BenchLeader

GPT-6 Sol vs Qwen3.6 Max

完整资料:GPT-6 Sol(OpenAI)和 Qwen3.6 Max(Alibaba),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,GPT-6 Sol 与 Qwen3.6 Max 的质量不相上下(BenchLeader Index 62.6 比 62.1,在 ±4.4 的误差范围内)。Qwen3.6 Max 更便宜,对方的价格是它的 1.4 倍(每百万 token 混合价格 $2.92 比 $4.00)。看重编程(66 比 56)、推理(66 比 61)和数学(68 比 64)选 GPT-6 Sol;看重智能体与工具(72 比 59)选 Qwen3.6 Max。

要点(截至 2026年11月16日)

  • GPT-6 Sol 的 BenchLeader Index 为 62.6,Qwen3.6 Max 为 62.1(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)。
  • Qwen3.6 Max 每百万 token 混合价格为 $2.92(标价,2026年11月16日)。
  • 在两者都有结果的 18 项基准测试中,GPT-6 Sol 领先 13 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,GPT-6 Sol 的评分为 1673,Qwen3.6 Max 为 1482(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 56;Arena WebDev 1673 比 1482高
智能体与工具调用Qwen3.6 Max类别得分 72 比 59高
数学GPT-6 Sol类别得分 68 比 64;OTIS Mock AIME 100.0% 比 91.1%中
推理GPT-6 Sol类别得分 66 比 61;GPQA Diamond 94.3% 比 87.4%中
知识均可类别得分 61 比 60;SimpleQA Verified 60.7% 比 52.0%均可
长文档GPT-6 Sol类别得分 67 比 65;AA-LCR v1.1 83.7% 比 80.7%中
对话质量(人类偏好)均可Arena 投票 64 比 65均可
成本最低Qwen3.6 Max每百万 token 混合价格 $2.92 比 $4.00;智能体编程会话 $0.109 比 $0.160–
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 Sol (max) 与 Qwen3.6 Max (max) 的质量不相上下(62.6 比 62.1,在 ±4.4 的误差范围内)。
  • GPT-6 Sol (max) 在编程、知识、长上下文、数学、推理方面更强。
  • Qwen3.6 Max (max) 在智能体与工具、人类偏好方面更强。
  • Qwen3.6 Max (max) 更便宜,对方的价格是它的 1.4 倍(每百万 token 混合价格 $2.92 比 $4.00)。

概览

规格GPT-6 SolQwen3.6 Max
提供商OpenAIAlibaba
发布日期2026年9月22日2026年4月20日
上下文窗口(token)1,050,000262,144
对比时的配置GPT-6 Sol (max)Qwen3.6 Max (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 / $0.200$1.30 / $7.80 / $0.130

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)Qwen3.6 Max (max)领先者
推理66.060.8GPT-6 Sol
编程66.355.9GPT-6 Sol
智能体与工具58.872.1Qwen3.6 Max
数学68.064.4GPT-6 Sol
知识60.659.7持平
指令遵循–74.7无法比较
人类偏好64.264.5持平
多模态60.6–无法比较
长上下文66.665.0GPT-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, 人类偏好: 64.2Qwen3.6 Max, 推理: 60.8Qwen3.6 Max, 编程: 55.9Qwen3.6 Max, 智能体与工具: 72.1Qwen3.6 Max, 数学: 64.4Qwen3.6 Max, 知识: 59.7Qwen3.6 Max, 长上下文: 65.0Qwen3.6 Max, 人类偏好: 64.5

未绘制(测得的模型少于两个):指令遵循, 多模态。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 18 项基准测试中,GPT-6 Sol 领先 13 项,Qwen3.6 Max 领先 5 项。所有同时评测两者的综合评分都认为 Qwen3.6 Max 更强。

综合 IndexGPT-6 Sol (max)Qwen3.6 Max (max)领先者
BenchLeader Index62.662.1不相上下
Arena Text14571460Qwen3.6 Max

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)Qwen3.6 Max (max)
每百万 token 混合价格$4.00$2.92
每百万 token 输入 / 输出$2.00 / $10.00$1.30 / $7.80
每百万 token 缓存输入$0.200$0.130
每项任务价格:聊天回复$0.0038$0.0029
每项任务价格:总结一份 30 页的报告$0.030$0.020
每项任务价格:代码编辑$0.027$0.019
每项任务价格:智能体编程会话$0.160$0.109
每项任务价格:结构化信息提取$0.0060$0.0042
智能体编程会话(输入大多命中缓存)$0.079$0.057
每项基准测试任务成本(AA Index)$2.47–
每项任务输出 token(AA Index)54k–
其中推理部分35k–
每项任务耗时(AA Index)7 min–
输出速度127 tok/s–
首次回答时间36.9 秒–
完整回答耗时(最近一次测量 2026年11月13日)143.8 秒–

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)。Qwen3.6 Max (max) 得分 62.1。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 124 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)Qwen3.6 Max (max)
BenchLeader IndexBenchLeader62.662.1
智能体与工具得分BenchLeader58.872.1
编程得分BenchLeader66.355.9
人类偏好得分BenchLeader64.264.5
知识得分BenchLeader60.659.7
长上下文得分BenchLeader66.665.0
数学得分BenchLeader68.064.4
多模态得分BenchLeader60.6–
推理得分BenchLeader66.060.8
指令遵循得分BenchLeader–74.7
混合价格(美元/百万 token)BenchLeader$4.00$2.92
输出速度BenchLeader127 tok/s–
首次回答时间BenchLeader36.9 秒–
上下文窗口BenchLeader1,050,000 token262,144 token
推理
GPQA DiamondEpoch AI Benchmarking Hub94.3%87.4%
SimpleBenchSimpleBench73.1%†63.0%
Arena Hard PromptsArena (LMArena)14831481
LiveBench 1.0 ReasoningLiveBench88.7%–
GPQA Diamond (AA)Artificial Analysis–88.8%
Humanity's Last Exam (AA)Artificial Analysis47.9%30.8%
HLE-Diamond (AA)Artificial Analysis45.2%–
ARC-AGI-1ARC Prize95.5%–
ARC-AGI-2ARC Prize89.6%–
ARC-AGI-3ARC Prize23.0%–
CritPtArtificial Analysis30.9%3.7%
CritPt v2 hard subset (AA)Artificial Analysis66.5%–
MysteryMechanismVals AI30.2%–
HLE-Diamond (Scale)Scale AI SEAL33.8%†–
Arena ExpertArena (LMArena)14961497
Chess PuzzlesEpoch AI Benchmarking Hub56.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub56.0%19.0%†
LMCAEpoch AI Benchmarking Hub59.1%42.5%
DTBenchEpoch AI Benchmarking Hub97.3%87.2%
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub–76.7%
SciCodeSciCode57.6%–
FrontierCodeCognition49.3%–
Arena CodingArena (LMArena)15211510
Arena WebDevArena (LMArena)16731482
LiveBench 1.0 CodingLiveBench81.8%–
显示全部 124 项基准测试
指标发布方GPT-6 Sol (max)Qwen3.6 Max (max)
编程
IOIVals AI82.6%–
SWE-bench (Vals)Vals AI–72.8%
Code MigrationVals AI57.2%–
ProgramBenchVals AI2.0%–
Vibe Code Bench v1.1Vals AI87.8%–
MirrorCodeEpoch AI Benchmarking Hub48.9%–
ALE-BenchEpoch AI Benchmarking Hub2462–
WeirdML v3WeirdML19.7%†–
Terminal-Bench 4.0 (AA)Artificial Analysis43.9%–
GameBench 2 OverallDuelLab GameBench 273.0†–
GameBench 2 by reasoning settingDuelLab GameBench 279.4†–
Design Arena WebsiteDesign Arena1290†–
FrontierCode 2.0 (AA)Artificial Analysis35.6%–
智能体与工具
Terminal-BenchTerminal-Bench50.3%–
APEX-AgentsMercor54.3%–
Arena AgentArena (LMArena)6.9–
LiveBench Agentic CodingLiveBench52.9%–
Terminal-Bench HardArtificial Analysis–43.9%
τ²-Bench Telecom (AA)Artificial Analysis–95.9%
Terminal-Bench 2.1 (Vals)Vals AI83.2%–
GDPval-AA v2.1Artificial Analysis1514–
ITBench SRE (AA)Artificial Analysis49.4%–
CyberBenchVals AI78.0%–
Finance Agent v2Vals AI49.0%–
Harvey's Legal Agent Benchmark v1Vals AI1.7%–
Legal Research BenchVals AI28.9%–
SREBenchVals AI30.5%–
Tax Agent BenchVals AI15.0%–
Terminal-Bench 2.0 (Vals)Vals AI–51.7%
Terminal-Bench 4.0 (Vals)Vals AI44.4%–
Terminal-Bench ScienceVals AI30.0%–
Arena SearchArena (LMArena)1229–
Arena Agent Task CompletionArena (LMArena)4.5–
Vending-Bench 2Andon Labs14427.9†4254.2
SpireClimbEpoch AI Benchmarking Hub9.2%–
AutomationBenchArtificial Analysis61.6%–
GDP.pdf (AA)Artificial Analysis25.2%–
Harvey LAB-AA v1.1Harvey3.6%–
AA-Briefcase v1.1Artificial Analysis1476–
Design Arena AgenticDesign Arena1218†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis30.0%–
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%91.1%
ProofBenchVals AI83.0%†–
LiveBench MathematicsLiveBench96.4%–
Arena MathsArena (LMArena)14401471
FrontierMath ErdősEpoch AI Benchmarking Hub1.5%–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub60.7%52.0%
LiveBench 1.0 Data AnalysisLiveBench81.2%–
AA-Omniscience v1.1Artificial Analysis21.4–
CorpFinVals AI–66.5%
PRBench LegalScale AI SEAL38.6%†–
BioMysteryBenchVals AI74.8%–
CaseLaw v2Vals AI–47.9%
Excel Modeling BenchmarkVals AI71.5%–
MedCodeVals AI47.1%–
MedScribeVals AI82.0%–
Public Benefits Bench v1.1Vals AI56.6%–
Financial Coaching BenchVals AI62.6%–
EBR-benchEpoch AI Benchmarking Hub53.3%–
GDP.pdfEpoch AI Benchmarking Hub26.4%–
AA-Omniscience v1.1: accuracyArtificial Analysis51.1%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis39.1%–
HealthBench Professional (AA)OpenAI62.3%–
FACTS ParametricGoogle76.1%†–
指令遵循
LiveBench LanguageLiveBench85.3%–
LiveBench Instruction FollowingLiveBench68.6%–
IFBenchArtificial Analysis–76.6%
Arena Instruction FollowingArena (LMArena)14491451
人类偏好
Arena TextArena (LMArena)14571460
EQ-Bench Creative Writing v3EQ-Bench2126†–
Arena Creative WritingArena (LMArena)14281438
Arena Multi-turnArena (LMArena)14681466
Arena Longer QueriesArena (LMArena)14661473
多模态
Arena VisionArena (LMArena)1233–
MMMU-ProArtificial Analysis83.0%–
Humanity's Sixth SenseScale AI SEAL31.2%–
Blueprint-Bench 2Epoch AI Benchmarking Hub36.9%†–
Furniture AssemblyEpoch AI Benchmarking Hub58.3%–
AA-3DArtificial Analysis1131–
FACTS MultimodalGoogle43.9%†–
长上下文
AA-LCR v1.1Artificial Analysis83.7%80.7%
MLCRArtificial Analysis33.9%–
FACTS GroundingGoogle83.3%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub163.8†149.8
LiveBench 1.0LiveBench79.3%–
AA Intelligence Index v5.0.1Artificial Analysis44.2–
AA Intelligence Index v4.3.2Artificial Analysis47.628.4
AA Progress Index v1Artificial Analysis334297.1
Vals RSI IndexVals AI28.1%–
Vals Science IndexVals AI45.0%–
AA Cyber IndexArtificial Analysis36.8–
安全与诚实
FORTRESSScale AI SEAL13.5%†–
DistressBenchScale AI SEAL68.0%†–

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)。
  • Qwen3.6 Max (max):BenchLeader Index 62.8 → 62.3。
  • 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。
  • 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 Qwen3.6 Max:常见问题

GPT-6 Sol 比 Qwen3.6 Max 更好吗?
GPT-6 Sol (max) 与 Qwen3.6 Max (max) 的质量不相上下(62.6 比 62.1,在 ±4.4 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16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 Sol 和 Qwen3.6 Max 哪个更便宜?价格会变吗?
目前 Qwen3.6 Max 更便宜:每百万 token $2.92 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 Qwen3.6 Max 更好?
GPT-6 Sol 在编程方面得分更高(类别得分 66 比 56,50 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,Qwen3.6 Max 为 1482。
智能体和工具调用用 GPT-6 Sol 还是 Qwen3.6 Max 更好?
Qwen3.6 Max 在智能体任务方面得分更高(类别得分 72 比 59,50 为平均水平)。
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 65)。GPT-6 Sol 支持更长的上下文:1,050,000 token,Qwen3.6 Max 为 262,144 token。
更多问题(2)
第三方基准测试对 GPT-6 Sol 和 Qwen3.6 Max 的看法一致吗?
在两者都有结果的 18 项基准测试中,GPT-6 Sol 领先 13 项,Qwen3.6 Max 领先 5 项。所有同时评测两者的综合评分都认为 Qwen3.6 Max 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。