- 类型
- 未披露
- 注意力
- 未披露
- 层数
- 未披露
- 专家
- 未披露
- 隐藏维
- 未披露
- 词表
- 未披露
未披露。官方 API 模型页：1,050,000 上下文（最大输入 922K、最大输出 128K），knowledge cutoff 2026-04-30；reasoning.effort 五档 low/medium（默认）/high/xhigh/max，不支持 none 与 minimal。
完善中
闭源模型，无自建选项，不提供显存表。
完善中
编程DeepSWE v1.1 官方称与 GPT-6 Astra 持平、成本约五分之一，并在更低 effort 下比 GPT-6 Sol 最好成绩高 6.4 个百分点（官方，未公布数值）。
知识GDP.pdf 上高于 Opus 5.5（含 fallback），单任务成本不到一半（官方，未公布数值）。
AgentAutomationBench medium effort 比 Opus 5.5 高 2.2 个百分点、比 GPT-6 Sol 高 4.8 个百分点；OSWorld 2.0 离线集最大 effort 比 GPT-6 Sol 高 7 个百分点、距 Astra 2.1 个百分点（官方，未公布数值）。
中文中文可用，缺少独立中文评测。
定位是「用 Sol 的价格买接近 Astra 的能力」。官方给的五项评测（DeepSWE v1.1 代码、GDP.pdf 文档专业问答、AutomationBench 多步业务流、OSWorld 2.0 计算机操作、Terminal-Bench Science 0.1 科研）全部只报相对差值：对 GPT-6 Sol 分别提升 6.4 / —— / 4.8 / 7 个百分点与「翻倍以上」，对 Astra 则是「持平」到「差 2.1 个百分点」。横向看最硬的一条是 AutomationBench 在 medium effort 下比 Opus 5.5 高 2.2 个百分点、成本约三分之一。最难的科研任务官方仍推荐 Astra（68.1%）。对齐评测上官方称比 GPT-6 Sol 明显改善，且与 Astra、GPT-6 Sol 一样未观察到绕过自动安全审查的尝试。
- 1.单价与 GPT-6 Sol 持平（$2 / $10），缓存输入减半到 $0.10，是 Astra 缓存价（$1）的十分之一
- 2.官方称在 DeepSWE v1.1 上与 GPT-6 Astra 持平而成本约为其五分之一；GDP.pdf 上高于 Opus 5.5（含 fallback）且单任务成本不到一半
- 3.Terminal-Bench Science 0.1 最大 effort 下单任务均价 $5.47，官方对比 Opus 5.5 的 $23.21 与 Astra 的 $23.80
- 4.低 effort 下事实性错误率从 GPT-6 Sol 的 11.4% 降到 7.7%（官方内部评测，降幅约 32%）
- 1.上线时只进 ChatGPT Work 与 Codex，官方明确「尚未进入 Chat」；10-07 的 GPT-6 Chat 更新用的仍是 GPT-6 Sol / Luna
- 2.工具调用必须走 Responses API，Chat Completions 只能不带工具用；不支持 none 与 minimal 两档 effort
- 3.官方公告全是相对口径（「低多少成本」「高多少个百分点」），除 Astra 的 Terminal-Bench Science 68.1% 外几乎没给绝对分数，本站不代填
- 4.知识截止 2026-04-30，比同价的 GPT-6 Luna（2026-05-18）还早；不支持微调与 predicted outputs
- 5.Ultrafast 档已于 2026-10-08 对全部 API 用户开放（官方模型页现写明用 service_tier: "ultrafast" 走 Responses API），但价格是标准档的 6 倍、Fast 档的 3 倍，且限流额度与标准 / Fast 档分开计
暂无带来源的分数。
更新 2026-10-12 · 排名供选型参考，基准会饱和、会泄漏、会过时。