GPT-5.6 Sol (max) 基準測試結果
OpenAI 的最新一代推理模型 GPT-5.6 Sol (max) 在 Artificial Analysis 智慧指數中取得 59 分，遠超同類模型平均水平。該模型具備文本與影像輸入、100 萬 tokens 上下文視窗，但定價高昂（輸入 $5/百萬 tokens，輸出 $30/百萬 tokens），且評估中生成 7000 萬 tokens，冗長性較高。
OpenAI 最新推出的推理模型 GPT-5.6 Sol (max) 在 Artificial Analysis 的智慧指數評估中取得了 59 分的優異成績，大幅領先同類模型的平均水平（中位數 30 分）。這款模型被歸類為推理模型，採用擴充套件思維或鏈式推理來處理複雜問題，在回答之前會進行深入思考。
在定價方面，GPT-5.6 Sol (max) 屬於高階產品。其輸入價格為每百萬 tokens 5.00 美元，輸出價格為每百萬 tokens 30.00 美元，遠高於同類模型的中位數（輸入 1.71 美元，輸出 8.70 美元）。評估該模型在智慧指數上的表現總成本達到了 2824.18 美元。此外，快取寫入價格為每百萬 tokens 6.25 美元，快取命中價格為每百萬 tokens 0.50 美元。綜合快取命中、輸入和輸出按 7:2:1 比例混合後，每百萬 tokens 的均價約為 4.35 美元，但具體價格因提供商而異。
在能力方面，GPT-5.6 Sol (max) 支援文本和影像輸入，並生成文本輸出。其上下文視窗高達 100 萬 tokens，相當於約 1500 頁 A4 紙（12 號 Arial 字型）的文本量。作為推理模型，它還具備支援快取提示的功能，可為頻繁使用的請求降低延遲和成本。
在智慧指數評估中，該模型生成了 7000 萬輸出 tokens，相對於同類模型的中位數 6000 萬略高，顯示出一定的冗長性。Artificial Analysis 智慧指數 v4.1 包含 9 項評估：GDPval-AA v2（代理型實際工作任務）、τ³-Banking（代理型工具使用）、Terminal-Bench v2.1（代理型編碼與終端使用）、SciCode（編碼）、Humanity's Last Exam（推理與知識）、GPQA Diamond（科學推理）、CritPt（物理推理）、AA-Omniscience（知識準確率與非幻覺率）和 AA-LCR（長上下文推理）。此外，還有額外的基準測試如 AA-Briefcase（代理型知識工作）、AutomationBench-AA（代理型 SaaS 工作流）、Harvey LAB-AA（法律代理工作）、EnterpriseOps-Gym-AA（代理型業務運營）、IFBench（指令遵循）、APEX-Agents-AA（長週期代理任務）、ITBench-AA（Kubernetes 事件根因分析）和 MMMU-Pro（視覺推理）等。
在智慧與成本對比中，GPT-5.6 Sol (max) 位於高智慧但高成本象限。其每智慧指數任務的加權平均成本較高，但智慧得分突出。對於需要強大推理能力和大上下文視窗的應用，如 RAG（檢索增強生成）工作流，該模型是一個有力的候選，但高昂的成本可能限制其廣泛採用。
總體而言，GPT-5.6 Sol (max) 在智慧效能上處於領先地位，但高昂的定價和較高的冗長性使其更適合預算充足、對推理質量要求極高的場景。OpenAI 可能同時提供非推理變體，但本次評估聚焦於推理版本。