Google DeepMind 的模型卡列出 GPT-6.2 Sol 的多项成绩。Sol 在 Chartography 中得分 75.1%,比 Gemini 4 Neon 高 1.6 个百分点。LVBench 中 Sol 为 87.6%,Neon 为 89.0%。
适合判断的任务:参考同一张模型卡中 GPT-6.2 Sol、Gemini 4 Neon 与 Claude Opus 5.5 的公开分数,了解这些列示基准上的相对结果。
不适合外推的任务:未列出的任务、实际产品体验、不同测试框架之间的横向排名,或所有用户场景的总体能力。
适用的模型版本:表格标注的 GPT-6.2 Sol。页面未给出更具体的模型 ID 或修订号。
测试环境或客户端:本页未说明 GPT-6.2 Sol 的测试环境或客户端。
推理档位和参数:本页未说明。
模型卡称其评估覆盖 agentic coding、knowledge work、computer use、多模态理解、科学与数学及推理,并指向单独的方法说明页。本页没有披露 GPT-6.2 Sol 各项测试的运行参数、样本数或完整 harness。以下只记录该模型卡同表中的分数,不视为独立复测。
图表理解 Chartography:Sol 75.1%,高于 Neon 的 73.5% 和 Opus 5.5 的 66.3%。
LVBench:Sol 87.6%,低于 Neon 的 89.0%,高于 Opus 5.5 的 83.7%。
长上下文 GraphWalks(256k 至 1M,BFS F1):Sol 80.1%,低于 Neon 的 95.2%,高于 Opus 5.5 的 66.8%。
AutomationBench:Sol 41.3%,低于 Neon 的 56.3%,略低于 Opus 5.5 的 42.5%。
Agents' Last Exam v1.1:Sol 73.0%,低于 Neon 的 75.8%,高于 Opus 5.5 的 71.6%。
SWE-sweep 与 Mini-SWE 使用不同标注的 harness。Sol 分别为 8.3% 和 11.6%,不据此合并成统一代码能力结论。
表格沿用模型卡的顺序,分别列出 Gemini 4 Neon、Claude Opus 5.5 和 GPT-6.2 Sol。
| 类别 | 基准(备注) | Neon | Opus 5.5 | GPT-6.2 Sol |
|---|---|---|---|---|
| 能力指数 | AA Index v5.0.1 | 61 | 59 | 57 |
| 能力指数 | Vals Index v2.2 | 70.9% | 70.1% | 66.1% |
| Agentic coding | Terminal-bench 4.1(Cheating adjusted accuracy) | 65.2% | 65.8% | 61.5% |
| Agentic coding | FrontierCode 2.0(Main score) | 46.2% | 47.3% | 43.8% |
| Agentic coding | SWE-sweep(Provider harness) | 39.0% | 10.1% | 8.3% |
| Agentic coding | Mini-SWE harness | 12.8% | 3.6% | 11.6% |
| Knowledge work | AutomationBench | 56.3% | 42.5% | 41.3% |
| Knowledge work | Agents' Last Exam v1.1 | 75.8% | 71.6% | 73.0% |
| Science and math | RiemannBench | 84.0% | 80.0% | 80.0% |
| Science and math | Terminal-Bench-Science 0.1 | 70.5% | 63.3% | 68.0% |
| Reasoning | HLE-Diamond | 71.3% | 67.9% | 64.0% |
| Multimodal understanding | MKA(Climb WSR) | 56.5% | 53.0% | 52.7% |
| Multimodal understanding | Chartography | 73.5% | 66.3% | 75.1% |
| Multimodal understanding | LVBench | 89.0% | 83.7% | 87.6% |
| Long context | GraphWalks(256k to 1M, BFS F1) | 95.2% | 66.8% | 80.1% |
这张表提供了多个不同领域的同表分数,结果并非一致:Sol 在部分多模态和知识工作项目领先 Opus 5.5,但在能力指数、推理和若干编码基准中落后 Neon。分数不能脱离各自基准定义、harness 与评测设置解读。页面未提供足以重现 Sol 结果的详细配置,也没有给出样本量或不确定区间,因此不据此判断总体优劣或声称独立验证。
原页面链接至 Gemini 4 Neon 的评测方法说明,但本次采集仅检查模型卡。模型卡本身未列出 Sol 的精确模型标识、推理档位、参数、基准样本数或运行 artifacts。仅凭此页无法复现这些分数。
GPT-6.2 Sol