OpenAI
GPT-5.6 Sol 评测成绩
来自 4 个来源、7 项基准的 11 条成绩。
其他名称: gpt-5.6-sol-xhigh · gpt-5.6-sol_none · GPT-5.6 Sol (none) · gpt-5.6-sol_low · GPT-5.6 Sol (low) · gpt-5.6-sol_max · GPT-5.6 Sol (max) · GPT-5.6-sol · GPT-5.6 Sol (XHigh) · GPT-5.6 Sol (Max)
全部评测成绩
| 基准 | 分数 | 名次 | 设定 | 来源类型 | 日期 |
|---|---|---|---|---|---|
| LMArena Text | 1485 | 20 | Overall, style control on; 38490 votes; 95% CI 1481–1489“gpt-5.6-sol-xhigh” | 官方榜单 | 2026年10月8日 |
| LMArena Vision | 1285 | 18 | Overall, style control on; 10421 votes; 95% CI 1277–1292“gpt-5.6-sol-xhigh” | 官方榜单 | 2026年10月2日 |
| GPQA Diamond | 93.5% | 14 | Epoch AI run, accuracy; effort: max | 独立评测 | 2026年7月9日 |
| GPQA Diamond | 89.9% | 42 | Epoch AI run, accuracy; effort: low | 独立评测 | 2026年8月7日 |
| GPQA Diamond | 82.8% | 101 | Epoch AI run, accuracy; effort: none | 独立评测 | 2026年8月7日 |
| AIME (OTIS Mock AIME 2024–2025) | 100.0% | 1 | Epoch AI run, OTIS Mock AIME 2024–2025; effort: max | 独立评测 | 2026年7月9日 |
| AIME (OTIS Mock AIME 2024–2025) | 95.6% | 43 | Epoch AI run, OTIS Mock AIME 2024–2025; effort: low | 独立评测 | 2026年8月7日 |
| AIME (OTIS Mock AIME 2024–2025) | 68.9% | 131 | Epoch AI run, OTIS Mock AIME 2024–2025; effort: none | 独立评测 | 2026年8月7日 |
| ARC-AGI-2 | 92.5% | 5 | Semi-private set; $1.44/task; CoT“GPT-5.6 Sol (Max)” | 官方榜单 | 2026年10月22日 |
| OSWorld 2.0 | 27.3% | 4 | Binary accuracy; 500 steps; reasoning: max; effort: max | 官方榜单 via Epoch AI | 2026年7月9日 |
| τ²-bench | 46.9% | 4 | banking_knowledge domain, pass^1; effort: xhigh; submitted by Sierra; v1.0.1“GPT-5.6-sol” | 官方榜单 | 2026年7月22日 |
常见问题
GPT-5.6 Sol 的这些评测分数来自哪里？
来自 Epoch AI Benchmarking Hub、ARC Prize leaderboard、LMArena leaderboard dataset和τ²-bench leaderboard submissions。每一行都链接到原始榜单、数据集或报告，厂商自报的分数单独标注。