Arena.ai 报告 GPT-6.2 Sol (Max) 在 Agent Arena 得分 1241、排名第 11,并称其每任务中位成本为 $0.90。这是 Arena 发布的测评结果,不是本地复现实测。
适合判断的任务:比较该榜单快照中的整体 Agent 指数、排名和每任务成本。
不适合外推的任务:单项任务表现、其他 Agent/工具链下的质量与成本,以及未列入该榜单的模型配置。
适用的模型版本:GPT-6.2 Sol (Max),模型 ID:gpt-6.2-sol。
测试环境或客户端:Arena Agent Arena。具体运行环境、工具集与 harness 未注明。
推理档位和参数:Max。其他推理参数未注明。
Arena.ai 将 Agent Arena Index 描述为基于全球社区数百万真实任务和轨迹构建的整体 Agent 指标,并称 GPT-6.2 Astra、Sol 的结果基于 7.1K+ 次真实 Agent 会话。帖子未说明这 7.1K+ 会话如何分配到模型、任务采样与评分细节、价格计算方式或置信区间。
GPT-6.2 Sol (Max):1241 分,排名第 11。加入成本帕累托前沿。
与 GPT-6.1 Sol (Max) 同为 1241 分。Arena 称 GPT-6.2 Sol 每任务中位成本下降 13%,从 $1.04 降至 $0.90。
与 GPT-6.2 Astra (Max) 相比低 50 分。Arena 称 Sol 每任务中位成本低 69%($0.90 对 $2.94)。
以上排名、分数及成本均为 Arena 在原帖中的报告。排名和成本属于该平台口径,不能单独证明 Sol 对任意任务都更便宜或效果相同。
| 模型 | 档位 | 排名 | 指数分 | 帖子报告的每任务中位成本 |
|---|---|---|---|---|
| GPT-6.2 Sol | Max | 11 | 1241 | $0.90 |
| GPT-6.1 Sol | Max | 12 | 1241 | $1.04 |
| GPT-6.2 Astra | Max | 6 | 1291 | $2.94 |
这条结果支持的窄结论是:在 Arena 发布的 Agent Arena 指数口径中,Sol (Max) 得分与 GPT-6.1 Sol (Max) 持平,Arena 报告成本更低,并进入成本帕累托前沿。它不提供足够信息独立复算指数或成本,也没有披露任务分布、样本拆分、完整工具配置及不确定性。
原帖成本为 $0.90。采集时,原帖链接的 Arena 动态 Agent 榜单显示 GPT-6.2 Sol (Max) 成本为 $0.96,并标注成本取最近 14 天中位数。两者读数不一致。可能涉及榜单刷新或统计窗口变化,但页面未解释原因,故本文保留原帖数值,不能将两值视为同一快照。
无法据帖子完整复现:缺少会话级样本、任务与模型采样规则、工具和 harness 版本、价格组成、评分公式及统计不确定性。采集时可见原帖英文正文。其中列出的结果为 Arena 自述数据,日期按帖子所示记录。
GPT-6.2 Sol