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

  • 浏览器排行榜
  • AI 浏览器指南
  • 浏览器对比
  • 浏览器测评
  • 浏览器替代方案
  • 浏览器专题目录
  • Agentic 浏览器
  • 下载与安装
  • 浏览器效率
  • SillyTavern 模型指南

热门指南

  • Best Browsers 2026: Top 10 Ranked & Compared
  • Best Free AI Browsers 2026: Plans & Prices Compared
  • Rabbit Browser: What It Is & Why Tabbit Is Better
  • Firefox vs Chrome 2026: Privacy, RAM & Speed Compared
  • Best Lightweight Browsers 2026: 7 Tested for RAM & Speed
  • AI Browser List 2026: 10 Browsers Compared
  • Neobrowser: Norton Neo, Download & Alternatives
  • Edge vs Chrome 2026: Speed, RAM & Battery Tested
  • Best Internet Browser for Android 2026
  • Best AI Browser 2026: Top 9 Tested & Ranked

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
官方GPT-6.2 Sol

GPT-6.2 Sol 首发基准与成本口径

原始来源

OpenAI 官方博客

作者OpenAI

原文日期2026-11-17

Tabbit 整理2026-11-17

查看原文

一句话结论

OpenAI 称 GPT-6.2 Sol 在 GDPval v2 中比 GPT-6.1 Sol 高 5.3 个百分点。在 Cognition 的 FrontierCode 2.0 中得分与 GPT-6.2 Astra 相差不到 0.5 分、成本约为其五分之一(两者均为 Max)。在 LifeVal 中高于 GPT-6 Astra、成本约为其七分之一。原文没有给出这些基准的 Sol 绝对分数、样本量或完整运行配置,不能据此独立复算或外推到其他任务。

适用场景

  • 适合判断的任务:了解 OpenAI 首发时披露的 Sol 基准比较、相对成本说法和 API 单价。

  • 不适合外推的任务:估算任意任务的实际花费、比较不同测试框架的绝对能力,或推断未披露的基准细节。

  • 适用的模型版本:GPT-6.2 Sol(API 模型 ID:gpt-6.2-sol)。

  • 测试环境或客户端:原文仅说明 FrontierCode 2.0 的比较双方均使用 Max。其余测试环境及客户端未注明。

  • 推理档位和参数:FrontierCode 2.0 为 Max。其他档位、采样参数和运行设置未注明。

测评方法

这是 OpenAI 发布公告中的厂商基准摘要,不是独立复测报告。原文对相关项目的可见说明如下:

  • FrontierCode 2.0:Cognition 基准,评估对真实代码库的修改是否达到维护者合并标准。OpenAI 只说明 Sol 与 Astra 得分差距不到 0.5 分、Sol 成本约为 Astra 的五分之一。双方均设为 Max。

  • LifeVal:OpenAI 的日常任务基准,考察依据个人需求完成任务的表现。页面给出 Sol 高于 GPT-6 Astra、成本约为其七分之一,但没有披露绝对分数或具体运行条件。

  • GDPval v2:OpenAI 内部基准,涵盖金融、数据科学、生物技术和市场营销等领域的长流程知识工作任务。页面给出 Sol 比 GPT-6.1 Sol 高 5.3 个百分点。没有披露 Sol 的绝对结果、样本量或详细协议。

  • AA-3D:页面引用 Artificial Analysis 的盲评 Elo 结果。评审对同一提示生成的两个交互作品进行偏好投票。GPT-6.2 Sol 为 1,259 Elo。页面没有列出 Sol 的样本数、置信区间或完整运行参数。

除 FrontierCode 的 Max 档说明及 AA-3D 的盲评描述外,推理档位、提示词、工具、硬件、重复次数、样本规模和统计区间均未注明。

关键结果

基准或口径GPT-6.2 Sol 首发披露对比对象条件与限制
FrontierCode 2.0与 GPT-6.2 Astra 相差不到 0.5 分。成本约为其 1/5GPT-6.2 Astra两者均设为 Max。未披露绝对分数、成本单位及样本量
LifeVal得分高于 GPT-6 Astra。成本约为其 1/7GPT-6 Astra未披露绝对分数、成本单位和运行条件
GDPval v2比 GPT-6.1 Sol 高 5.3 个百分点GPT-6.1 Sol未披露绝对分数、样本量和详细测试协议
AA-3D1,259 Elo页面同时列出 Astra 1,318、Claude Fable 5.2 1,271同提示盲评偏好投票。样本量、区间和复测设置未注明
API 标准价格输入 $2 / 百万 Token。缓存输入 $0.10 / 百万 Token。输出 $10 / 百万 TokenGPT-6.1 Sol页面称沿用 GPT-6.1 Sol 定价。实际任务成本取决于 Token 用量等因素

原始数据

  • OpenAI 对 GPT-6.2 Sol 的归纳是:相较 GPT-6.1 Sol,GDPval v2 提高 5.3 个百分点。这是公告中的厂商报告值,页面未提供绝对分数或逐题数据。

  • FrontierCode 2.0 披露的是 与 GPT-6.2 Astra 得分差小于 0.5 分,并称 Sol 成本约为 Astra 的 五分之一。双方均使用 Max。绝对分数和成本计量口径未披露。

  • LifeVal 披露的是 高于 GPT-6 Astra、成本约为其 七分之一,未提供数值分数。

  • AA-3D 披露 Sol 为 1,259 Elo。同段列出的 Astra 为 1,318,Claude Fable 5.2 为 1,271。

  • API 价格为每百万 Token:输入 $2、缓存输入 $0.10、输出 $10。这属于单价,不是上述基准的任务总成本。

结论与边界

这些数据支持的窄结论是:OpenAI 首发材料报告了 Sol 对 GPT-6.1 Sol 的 GDPval v2 提升,并在 FrontierCode、LifeVal 中主张相对 Astra 有较低成本。AA-3D 则给出 1,259 Elo。页面没有展示足以复算多数结果的原始分数、样本量、重复次数或完整配置,因此成本比例和基准成绩应作为 OpenAI 的发布口径引用,不能视为独立测量或通用性能保证。AA-3D 的 Elo 属于基准方评测,本文仅记录 OpenAI 页面引用的数值。

复现说明

公告没有公开完整的测试环境、逐题结果或成本明细。复测时应使用相同版本的数据集、模型、工具和评分方法,并单独记录任务成本。

Tabbit 小编提醒

本文是第三方资料导航。测试环境、模型版本和主观体验可能不同,请以原文为准。

GPT-6.2 Sol

在 Tabbit 中使用并对比模型

GPT-6.2 Sol

相关测评

官方Google DeepMind2026-11-18

Google DeepMind 模型卡中的 GPT-6.2 Sol 同表基准

官方Artificial Analysis2026-11-17

GPT-6.2 Sol 在 Codex 代码代理指数中较前代下降 3 分

媒体AI IQ

GPT-6.2 Sol:AI IQ 分项、基准成绩与估算边界

媒体Artificial Analysis

Artificial Analysis:GPT-6.2 Sol 推理档位、任务耗时与价格

GPT-6.2 Sol

相关提示词与案例

官方OpenAI API 文档

GPT-6.2 Sol 模型 ID 与 Responses API 推理配置

官方OpenAI API 文档

GPT-6.2 Sol API 迁移与工具配置

官方ChatGPT Learn(OpenAI)2026-11-17

GPT-6.2 Sol 在 Codex 中的任务选择与短工作流

官方OpenAI API 文档

用 GPT-6.2 Sol 在 Responses API 中并行审查 PR