ModelBrief · GPT-6.2 Sol · 专题
最后更新 2026-11-20
EN 简体 繁體

GPT-6.2 Sol 基准全盘点:AA 57 分与五档分数

ModelBrief · 2026-11-19 发布 · 事实核查 2026-11-19 · 参考来源:Artificial Analysis、ARC Prize、LiveBench、Agent Arena、CyberQ、OpenAI 官方发布页

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。

总表:独立测量

测量来源GPT-6.2 Sol 成绩对照
AA 智能指数 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 五档分数Artificial Analysis 模型页,11 月 19 日直读Max 57 / XHigh 56 / High 55 / Medium 53 / Low 41Low 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-3DArtificial Analysis(经 OpenAI 发布页)Elo 1259,第 3Astra 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 AgentBenchLeader / 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 Arenaarena.ai,11 月 18 日第 11,指数 1241,每任务中位数 $0.90GPT-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 $0.84Astra 同为 21/21($1.75);GPT-6.1 Sol 18/21($0.54)

五档分数:降档的代价

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。

速度与等待:Max 档等答案要 75 秒

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。

LiveBench 的日期口径问题

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。

厂商自报:三项,全部未独立复现

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。

还没有的榜单

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。

ModelBrief 的看法:Sol 的独立证据比 Astra 首日更立体:AA、LiveBench、Agent Arena、ARC-AGI-3、CyberQ 五家交叉,结论一致——日常档高分、账单极低、长程推理仍弱于旗舰。唯一要打问号的是 LiveBench 长程 Agent 上略低于上代 Sol(63.6% 对 65.6%),以及全部厂商自报尚未独立复现。等 LMArena 与 ECI 上榜后再补一轮。

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)