ModelBrief · GPT-6.2 Sol · 專題
最後更新 2026-11-20
EN 简体 繁體

GPT-6.2 Sol 基準全盤點:AA 57 分與五檔分數

ModelBrief · 2026-11-19 發佈 · 事實覈查 2026-11-19 · 參考來源:Artificial Analysis、ARC Prize、LiveBench、Agent Arena、CyberQ、OpenAI 官方發佈頁

GPT-6.2 Sol 發佈兩天,獨立榜單已經比旗艦 Astra 首日更豐富:AA 指數 57 分之外,LiveBench、Agent Arena、ARC-AGI-3 與 CyberQ 都有讀數。本文把全部可覈查分數列成一張總表,再把 OpenAI 自報的三項單獨標註——廠商口徑與獨立測量不要混進同一張表。

總表:獨立測量

測量來源GPT-6.2 Sol 成績對照
AA 智能指數 v5.0.1Artificial Analysis,11 月 17 日57(Max),91 模型第 11Astra 62;Fable 5.2 65 第一;GPT-6 Astra 57(持平);GPT-6.1 Sol 55
AA 五檔分數Artificial Analysis 模型頁,11 月 19 日直讀Max 57 / XHigh 56 / High 55 / Medium 53 / Low 41Low 檔比 Max 低 16 分
AA 每任務成本Artificial Analysis(2026-11-18 讀數)$1.01;8.5 分鐘/任務(Max,11 月 19 日讀數)Astra $4.00;GPT-6.1 Sol $1.27;Fable 5.2 $26.54
AA-3DArtificial Analysis(經 OpenAI 發佈頁)Elo 1259,第 3Astra 1318 第一;Fable 5.2 1271
ARC-AGI-3(Semi-Private 集)ARC Prize,11 月 17 日榜單54.9%(標準 harness)Astra 70.3%;Fable 5.2 81.2%;GPT-6 Astra 62.7%
LiveBench 長程 AgentBenchLeader / llmbenchmark.ai,11 月 18 日讀數63.6%,第 8;$4.07/任務Astra 70.8% 第 6;GPT-6.1 Sol 65.6% 第 7;Fable 5.2 82.9% 第一
LiveBench 編碼llmbenchmark.ai,11 月 18 日讀數83.7%,第 10;$1.13/任務Astra 91.9% 第一
Agent Arenaarena.ai,11 月 18 日第 11,指數 1241,每任務中位數 $0.90GPT-6.1 Sol 指數同爲 1241,排名第 12;編碼 Agent 榜 Sol 1288 第 9
Bench 指數artificialwatch,11 月 18 日76.9,第 10(54 模型)—
CyberQ 7 題代理實測CyberQ,11 月 18 日21/21 全過(medium 檔),等價成本 $0.84Astra 同爲 21/21($1.75);GPT-6.1 Sol 18/21($0.54)

五檔分數:降檔的代價

Sol 是全站第一個公佈五個思考檔位分數的模型(Astra 只有四檔):Max 57、XHigh 56、High 55、Medium 53、Low 41。XHigh 只比 Max 低 1 分,但首次回答時間從 75.06 秒降到 30.03 秒——降一檔幾乎不丟分、快 2.5 倍,是日常使用最划算的檔位。Low 檔 41 分則比 Max 低 16 分,接近中位數水平(AA 稱同價位中位數爲 43 分),只適合對質量要求最低的批量任務。

速度與等待:Max 檔等答案要 75 秒

AA 的性能讀數值得單獨列出來:每指數任務 8.5 分鐘(Max 檔,2026 年 11 月 19 日讀數;11 月 18 日讀數爲 7.9 分鐘,AA 每 6 小時刷新一次),首次回答時間 Max 檔 75.06 秒、XHigh 30.03 秒、High 11.00 秒、Medium 3.22 秒、Low 2.02 秒。Max 檔的 75 秒等待是推理時間的代價——交互式使用建議用 High 或 XHigh 檔。

LiveBench 的日期口徑問題

BenchLeader 標註的 LiveBench 結果日期爲 2026-11-06,早於 11 月 17 日發佈日。這應視爲榜單日期口徑問題(可能是套件版本日期),以 11 月 18 日讀數爲準,不要寫成「Sol 發佈前已跑分」。分數本身(長程 Agent 63.6% 第 8、編碼 83.7% 第 10)與 AA 指數 57 分的方向一致:Sol 在長程 Agent 上弱於 Astra(70.8%)。但要注意一個反常:長程 Agent 榜上 GPT-6.1 Sol 是 65.6% 第 7,略高於 6.2 Sol 的 63.6% 第 8。兩代 Sol 在這一項上沒有進步,這是代際對比裏唯一退步的獨立讀數,見對比專文。

廠商自報:三項,全部未獨立復現

OpenAI 發佈頁的三項 Sol 相關成績——FrontierCode 2.0 距 Astra 僅 0.5 分(成本約 1/5)、LifeVal 超過 GPT-6 Astra(成本約 1/7)、GDPval v2 比 GPT-6.1 Sol 提升 5.3 分——均爲廠商自報,對手分數爲 OpenAI 同場重跑而非各家公佈值。引用時必須標註「廠商自報」,不要把它們寫進獨立測量的對比表。LifeVal 還是新發布的評測,方法細節尚未經過第三方檢驗。

還沒有的榜單

截至 11 月 19 日:LMArena 尚無已確認的 6.2 Sol 獨立上榜記錄(只有 ArtificialWatch 編碼指數等複合榜單引用了 LMArena 數據);LiveBench 2.0 主榜待確認;Epoch ECI 只有 Astra 的 174 分,Sol 未見。AA 排名第 11 與每任務成本 $1.01 是 11 月 18 日讀數,AA 每 6 小時刷新,引用時請帶日期。

ModelBrief 的看法:Sol 的獨立證據比 Astra 首日更立體:AA、LiveBench、Agent Arena、ARC-AGI-3、CyberQ 五家交叉,結論一致——日常檔高分、賬單極低、長程推理仍弱於旗艦。唯一要打問號的是 LiveBench 長程 Agent 上略低於上代 Sol(63.6% 對 65.6%),以及全部廠商自報尚未獨立復現。等 LMArena 與 ECI 上榜後再補一輪。

參考來源:Artificial Analysis — GPT-6.2 Sol 模型頁 · LiveBench 長程 Agent 榜 · Agent Arena — 排行榜 · CyberQ — 獨立代理實測(本文爲本站改寫與整理,事實以官方來源與 Artificial Analysis 爲準)