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。
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。
| 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 1/5 | GPT-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 1/7 | GPT-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-3D | 1,259 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 Token | GPT-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 |
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。
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。
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。
GPT-6.2 Sol