GPT-6.2 Sol 发布两天,独立榜单已经比旗舰 Astra 首日更丰富:AA 指数 57 分之外,LiveBench、Agent Arena、ARC-AGI-3 与 CyberQ 都有读数。本文把全部可核查分数列成一张总表,再把 OpenAI 自报的三项单独标注——厂商口径与独立测量不要混进同一张表。
| 测量 | 来源 | GPT-6.2 Sol 成绩 | 对照 |
|---|---|---|---|
| AA 智能指数 v5.0.1 | Artificial Analysis,11 月 17 日 | 57(Max),91 模型第 11 | Astra 62;Fable 5.2 65 第一;GPT-6 Astra 57(持平);GPT-6.1 Sol 55 |
| AA 五档分数 | Artificial Analysis 模型页,11 月 19 日直读 | Max 57 / XHigh 56 / High 55 / Medium 53 / Low 41 | Low 档比 Max 低 16 分 |
| AA 每任务成本 | Artificial Analysis(2026-11-18 读数) | $1.01;8.5 分钟/任务(Max,11 月 19 日读数) | Astra $4.00;GPT-6.1 Sol $1.27;Fable 5.2 $26.54 |
| AA-3D | Artificial Analysis(经 OpenAI 发布页) | Elo 1259,第 3 | Astra 1318 第一;Fable 5.2 1271 |
| ARC-AGI-3(Semi-Private 集) | ARC Prize,11 月 17 日榜单 | 54.9%(标准 harness) | Astra 70.3%;Fable 5.2 81.2%;GPT-6 Astra 62.7% |
| LiveBench 长程 Agent | BenchLeader / llmbenchmark.ai,11 月 18 日读数 | 63.6%,第 8;$4.07/任务 | Astra 70.8% 第 6;GPT-6.1 Sol 65.6% 第 7;Fable 5.2 82.9% 第一 |
| LiveBench 编码 | llmbenchmark.ai,11 月 18 日读数 | 83.7%,第 10;$1.13/任务 | Astra 91.9% 第一 |
| Agent Arena | arena.ai,11 月 18 日 | 第 11,指数 1241,每任务中位数 $0.90 | GPT-6.1 Sol 指数同为 1241,排名第 12;编码 Agent 榜 Sol 1288 第 9 |
| Bench 指数 | artificialwatch,11 月 18 日 | 76.9,第 10(54 模型) | — |
| CyberQ 7 题代理实测 | CyberQ,11 月 18 日 | 21/21 全过(medium 档),等价成本 $0.84 | Astra 同为 21/21($1.75);GPT-6.1 Sol 18/21($0.54) |
Sol 是全站第一个公布五个思考档位分数的模型(Astra 只有四档):Max 57、XHigh 56、High 55、Medium 53、Low 41。XHigh 只比 Max 低 1 分,但首次回答时间从 75.06 秒降到 30.03 秒——降一档几乎不丢分、快 2.5 倍,是日常使用最划算的档位。Low 档 41 分则比 Max 低 16 分,接近中位数水平(AA 称同价位中位数为 43 分),只适合对质量要求最低的批量任务。
AA 的性能读数值得单独列出来:每指数任务 8.5 分钟(Max 档,2026 年 11 月 19 日读数;11 月 18 日读数为 7.9 分钟,AA 每 6 小时刷新一次),首次回答时间 Max 档 75.06 秒、XHigh 30.03 秒、High 11.00 秒、Medium 3.22 秒、Low 2.02 秒。Max 档的 75 秒等待是推理时间的代价——交互式使用建议用 High 或 XHigh 档。
BenchLeader 标注的 LiveBench 结果日期为 2026-11-06,早于 11 月 17 日发布日。这应视为榜单日期口径问题(可能是套件版本日期),以 11 月 18 日读数为准,不要写成「Sol 发布前已跑分」。分数本身(长程 Agent 63.6% 第 8、编码 83.7% 第 10)与 AA 指数 57 分的方向一致:Sol 在长程 Agent 上弱于 Astra(70.8%)。但要注意一个反常:长程 Agent 榜上 GPT-6.1 Sol 是 65.6% 第 7,略高于 6.2 Sol 的 63.6% 第 8。两代 Sol 在这一项上没有进步,这是代际对比里唯一退步的独立读数,见对比专文。
OpenAI 发布页的三项 Sol 相关成绩——FrontierCode 2.0 距 Astra 仅 0.5 分(成本约 1/5)、LifeVal 超过 GPT-6 Astra(成本约 1/7)、GDPval v2 比 GPT-6.1 Sol 提升 5.3 分——均为厂商自报,对手分数为 OpenAI 同场重跑而非各家公布值。引用时必须标注「厂商自报」,不要把它们写进独立测量的对比表。LifeVal 还是新发布的评测,方法细节尚未经过第三方检验。
截至 11 月 19 日:LMArena 尚无已确认的 6.2 Sol 独立上榜记录(只有 ArtificialWatch 编码指数等复合榜单引用了 LMArena 数据);LiveBench 2.0 主榜待确认;Epoch ECI 只有 Astra 的 174 分,Sol 未见。AA 排名第 11 与每任务成本 $1.01 是 11 月 18 日读数,AA 每 6 小时刷新,引用时请带日期。
参考来源:Artificial Analysis — GPT-6.2 Sol 模型页 · LiveBench 长程 Agent 榜 · Agent Arena — 排行榜 · CyberQ — 独立代理实测(本文为本站改写与整理,事实以官方来源与 Artificial Analysis 为准)