking Hub | 58.3% | – |
| Code2Video-AA | Artificial Analysis | – | 1052 |
| AA-3D | Artificial Analysis | 1131 | – |
| FACTS Multimodal | 43.9%† | – | |
| 长上下文 | |||
| AA-LCR v1.1 | Artificial Analysis | 83.7% | 74.3% |
| MLCR | Artificial Analysis | 33.9% | 11.7% |
| FACTS Grounding | 83.3%† | – | |
| 综合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 163.8† | – |
| LiveBench 1.0 | LiveBench | 79.3% | – |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 44.2 | 26.7 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 47.6 | 37.9 |
| AA Progress Index v1 | Artificial Analysis | 334 | 311.8 |
| Vals Index | Vals AI | – | 54.8 |
| Vals Finance Index | Vals AI | – | 57.1% |
| Vals RSI Index | Vals AI | 28.1% | – |
| Vals Science Index | Vals AI | 45.0% | 31.7% |
| Vals Router Index | Vals AI | – | 54.8% |
| Vals Legal Index | Vals AI | – | 69.0% |
| AA Cyber Index | Artificial Analysis | 36.8 | – |
| 安全与诚实 | |||
| FORTRESS | Scale AI SEAL | 13.5%† | – |
| DistressBench | Scale AI SEAL | 68.0%† | – |
| 元数据 | |||
| AA Openness Index | Artificial 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。
相关对比
- GPT-6 Sol vs Claude Fable 5.2
- GPT-6 Sol vs Gemini 4 Carbon
- GPT-6 Sol vs Claude Opus 5.5
- MiMo-V2.6-Flash vs Claude Opus 5.5
- MiMo-V2.6-Flash vs GPT-6 Astra
- MiMo-V2.6-Flash vs GPT-6.1 Sol
- MiMo-V2.6-Flash vs Gemini 4 Argon
- GPT-6 Sol vs Claude Fable 5.1
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。