Tabbit
活动资源博客模型
Tabbit LogoTabbit

Tabbit — 为你工作的 AI 浏览器

主题资源

  • AI Browser Resources
  • Agentic Browser Resources
  • Browser Downloads and Install Guides
  • Browser Comparisons
  • AI Browser Alternatives
  • Browser Productivity Resources

热门指南

  • AI Browser
  • Agentic Browser Download
  • Best AI Browser 2026: Top 9 Tested & Ranked
  • AI Browser Download
  • Free AI Browser
  • Best AI Browser 2026
  • AI Browser Comparison 2026
  • AI Browser for Windows
  • AI Browser for Mac
  • Chrome Alternative 2026

活动

  • 别装了，你在《牛来》里早有原型
  • Tabbit 妙招大赛
  • KPOP SBTI 饭圈人格测试
  • Tabbit 校园共创者计划
  • fifi 的论文文献妙招精选
  • 用户问卷

关于

  • Tabbit 博客
  • 媒体报道
简体中文
简体中文English
测评与证据

GPT-5.6 Sol · 媒体来源 · 个人体验

Jonathan Fulton：Sol 的应用构建更完整，但长程迁移更慢

作者在个人 OpenAI 订阅上复用同一套测试：Sol 约 1 小时完成金融应用、26 小时完成 10 万行 Python 到 Go 迁移并通过 2 万余测试，但比 Fable 的 5.5 小时迁移慢近五倍。

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。

媒体来源个人体验编辑日期 2026-09-20

测试条件速查

模型版本
GPT-5.6 Sol；对照 Claude Fable 5
提供商 / 客户端
个人 OpenAI 订阅；Codex /goal；工作账户不用于对比
推理档位
Ultra；具体参数未公开
工具
浏览器测试、Codex 子 Agent 与代码测试；权限未公开
任务集
Lyfetime 金融应用（20 表单）；Linear 克隆；sqlglot 约 10 万行 Python→Go
样本 / 单次
每个构建一次；sqlglot 2 万余测试、约 2,000 万 token；重复未公开
发布日期 / 采集日期
2026-07-16 / 2026-08-17
可回溯结果
Lyfetime 约 1 小时；sqlglot 约 26 小时、20,000+ 全通过；Fable 约 5.5 小时、99.5%

关键数据与适用场景

摘要

作者沿用评测 Fable 5 时的提示词、方法和 10 万行代码迁移任务，记录 Sol 在金融规划应用、浏览器测试、用户体验和领域决策上的表现。

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

  • 支持把一次应用完整度、测试倾向和长程迁移耗时作为个人案例。
  • 支持区分订阅额度成本与 API 单价。

不能支持的判断

  • 不支持一般端到端成功率、速度排名或领域判断结论。
  • 结果受提示、Codex、订阅额度和单次运行影响。

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

Medium · Jonathan Fulton · 原文发布日期 2026-07-16 · 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

模型深度阅读

总览 · 简体中文

GPT-5.6 Sol 是什么：规格、获取方式、变化与仍需留意的风险

OpenAI 当前模型页列出 GPT-5.6 Sol 的 105 万 token 上下文、12.8 万最大输出和推理控制。本文区分 API 规格、Codex 客户端与浏览器使用边界。

相关评测

Matthew Berman：Sol 的长程执行与浏览器控制仍需确认点Matthew Berman 记录 Sol 在 Codex /goal、Computer Use、Excel 和 Workspace 迁移中的两个月个人体验，认为它少游走且浏览器控制强，但也会自信报告未完成系统工作；推理档位偏好不是受控速度基准。CodeRabbit：Sol 在长任务代码代理与代码审查中的取舍CodeRabbit 报告 Sol 长程编码通过率 63.7%，平均每完成任务输出 20,968 token；审查中命中 69/99 个可行动案例、precision 31.6%，并产生 231 条评论，显示召回与噪声并存。METR：Sol 的长程时间跨度取决于如何处理评测作弊METR 在 Time Horizon 1.1 ReAct 中报告 Sol 的 50% 时间跨度：作弊计失败约 11.3 小时、计成功超过 270 小时、剔除约 71 小时；作者强调三者都不是稳健测量。Reddit Cursor：同一后端计划下 Sol medium 的一次实现对比Reddit 用户在 Cursor 中让 Grok 4.6 extra high 与 Sol medium 执行同一份约 2,500 行后端计划，以 Fable 5 high 评审；作者给出约 60/40 主观胜负，测试只有一次。用预测、规划、评审和验证交付代码把长程编码拆为预测、规划、实现、对抗评审和独立验证，逐项对照计划、测试与停止条件；这是评论者报告的个人工作流，不是 Codex 默认配置。为 Codex 配置百万上下文与自动压缩来源给出 config.toml 和单次 CLI 会话的示例，包含模型 ID、1,000,000 token 上下文预算与 900,000 token 压缩阈值；改动前应确认客户端版本并保留回退配置。用 Standard 基线评估 Ultrafast 实时工作流把同一输入、工具和验收标准分别交给 Standard 与有限预览的 Ultrafast，记录首 token、总时延、质量和成本；官方没有公开价格、并发、区域或请求字段，不能直接生成生产 API 配置。用 Occam 规则限制 Codex 的过度工程将“满足当前已验证需求的最简单实现”设为代码代理约束，并要求先复用、删除或合并现有代码；评论同时提醒简单不等于取消清晰的模块边界。