GPT-6 SolvsGPT-5.6 Sol
在 21 个共同 benchmark 中，GPT-5.6 Sol 整体领先：GPT-6 Sol 领先 8 项，GPT-5.6 Sol 领先 12 项，持平 1 项，平均分差 +4.23。
GPT-6 Sol
OpenAI · 2026-09-22 · 推理大模型
GPT-5.6 Sol
OpenAI · 2026-06-26 · 推理大模型
GPT-6 Sol8 项(38%)持平1(57%)12 项GPT-5.6 Sol
评测分数
按能力类目分组，每组内按分差大小排列；共 21 项。
金融
GPT-5.6 Sol 领先 3/3| 评测项 | GPT-6 Sol | GPT-5.6 Sol | 分差 |
|---|---|---|---|
| Tax Agent Bench | 53.0520 / 20Max (With Tools) | 67.958 / 20Max (With Tools) | -14.90 |
| Finance Agent v2 | 49.0532 / 43Max (With Tools) | 53.7621 / 43Max (With Tools) | -4.71 |
| EMB (Excel Modeling) | 71.538 / 42Max (With Tools) | 72.345 / 42Max (With Tools) | -0.81 |
临床工作与医疗决策
胶着 2/2| 评测项 | GPT-6 Sol | GPT-5.6 Sol | 分差 |
|---|---|---|---|
| MedScribe | 82.0337 / 66Max (With Tools) | 85.2320 / 66Max (With Tools) | -3.20 |
| MedCode | 47.0727 / 64Max (With Tools) | 43.9732 / 64Max (With Tools) | +3.10 |
客服与业务流程
GPT-5.6 Sol 领先 2/2| 评测项 | GPT-6 Sol | GPT-5.6 Sol | 分差 |
|---|---|---|---|
| Public Benefits Bench v1.1 | 56.6322 / 26Max (With Tools) | 66.5110 / 26Max (With Tools) | -9.88 |
| SAGE | 44.7932 / 64Max (With Tools) | 52.564 / 64Max (With Tools) | -7.77 |
法律
GPT-5.6 Sol 领先 2/2| 评测项 | GPT-6 Sol | GPT-5.6 Sol | 分差 |
|---|---|---|---|
| Legal Research Bench | 28.8532 / 42Max (With Tools) | 48.087 / 42Max (With Tools) | -19.23 |
| Harvey's Legal Agent Benchmark | 1.6731 / 43Max (With Tools) | 2.5029 / 43Max (With Tools) | -0.83 |
程序生成与编辑
胶着 2/2| 评测项 | GPT-6 Sol | GPT-5.6 Sol | 分差 |
|---|---|---|---|
| Program Bench | 214 / 15Max (With Tools) | 238 / 15Max (With Tools) | -21 |
| Vibe Code Bench v1.1 | 87.827 / 61Max (With Tools) | 80.5017 / 61Max (With Tools) | +7.32 |
写作与创意表达
GPT-6 Sol 领先 1/1| 评测项 | GPT-6 Sol | GPT-5.6 Sol | 分差 |
|---|---|---|---|
| Creative Writing | 2,1254 / 110Normal (No Tools) | 1,9729 / 110Normal (No Tools) | +153.10 |
医学知识与健康咨询
GPT-6 Sol 领先 1/1| 评测项 | GPT-6 Sol | GPT-5.6 Sol | 分差 |
|---|---|---|---|
| HealthBench Professional (length-adjusted) | 60.803 / 5Reported best (effort unspecified) | 60.505 / 5Reported best (effort unspecified) | +0.30 |
多轮记忆与持续上下文
GPT-6 Sol 领先 1/1| 评测项 | GPT-6 Sol | GPT-5.6 Sol | 分差 |
|---|---|---|---|
| EBR-bench | 53.334 / 23Max (With Tools) | 44.766 / 23Max (With Tools) | +8.57 |
抽象归纳与泛化
GPT-5.6 Sol 领先 1/1| 评测项 | GPT-6 Sol | GPT-5.6 Sol | 分差 |
|---|---|---|---|
| ARC-AGI-3 | 4.6216 / 51Max (No Tools) | 7.7813 / 51Max (No Tools) | -3.16 |
数学
胶着 1/1| 评测项 | GPT-6 Sol | GPT-5.6 Sol | 分差 |
|---|---|---|---|
| ProofBench v1.1 (Lean 4) | 837 / 28Max (With Tools) | 837 / 28Max (With Tools) | 持平 |
机器学习工程
GPT-6 Sol 领先 1/1| 评测项 | GPT-6 Sol | GPT-5.6 Sol | 分差 |
|---|---|---|---|
| WeirdML v3 | 0.204 / 13Extra-High (With Tools) | 0.157 / 13Extra-High (With Tools) | +0.05 |
算法与竞赛编程
GPT-5.6 Sol 领先 1/1| 评测项 | GPT-6 Sol | GPT-5.6 Sol | 分差 |
|---|---|---|---|
| IOI (Vals v2) | 82.617 / 26Max (With Tools) | 91.173 / 26Max (With Tools) | -8.56 |
维护、优化与工程管理
GPT-6 Sol 领先 1/1| 评测项 | GPT-6 Sol | GPT-5.6 Sol | 分差 |
|---|---|---|---|
| Code Migration | 57.204 / 43Max (With Tools) | 52.927 / 43Max (With Tools) | +4.28 |
自主开发与终端任务
GPT-6 Sol 领先 1/1| 评测项 | GPT-6 Sol | GPT-5.6 Sol | 分差 |
|---|---|---|---|
| Terminal-Bench 4.0 | 43.9419 / 98Max (With Tools) | 37.2724 / 98Max (With Tools) | +6.67 |
跨能力聚合指数
GPT-5.6 Sol 领先 1/1| 评测项 | GPT-6 Sol | GPT-5.6 Sol | 分差 |
|---|---|---|---|
| Vals Index v2.1 | 57.5410 / 36Max (task-specific tools) | 58.019 / 36Max (task-specific tools) | -0.47 |
规格对比
| 字段 | GPT-6 Sol | GPT-5.6 Sol |
|---|---|---|
| 发布机构 | OpenAI | OpenAI |
| 发布时间 | 2026-09-22 | 2026-06-26 |
| 模型类型 | 推理大模型 | 推理大模型 |
| 架构 | 稠密模型 | 稠密模型 |
| 参数规模 | 暂无数据 | 暂无数据 |
| 上下文长度 | 1.05M | 1.05M |
| 最大输出 | 128K | 128K |
API 调用价格
价格优先使用 DataLearner 配置的 API 记录；缺失项不做推测。
| 价格项 | GPT-6 Sol | GPT-5.6 Sol |
|---|---|---|
| 文本输入 | $2 / 1M tokens | $4 / 1M tokens |
| 文本输出 | $10 / 1M tokens | $20 / 1M tokens |
| 缓存读取 | $0.2 / 1M tokens | $0.4 / 1M tokens |
| 缓存写入 | $2.5 / 1M tokens | $5 / 1M tokens |
小结
- GPT-6 Sol在以下类目领先:写作与创意表达 (1/1)、医学知识与健康咨询 (1/1)、多轮记忆与持续上下文 (1/1)、机器学习工程 (1/1)、维护、优化与工程管理 (1/1)、自主开发与终端任务 (1/1)
- GPT-5.6 Sol在以下类目领先:金融 (3/3)、客服与业务流程 (2/2)、法律 (2/2)、抽象归纳与泛化 (1/1)、算法与竞赛编程 (1/1)、跨能力聚合指数 (1/1)
- 胶着类目:临床工作与医疗决策、程序生成与编辑、数学
21 个共同 benchmark 上，GPT-6 Sol 平均高出 4.23 分。
单项差距最大的 benchmark：Creative Writing — GPT-6 Sol 2,125，GPT-5.6 Sol 1,972（分差 +153.10）。
本页正文由结构化模型、价格与 benchmark 数据生成，不使用实时 LLM 撰写。