← 返回综合榜CAPABILITY PROFILE UNDERSTANDING THE RANK
查看 Muse Spark 1.3 的完整证据 →
查看 GPT-5.6 Sol 的完整证据 →
查看 Claude Opus 5 的完整证据 →
查看 Grok 4.7 的完整证据 →
查看 Claude Fable 5 的完整证据 →BEHIND THE SCORE
GPT-6 Sol
OpenAI · 2026-09-22 发布 · 09/23 14:42 更新
分类成绩0 / 4 项分类
已有成绩5 项评测
上下文窗口105万 Token
API 输入 / 输出 · 每百万 Token¥13.4 / ¥67厂商官方价格 ↗
各有所长，看得更清楚。
每项能力单独计算。没有足够的实测，就留空。
不同分类的分数反映各自参照组中的排序支持，不能直接相加或用来比较不同能力的绝对高低。
综合名次，有多稳定？
依次移除一项评测或一家机构、调整单项权重与误差处理，观察排名怎样变化。
重新检查资格后的名次第 6 名
5 个情景下参评证据不足。保持原候选不变时为 6—11 名。这个范围不是置信区间，也不包含从未公开的成绩。
查看与附近模型的共同证据
净支持只看双方共同参加的评测。全局排序还需处理其他模型间的冲突，因此非相邻名次可能与单独比较不同。
Muse Spark 1.35 项共同评测共同证据支持对方
双方共同拥有当前榜单 42.6% 的名义票权。下表展示各项评测采用的成绩，已知误差的软化处理会影响净支持，不只数赢了几项。
| 共同评测 | 本模型 | 对方 | 票权 |
|---|---|---|---|
| AA Index ↗ | 47.5 | 48.1 | 30.0% |
| LiveBench · 编程综合 ↗ | 67.3% | 72.6% | 2.4% |
| LiveBench · 推理与数学 ↗ | 92.5% | 92.8% | 4.2% |
| LiveBench · 语言与指令 ↗ | 76.9% | 80.4% | 3.0% |
| Vals Finance Agent ↗ | 49.0% | 60.0% | 3.0% |
GPT-5.6 Sol5 项共同评测共同证据支持本模型
双方共同拥有当前榜单 42.6% 的名义票权。下表展示各项评测采用的成绩，已知误差的软化处理会影响净支持，不只数赢了几项。
| 共同评测 | 本模型 | 对方 | 票权 |
|---|---|---|---|
| AA Index ↗ | 47.5 | 47 | 30.0% |
| LiveBench · 编程综合 ↗ | 67.3% | 70.1% | 2.4% |
| LiveBench · 推理与数学 ↗ | 92.5% | 93.9% | 4.2% |
| LiveBench · 语言与指令 ↗ | 76.9% | 79.8% | 3.0% |
| Vals Finance Agent ↗ | 49.0% | 53.8% | 3.0% |
Claude Opus 55 项共同评测共同证据支持对方
双方共同拥有当前榜单 42.6% 的名义票权。下表展示各项评测采用的成绩，已知误差的软化处理会影响净支持，不只数赢了几项。
| 共同评测 | 本模型 | 对方 | 票权 |
|---|---|---|---|
| AA Index ↗ | 47.5 | 50.8 | 30.0% |
| LiveBench · 编程综合 ↗ | 67.3% | 73.3% | 2.4% |
| LiveBench · 推理与数学 ↗ | 92.5% | 93.5% | 4.2% |
| LiveBench · 语言与指令 ↗ | 76.9% | 76.2% | 3.0% |
| Vals Finance Agent ↗ | 49.0% | 58.6% | 3.0% |
Grok 4.75 项共同评测共同证据支持本模型
双方共同拥有当前榜单 42.6% 的名义票权。下表展示各项评测采用的成绩，已知误差的软化处理会影响净支持，不只数赢了几项。
| 共同评测 | 本模型 | 对方 | 票权 |
|---|---|---|---|
| AA Index ↗ | 47.5 | 46.4 | 30.0% |
| LiveBench · 编程综合 ↗ | 67.3% | 65.6% | 2.4% |
| LiveBench · 推理与数学 ↗ | 92.5% | 89.2% | 4.2% |
| LiveBench · 语言与指令 ↗ | 76.9% | 77.7% | 3.0% |
| Vals Finance Agent ↗ | 49.0% | 52.3% | 3.0% |
Claude Fable 54 项共同评测共同证据支持对方
双方共同拥有当前榜单 12.6% 的名义票权。下表展示各项评测采用的成绩，已知误差的软化处理会影响净支持，不只数赢了几项。
| 共同评测 | 本模型 | 对方 | 票权 |
|---|---|---|---|
| LiveBench · 编程综合 ↗ | 67.3% | 74.1% | 2.4% |
| LiveBench · 推理与数学 ↗ | 92.5% | 92.8% | 4.2% |
| LiveBench · 语言与指令 ↗ | 76.9% | 83.2% | 3.0% |
| Vals Finance Agent ↗ | 49.0% | 56.3% | 3.0% |
每一项成绩，都有来处。
下面是该模型的公开汇总成绩。展开可查看运行配置与采用方式。
