GPT-5.6 Sol · 媒体来源 · 独立测量

Artificial Analysis：Sol 的智能、编程 Agent 与单位任务成本

Artificial Analysis 记录 Sol max 的 Intelligence Index 为 59、每任务约 1.04 美元、Coding Agent Index 为 80，并报告约 1.5 万输出 token/任务；模型与 Codex 等完整 harness 绑定，不能当作裸模型排名。

待验证：本次未能重新核实原文。下方历史数字不代表已核实的当前结果。

媒体来源独立测量编辑日期 2026-09-20

测试条件速查

模型版本: GPT-5.6 Sol max；同时比较 Terra、Luna、GPT-5.5
提供商 / 客户端: Artificial Analysis；Coding Agent 中 Sol 运行于 OpenAI Codex harness
推理档位: max；同时展示多个 GPT-5.6 档位成本前沿
工具: Codex coding-agent harness；其他模型使用各自 harness
任务集: Intelligence Index v4.1；Coding Agent（DeepSWE、Terminal-Bench v2、SWE-Atlas-QnA）；AA-Briefcase
样本 / 单次: 完整样本量与重复次数未公开
发布日期 / 采集日期: 2026-07-09 / 2026-08-17
可回溯结果: Intelligence 59；Coding Agent 80；约 $1.04/任务；约 15,000 输出 token/任务

关键数据与适用场景

摘要

第三方基准记录了 GPT-5.6 Sol 在 Intelligence Index 和 Coding Agent Index 中的表现，并将分数、每任务成本和延迟与 Claude Fable 5 等模型对比。

原文阅读

本站仅展示 Tabbit 编辑摘要和必要节选；完整内容、上下文与最新版本请查看原始来源。

能支持的判断

支持在同一评测口径内比较 Sol max 的智能、单位任务成本、输出 token 与编程 Agent 结果。
支持把 Codex 等端到端 harness 结果与模型本身区分开。

不能支持的判断

不支持把 59、80 或每任务成本外推到其他客户端、实时价格或所有任务。
来源参与过 OpenAI 预发布评测，评测设计和样本边界必须保留。

方法、局限和复现

本文中的数字、任务集、推理档位和客户端条件只在所列来源及采集时点内成立。不同版本、不同 harness 或不同提供商的数据不能直接并排比较；未公开的参数保持未知。

需要复测时，请固定模型版本、提供商或客户端、推理档位、工具、任务集版本、样本数和采集日期，并记录失败、重试与人工修正。完整方法和复现步骤见下方来源笔记。

原始来源

Artificial Analysis · Artificial Analysis · 原文发布日期 2026-07-09 · 本站编辑日期 2026-09-20

打开原始来源

GPT-5.6 Sol

在 Tabbit 中比较 GPT-5.6 Sol

下载 Tabbit 客户端后检查模型可用性

测评与证据

GPT-5.6 Sol · 媒体来源 · 独立测量

Artificial Analysis：Sol 的智能、编程 Agent 与单位任务成本

待验证：本次未能重新核实原文。下方历史数字不代表已核实的当前结果。

媒体来源独立测量编辑日期 2026-09-20

测试条件速查

模型版本: GPT-5.6 Sol max；同时比较 Terra、Luna、GPT-5.5
提供商 / 客户端: Artificial Analysis；Coding Agent 中 Sol 运行于 OpenAI Codex harness
推理档位: max；同时展示多个 GPT-5.6 档位成本前沿
工具: Codex coding-agent harness；其他模型使用各自 harness
任务集: Intelligence Index v4.1；Coding Agent（DeepSWE、Terminal-Bench v2、SWE-Atlas-QnA）；AA-Briefcase
样本 / 单次: 完整样本量与重复次数未公开
发布日期 / 采集日期: 2026-07-09 / 2026-08-17
可回溯结果: Intelligence 59；Coding Agent 80；约 $1.04/任务；约 15,000 输出 token/任务

关键数据与适用场景

摘要

第三方基准记录了 GPT-5.6 Sol 在 Intelligence Index 和 Coding Agent Index 中的表现，并将分数、每任务成本和延迟与 Claude Fable 5 等模型对比。

原文阅读

本站仅展示 Tabbit 编辑摘要和必要节选；完整内容、上下文与最新版本请查看原始来源。

能支持的判断

支持在同一评测口径内比较 Sol max 的智能、单位任务成本、输出 token 与编程 Agent 结果。
支持把 Codex 等端到端 harness 结果与模型本身区分开。

不能支持的判断

不支持把 59、80 或每任务成本外推到其他客户端、实时价格或所有任务。
来源参与过 OpenAI 预发布评测，评测设计和样本边界必须保留。

方法、局限和复现

原始来源

Artificial Analysis · Artificial Analysis · 原文发布日期 2026-07-09 · 本站编辑日期 2026-09-20

打开原始来源

GPT-5.6 Sol

在 Tabbit 中比较 GPT-5.6 Sol

下载 Tabbit 客户端后检查模型可用性

测试条件速查

关键数据与适用场景

摘要

原文阅读

能支持的判断

不能支持的判断

方法、局限和复现

原始来源

在 Tabbit 中比较 GPT-5.6 Sol

相关评测

测试条件速查

关键数据与适用场景

摘要

原文阅读

能支持的判断

不能支持的判断

方法、局限和复现

原始来源

在 Tabbit 中比较 GPT-5.6 Sol

相关评测