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 · 编辑分析

Visual Studio Magazine：Sol 的 Token 效率与推理滑块边界

文章记录 Plus/Pro 用同一 Sol 覆盖快速与深度回答，并引用 Sol 在 Coding Agent Index 得分 80、SWE-Bench Pro 64.6%、每项 Intelligence 任务约 1.5 万输出 token；Sol 并非每项评测第一。

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。

媒体来源编辑分析编辑日期 2026-09-20

测试条件速查

模型版本
GPT-5.6 Sol；区分 2026-08-06 ChatGPT 更新版与 7 月评测版
提供商 / 客户端
OpenAI ChatGPT Plus/Pro 网页账户；作者使用公司账户
推理档位
Sol Light 与更深推理滑块；引用基准为原评测档位
工具
ChatGPT 网页对话；引用 Coding Agent 使用对应 harness
任务集
财务/医疗/法律事实回答评估；Artificial Analysis；SWE-Bench Pro
样本 / 单次
内部样本数未公开；引用基准重复设计未完整展开
发布日期 / 采集日期
2026-08-06 / 2026-08-17
可回溯结果
Coding Agent 80；SWE-Bench Pro 64.6%；约 15,000 token/任务；OpenAI 报告错误约少 68%

关键数据与适用场景

摘要

文章从 ChatGPT Plus/Pro 的实际使用和 Artificial Analysis 数据出发，讨论 Sol 的 Token 效率、快速与深度回答模式，以及它并非在所有评测中都领先。

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

  • 支持说明 Sol 在 Plus/Pro 中通过滑块覆盖快速回答与深度推理，并区分产品体验与旧基准。
  • 支持“强但非处处领先”的具体结论。

不能支持的判断

  • 不支持把 ChatGPT 订阅换算成 API 账单或把错误减少外推到所有问题。
  • 8 月产品更新与 7 月基准不是同一快照。

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

Visual Studio Magazine · David Ramel · 原文发布日期 2026-08-06 · 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

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。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。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。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。按任务在 ChatGPT 切换 Sol 思考档位用同一任务在较快与较高思考档之间做对照：短问答先追求速度，多步骤规划、研究、写作、编程和决策再提高思考投入；官方的 68% 数字是内部相对变化，不是公开准确率。用 Responses API 设计可复核的多代理工作流将判断任务与确定性处理分开，用程序化工具调用、并行子代理和提示缓存构建可记录成本、延迟与失败状态的长任务流程。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。