GPT-5.6 Sol (max) 基准测试结果
OpenAI 的最新一代推理模型 GPT-5.6 Sol (max) 在 Artificial Analysis 智能指数中取得 59 分，远超同类模型平均水平。该模型具备文本与图像输入、100 万 tokens 上下文窗口，但定价高昂（输入 $5/百万 tokens，输出 $30/百万 tokens），且评估中生成 7000 万 tokens，冗长性较高。
OpenAI 最新推出的推理模型 GPT-5.6 Sol (max) 在 Artificial Analysis 的智能指数评估中取得了 59 分的优异成绩，大幅领先同类模型的平均水平（中位数 30 分）。这款模型被归类为推理模型，采用扩展思维或链式推理来处理复杂问题，在回答之前会进行深入思考。
在定价方面，GPT-5.6 Sol (max) 属于高端产品。其输入价格为每百万 tokens 5.00 美元，输出价格为每百万 tokens 30.00 美元，远高于同类模型的中位数（输入 1.71 美元，输出 8.70 美元）。评估该模型在智能指数上的表现总成本达到了 2824.18 美元。此外，缓存写入价格为每百万 tokens 6.25 美元，缓存命中价格为每百万 tokens 0.50 美元。综合缓存命中、输入和输出按 7:2:1 比例混合后，每百万 tokens 的均价约为 4.35 美元，但具体价格因提供商而异。
在能力方面，GPT-5.6 Sol (max) 支持文本和图像输入，并生成文本输出。其上下文窗口高达 100 万 tokens，相当于约 1500 页 A4 纸（12 号 Arial 字体）的文本量。作为推理模型，它还具备支持缓存提示的功能，可为频繁使用的请求降低延迟和成本。
在智能指数评估中，该模型生成了 7000 万输出 tokens，相对于同类模型的中位数 6000 万略高，显示出一定的冗长性。Artificial Analysis 智能指数 v4.1 包含 9 项评估：GDPval-AA v2（代理型实际工作任务）、τ³-Banking（代理型工具使用）、Terminal-Bench v2.1（代理型编码与终端使用）、SciCode（编码）、Humanity's Last Exam（推理与知识）、GPQA Diamond（科学推理）、CritPt（物理推理）、AA-Omniscience（知识准确率与非幻觉率）和 AA-LCR（长上下文推理）。此外，还有额外的基准测试如 AA-Briefcase（代理型知识工作）、AutomationBench-AA（代理型 SaaS 工作流）、Harvey LAB-AA（法律代理工作）、EnterpriseOps-Gym-AA（代理型业务运营）、IFBench（指令遵循）、APEX-Agents-AA（长周期代理任务）、ITBench-AA（Kubernetes 事件根因分析）和 MMMU-Pro（视觉推理）等。
在智能与成本对比中，GPT-5.6 Sol (max) 位于高智能但高成本象限。其每智能指数任务的加权平均成本较高，但智能得分突出。对于需要强大推理能力和大上下文窗口的应用，如 RAG（检索增强生成）工作流，该模型是一个有力的候选，但高昂的成本可能限制其广泛采用。
总体而言，GPT-5.6 Sol (max) 在智能性能上处于领先地位，但高昂的定价和较高的冗长性使其更适合预算充足、对推理质量要求极高的场景。OpenAI 可能同时提供非推理变体，但本次评估聚焦于推理版本。