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 · 官方来源 · 厂商自报

OpenAI 发布说明：Sol 在长程工作、编程与知识任务中的官方结果

OpenAI 报告 Sol 在 Agents’ Last Exam 得分 53.6、Artificial Analysis Intelligence Index 接近 Fable 5、Coding Agent Index 为 80，并给出 BrowseComp 92.2% 与 OSWorld 2.0 62.6%；这些是厂商自报且受基准条件限制。

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。

官方来源厂商自报编辑日期 2026-09-20

测试条件速查

模型版本
GPT-5.6 Sol；发布说明同时讨论 Terra、Luna 与 GPT-5.5
提供商 / 客户端
OpenAI 官方发布说明；具体运行客户端未公开
推理档位
部分图表为 max；其他项目档位未全部公开
工具
Responses API 工具调用、多 Agent、计算机使用；逐基准权限未全公开
任务集
Agents’ Last Exam（55 个领域）、AA Intelligence v4.1、Coding Agent、Terminal-Bench 2.1、DeepSWE、BrowseComp、OSWorld 2.0
样本 / 单次
完整样本数、重复次数和随机种子未公开
发布日期 / 采集日期
2026-07-09 / 2026-08-17
可回溯结果
Agents’ Last Exam 53.6；Coding Agent 80；BrowseComp 92.2%；OSWorld 62.6%

关键数据与适用场景

摘要

GPT-5.6 系列发布说明，包含 Sol 在 Agents’ Last Exam、Artificial Analysis Intelligence Index、编程、知识工作和安全评估中的官方结果，以及模型定位、ultra 模式和定价信息。

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

  • 支持引用这些带日期的官方结果，说明 OpenAI 如何定位 Sol 的长程 Agent、编程和知识工作能力。
  • 支持区分 max、ultra、多 Agent 与不同基准。

不能支持的判断

  • 不支持独立复现、统一跨模型排名或当前产品可用性。
  • 发布说明没有公开每个基准的完整样本、提示词和工具配置。

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

OpenAI · OpenAI · 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

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

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。Every：Sol 适合协作式知识工作，但不替代高层判断Every 记录 Sol 在 24 篇草稿、邮件、会议和检索中快速可转向，但 Senior Engineer 基准为 56/100（Fable 90/100），写作基准六模型垫底，说明上下文协作不等于自主判断。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。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。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。用结果、上下文和检查点管理 ChatGPT 长任务把提示从逐步指挥改成结果约束：先说明交付物、上下文、权限和检查点，再在关键节点人工判断；文中的 Sol、Terra、Luna 与 ChatGPT Work 说明属于作者整理，使用前需确认当前产品状态。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。