OpenAI: GPT-5.5 vs OpenAI: GPT-5.6 Sol

GPT-5.6 Sol (low) 平均分领先，为 9.5 vs 9.0。 GPT-5.6 Sol (low) benchmark 成本更低，为 $0.971 vs $4.137。 GPT-5.6 Sol (low) 更快，为 8.79s vs 38.42s，通过率为 87.9% vs 86.4%。

推荐模型GPT-5.6 Sol (low)它在这里得分最高（9.5），同时成本比GPT-5.5 (medium)低约 4.3 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-17

指标	GPT-5.5 GPT-5.5 medium 发布日期: 2026-04-24	GPT-5.6 Sol GPT-5.6 Sol low 发布日期: 2026-07-09

指标	GPT-5.5 GPT-5.5 medium 发布日期: 2026-04-24	GPT-5.6 Sol GPT-5.6 Sol low 发布日期: 2026-07-09
分数	9.0	9.5
排名	#10	#3
可靠性	10.0	10.0
一致性	8.9	9.2
测试正确
尝试通过率	87.9%	86.4%
不稳定测试	3	2
总运行次数	66	66
每个结果成本	22.980	5.391
总成本	$4.137	$0.971
输入价格	$5.000 / 1M	$5.000 / 1M
输出价格	$30.000 / 1M	$30.000 / 1M
总输入令牌	80,659	78,571
输出令牌	5,617	4,476
推理令牌	118,819	14,770
响应时间（平均）	38.42s	8.79s
响应时间（最大）	332.10s	53.91s
响应时间（总计）	845.35s	193.33s

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#10 GPT-5.5

medium

成本: $0.112
时间: 71.9s
令牌: 3,807 tok

#3 GPT-5.6 Sol

low

成本: $0.062
时间: 26.7s
令牌: 2,150 tok

按分数排名的模型

分数 vs 总成本

响应时间（平均）

分数 vs 响应时间（平均）

总输出令牌

分数 vs 总输出令牌

类别细分

类别:

反AI技巧	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
GPT-5.5	10.0	10.0	100.0%	0		4.66s	606	250	1,335
GPT-5.6 Sol	8.3	10.0	75.0%	0		2.60s	606	174	492

编程	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
GPT-5.5	8.8	7.8	88.9%	1		59.77s	7,305	362	24,959
GPT-5.6 Sol	10.0	10.0	100.0%	0		11.25s	7,302	412	3,482

综合	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
GPT-5.5	10.0	10.0	100.0%	0		33.52s	57,466	3,944	6,735
GPT-5.6 Sol	10.0	10.0	100.0%	0		14.58s	55,372	2,896	1,539

数据解析与提取	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
GPT-5.5	10.0	10.0	100.0%	0		4.18s	7,140	234	593
GPT-5.6 Sol	10.0	10.0	100.0%	0		1.82s	7,140	222	0

领域专项	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
GPT-5.5	5.3	7.2	44.4%	1		164.14s	723	67	79,625
GPT-5.6 Sol	5.3	7.2	44.4%	1		29.07s	723	71	7,822

通用智能	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
GPT-5.5	10.0	10.0	100.0%	0		4.16s	477	138	223
GPT-5.6 Sol	10.0	10.0	100.0%	0		3.07s	477	99	135

指令遵循	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
GPT-5.5	10.0	10.0	100.0%	0		3.36s	660	93	538
GPT-5.6 Sol	10.0	10.0	100.0%	0		2.27s	660	90	146

谜题求解	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
GPT-5.5	10.0	10.0	100.0%	0		6.76s	642	241	2,225
GPT-5.6 Sol	8.2	7.2	88.9%	1		3.44s	642	224	534

工具调用	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
GPT-5.5	10.0	10.0	100.0%	0		10.57s	5,445	258	832
GPT-5.6 Sol	10.0	10.0	100.0%	0		7.56s	5,454	258	294

常识问答	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
GPT-5.5	2.8	1.6	33.3%	1		37.86s	195	30	1,754
GPT-5.6 Sol	10.0	10.0	100.0%	0		3.67s	195	30	326

快速对比

切换对比组合

Gemini 3.5 FlashhighvsGPT-5.6 Sollow Gemini 3.5 FlashlowvsGPT-5.5medium Gemini 3 Flash PreviewmediumvsGPT-5.6 Sollow GPT-5.5mediumvsGrok 4.5high Gemini 3.1 Pro PreviewmediumvsGPT-5.6 Sollow GPT-5.6 SollowvsQwen3.7 Maxmedium Gemini 3.5 FlashmediumvsGPT-5.6 Sollow Gemini 3.5 FlashhighvsGPT-5.5medium GPT-5.6 SollowvsGrok 4.5high GPT-5.5mediumvsGrok 4.5low Claude Opus 4.8mediumvsGPT-5.6 Sollow Muse Spark 1.1lowvsGPT-5.5medium