Artificial Analysis 报告称,GPT-6.2 Sol 在 Codex harness、max effort 下的 Coding Agent Index 比 GPT-6.1 Sol 低 3 分,下降主要来自 SWE-Atlas-QnA-AA。
适合判断的任务:在该指数和 Codex harness 条件下,对比 GPT-6.2 Sol 与 GPT-6.1 Sol 的代码代理表现。
不适合外推的任务:其他代码任务、不同 harness、推理档位或实际项目中的整体表现。
适用的模型版本:GPT-6.2 Sol。对照版本为 GPT-6.1 Sol。
测试环境或客户端:Codex harness。
推理档位和参数:max effort。其他参数未提供。
文章引用 Artificial Analysis Coding Agent Index 的 Codex harness、max effort 结果,并与前代 GPT-6.1 Sol 比较。页面未说明任务数、运行次数或汇总方法。
GPT-6.2 Sol 的指数分数比 GPT-6.1 Sol 低 3 分。
SWE-Atlas-QnA-AA 下降 14 分。文章将其归因于 GPT-6.2 Sol 更容易在回答中遗漏关键信息。
| 指标 | GPT-6.2 Sol 相对 GPT-6.1 Sol |
|---|---|
| Coding Agent Index(Codex harness,max effort) | -3 分 |
| SWE-Atlas-QnA-AA | -14 分 |
原文未列两代模型的绝对分数。
该页面支持的结论限于所述指数配置:GPT-6.2 Sol 总分略低于 GPT-6.1 Sol,SWE-Atlas-QnA-AA 的差距更大。页面没有给出样本规模、误差范围、其他分项结果或复现产物,不能据此判断差异的统计稳定性,也不能推断所有代码代理任务都退步。
原文未提供任务清单、版本哈希、具体参数或运行产物。仅凭页面信息无法独立复现。动态指数结果应视为该文章发布时报告的快照。
GPT-6.2 Sol