#91 GPT-5.5
none- 成本
- $0.090
- 时间
- 54.3s
- 令牌
- 3,063 tok
OpenAI: GPT-5.5 vs OpenAI: GPT-5.6 Sol
平均分几乎持平，为 6.9 vs 6.9。 GPT-5.6 Sol benchmark 成本更低，为 $0.524 vs $0.544。 GPT-5.6 Sol 更快，为 2.16s vs 2.36s，通过率为 56.1% vs 59.1%。
推荐模型GPT-5.6 Sol它在本次比较中得分最高（6.9），并且在全部 2 个模型中兼顾成本和响应时间最好。
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-24
| 指标 | GPT-5.5 GPT-5.5 none | GPT-5.6 Sol GPT-5.6 Sol none |
|---|---|---|
| 分数 | 6.9 | 6.9 |
| 排名 | #91 | #87 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.9 | 9.0 |
| 测试正确 | ||
| 尝试通过率 | 56.1% | 59.1% |
| 不稳定测试 | 3 | 3 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 4.945 | 4.761 |
| 总成本 | $0.544 | $0.524 |
| 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 | 79,285 | 78,593 |
| 输出令牌 | 4,915 | 4,357 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 2.36s | 2.16s |
| 响应时间（最大） | 12.24s | 12.81s |
| 响应时间（总计） | 51.88s | 47.62s |
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#87 GPT-5.6 Sol
none- 成本
- $0.116
- 时间
- 78.7s
- 令牌
- 3,944 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
| 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 | 6.9 | 7.9 | 66.7% | 1 | 1.31s | 606 | 213 | 0 | |
| GPT-5.6 Sol | 8.3 | 10.0 | 75.0% | 0 | 1.27s | 606 | 154 | 0 |
| 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 | 5.5 | 10.0 | 33.3% | 0 | 1.35s | 7,305 | 462 | 0 | |
| GPT-5.6 Sol | 5.5 | 10.0 | 33.3% | 0 | 1.39s | 7,302 | 390 | 0 |
| 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 | 6.5 | 10.0 | 50.0% | 0 | 8.90s | 56,092 | 3,244 | 0 | |
| GPT-5.6 Sol | 6.5 | 10.0 | 50.0% | 0 | 8.37s | 55,394 | 2,881 | 0 |
| 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 | 1.18s | 7,140 | 222 | 0 | |
| GPT-5.6 Sol | 10.0 | 10.0 | 100.0% | 0 | 1.53s | 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 | 2.9 | 7.2 | 11.1% | 1 | 1.31s | 723 | 52 | 0 | |
| GPT-5.6 Sol | 3.6 | 7.2 | 22.2% | 1 | 1.43s | 723 | 54 | 0 |
| 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 | 3.41s | 477 | 124 | 0 | |
| GPT-5.6 Sol | 6.5 | 3.4 | 66.7% | 1 | 1.52s | 477 | 91 | 0 |
| 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 | 6.2 | 5.8 | 66.7% | 1 | 1.15s | 660 | 81 | 0 | |
| GPT-5.6 Sol | 8.5 | 6.8 | 83.3% | 1 | 1.33s | 660 | 84 | 0 |
| 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 | 7.7 | 10.0 | 66.7% | 0 | 1.29s | 642 | 252 | 0 | |
| GPT-5.6 Sol | 7.7 | 10.0 | 66.7% | 0 | 1.49s | 642 | 211 | 0 |
| 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 | 3.90s | 5,445 | 247 | 0 | |
| GPT-5.6 Sol | 10.0 | 10.0 | 100.0% | 0 | 3.70s | 5,454 | 246 | 0 |
| 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 | 3.0 | 10.0 | 0.0% | 0 | 5.01s | 195 | 18 | 0 | |
| GPT-5.6 Sol | 3.0 | 10.0 | 0.0% | 0 | 1.95s | 195 | 24 | 0 |
快速对比
切换对比组合
GPT-5.5nonevsStep 3.7 FlashhighGPT-5.6 SolnonevsMiMo-V2.5-PromediumGPT-5.5nonevsQwen3.6 FlashmediumGPT-5.6 SolnonevsQwen3.6 FlashmediumKAT-Coder-Pro V2.5mediumvsGPT-5.6 SolnoneGPT-5.5nonevsMiMo-V2.5-PromediumGemini 3.5 FlashminimalvsGPT-5.5noneGPT-5.6 SolnonevsStep 3.7 FlashhighSeed-2.0-MinimediumvsGPT-5.6 SolnoneKAT-Coder-Pro V2.5mediumvsGPT-5.5noneGemini 3.5 FlashminimalvsGPT-5.6 SolnoneMercury 2mediumvsGPT-5.6 Solnone