日常默认 · 6.1 Sol Medium
省 79.6%
综合分接近 6 Sol Max
47.78 对 47.53；每题 $0.214 对 $1.049。基准生成时间短 68.7%。
MODEL COMPARISON 数据快照 · 2026.09.30
推理强度，
值不值得再加一档？
五款模型，25 组原生推理组合。把表现、每题费用与等待时间放在一起，找出适合你任务的那一档。
GPT-5.6 SolGPT-6 SolGPT-6.1 SolGPT-6 AstraClaude Opus 5.5
追求最高综合表现 · Opus Max
57.62
本次比较的最高综合分
每题 $5.982；基准生成约 807 秒，首答等待约 693 秒。
6.1 Sol · XHigh → Max
+0.80分
边际收益下降，费用增加 84%
生成时间增加 110%。如果任务已在 XHigh 解决，Max 的额外投入未必值得。
比较口径：综合分是 AA Intelligence Index v4.3.2，不是正确率；每题费用是统一测试套件的加权平均“每次尝试”模型费用。生成时间按输出 token 与速度折算，包含推理输出量，未包含首 token 等待、工具执行及其他开销。
01 / OVERVIEW
同一档位，一眼比较
Low 对应 Codex 桌面的 Light；XHigh 对应 Extra High。每个面板独立着色。
综合能力
指数点 · 越高越好模型 / 强度
Low
Medium
High
Xhigh
Max
GPT-5.6 Sol
33.5
39.2
42.3
44.0
47.0
GPT-6 Sol
33.9
39.8
42.8
44.1
47.5
GPT-6.1 Sol
42.1
47.8
50.2
51.0
51.8
GPT-6 Astra
45.8
49.6
50.9
52.4
52.7
Opus 5.5
42.3
51.2
53.6
56.0
57.6
每题模型费用
USD · 越低越好模型 / 强度
Low
Medium
High
Xhigh
Max
GPT-5.6 Sol
$0.26
$0.50
$0.81
$1.18
$1.99
GPT-6 Sol
$0.13
$0.25
$0.38
$0.52
$1.05
GPT-6.1 Sol
$0.13
$0.21
$0.32
$0.39
$0.72
GPT-6 Astra
$0.82
$1.54
$1.73
$2.31
$3.26
Opus 5.5
$0.55
$1.34
$1.82
$3.46
$5.98
基准生成时间
秒 · 越低越好模型 / 强度
Low
Medium
High
Xhigh
Max
GPT-5.6 Sol
54
107
177
252
353
GPT-6 Sol
48
70†
150
221
406
GPT-6.1 Sol
54
127
203
271
569
GPT-6 Astra
92
207
238
340
472
Opus 5.5
86
216
294
503
807
500 token 响应时间
秒 · 越低越好模型 / 强度
Low
Medium
High
Xhigh
Max
GPT-5.6 Sol
9.0
11.8
16.0
31.3
104.6
GPT-6 Sol
9.2
10.2†
22.3
55.3
198.6
GPT-6.1 Sol
8.6
13.4
64.8
76.5
275.1
GPT-6 Astra
13.1
15.6
51.1
137.0
314.3
Opus 5.5
19.3
28.6
59.6
142.6
698.0
更弱 / 更贵 / 更慢 → 更强 / 更省 / 更快
† 6 Sol Medium 的时间：网页摘要缺测速，原始页面保留 100K 输入测试：91.93 token/s、首答 4.73 秒、500 token 响应 10.17 秒；每题输出 6442.47 token ÷ 91.93 = 70.1 秒。其他 24 行采用默认 10K 输入测速。该行时间口径不同，不能作严格横向排名；能力与费用仍同口径。
02 / ALL 25 COMBINATIONS
完整数据，每一档都列出
默认显示全部组合。筛选模型、强度或排序，查看你关心的取舍。手机可左右滑动表格。
| 模型 | 强度 | 综合分 ↑ | 编程成功率 ↑ | HLE 正确率 ↑ | 职业工作 Elo ↑ | 每题 USD ↓ | 生成秒数 ↓ |
|---|---|---|---|---|---|---|---|
| GPT-5.6 Sol | Low | 33.47 | 1.0% | 39.4% | 1289 | $0.261 | 54.4 |
| GPT-5.6 Sol | Medium | 39.24 | 14.6% | 42.2% | 1403 | $0.505 | 107.0 |
| GPT-5.6 Sol | High | 42.35 | 20.7% | 46.0% | 1480 | $0.808 | 176.9 |
| GPT-5.6 Sol | Xhigh | 44.01 | 24.7% | 47.3% | 1548 | $1.184 | 251.6 |
| GPT-5.6 Sol | Max | 46.97 | 39.9% | 49.5% | 1588 | $1.988 | 353.1 |
| GPT-6 Sol | Low | 33.90 | 9.1% | 34.9% | 1176 | $0.133 | 47.6 |
| GPT-6 Sol | Medium | 39.78 | 18.7% | 41.0% | 1320 | $0.247 | 70.1† |
| GPT-6 Sol | High | 42.82 | 26.3% | 44.1% | 1376 | $0.375 | 150.5 |
| GPT-6 Sol | Xhigh | 44.10 | 30.3% | 46.3% | 1437 | $0.524 | 221.3 |
| GPT-6 Sol | Max | 47.53 | 43.9% | 47.9% | 1487 | $1.049 | 405.8 |
| GPT-6.1 Sol | Low | 42.08 | 30.8% | 47.4% | 1297 | $0.131 | 54.1 |
| GPT-6.1 Sol | Medium | 47.78 | 48.0% | 49.9% | 1433 | $0.214 | 126.9 |
| GPT-6.1 Sol | High | 50.24 | 51.5% | 51.4% | 1486 | $0.319 | 202.7 |
| GPT-6.1 Sol | Xhigh | 51.04 | 54.0% | 52.6% | 1510 | $0.393 | 271.1 |
| GPT-6.1 Sol | Max | 51.83 | 56.1% | 52.9% | 1575 | $0.724 | 568.7 |
| GPT-6 Astra | Low | 45.78 | 41.9% | 49.2% | 1366 | $0.818 | 91.7 |
| GPT-6 Astra | Medium | 49.57 | 49.5% | 52.7% | 1468 | $1.541 | 206.5 |
| GPT-6 Astra | High | 50.92 | 54.0% | 53.1% | 1485 | $1.725 | 238.3 |
| GPT-6 Astra | Xhigh | 52.39 | 59.6% | 54.6% | 1516 | $2.309 | 339.5 |
| GPT-6 Astra | Max | 52.67 | 59.1% | 54.7% | 1542 | $3.258 | 471.5 |
| Opus 5.5 | Low | 42.31 | 31.3% | 48.3% | 1224 | $0.551 | 86.2 |
| Opus 5.5 | Medium | 51.24 | 52.5% | 54.7% | 1576 | $1.336 | 215.9 |
| Opus 5.5 | High | 53.58 | 56.6% | 55.6% | 1692 | $1.823 | 294.2 |
| Opus 5.5 | Xhigh | 55.99 | 59.6% | 57.5% | 1820 | $3.459 | 503.1 |
| Opus 5.5 | Max | 57.62 | 59.6% | 61.4% | 1846 | $5.982 | 806.5 |
显示 25 / 25 组
编程：Terminal-Bench 4.0；职业工作：GDPval-AA v2.1。
下载全部 25 组；CSV 中的成功率 / 正确率以 0–1 小数保存。
编程：Terminal-Bench 4.0；职业工作：GDPval-AA v2.1。
下载全部 25 组；CSV 中的成功率 / 正确率以 0–1 小数保存。
等待时间不能直接相加：首答等待含回答前的思考；500 token 响应 = 首答等待 + 500 ÷ 输出速度。基准生成时间也包含推理输出量，二者有重叠、任务集合不同，不能相加作为整个任务耗时。6.1 Sol 从 Medium 升到 High，首答等待由约 5 秒跳到约 57 秒。
03 / TRADE-OFFS
接近综合能力时，谁更划算？
选择综合分相差不超过 1 点的配对；不是对所有具体任务等价的断言。
| 比较：左 / 右 | 综合分 | 每题美元 | 左侧省钱 | 生成秒数 | 左侧时间变化 |
|---|---|---|---|---|---|
| 6.1 Medium / 6 Max | 47.78 / 47.53 | $0.214 / $1.049 | 79.6% | 126.9 / 405.8 | 短 68.7% |
| 6.1 High / Astra High | 50.24 / 50.92 | $0.319 / $1.725 | 81.5% | 202.7 / 238.3 | 短 15.0% |
| 6.1 XHigh / Opus Medium | 51.04 / 51.24 | $0.393 / $1.336 | 70.6% | 271.1 / 215.9 | 长 25.6% |
| Opus High / Astra Max | 53.58 / 52.67 | $1.823 / $3.258 | 44.1% | 294.2 / 471.5 | 短 37.6% |
差值、百分比和情景费用按未舍入数据计算。分数接近不代表统计上等价；更便宜也不一定更快。
XHigh → Max：额外投入买到了什么？
| 模型 | 综合分增加 | 费用增加 | 生成时间增加 |
|---|---|---|---|
| GPT-5.6 Sol | +2.96 | +68% | +40% |
| GPT-6 Sol | +3.43 | +100% | +83% |
| GPT-6.1 Sol | +0.80 | +84% | +110% |
| GPT-6 Astra | +0.29 | +41% | +39% |
| Opus 5.5 | +1.64 | +73% | +60% |
具体任务，会改变排名
5.6 Sol 在全部五档的 GDPval 和 HLE 都高于 6 Sol，编程成功率则低于 6 Sol。只看综合分，会漏掉这类差异。
Astra 的编程成功率从 XHigh 的 59.6% 到 Max 的 59.1%。更高强度不会保证每个分项都上升。
Opus Max 的综合分最高，但 Astra XHigh 的编程成功率与它同为 59.6%；不能把一个分项的并列扩大到整体能力。
编程与终端任务成功率
% · 越高越好职业工作质量
GDPval-AA Elo · 越高越好GPT-5.6 SolGPT-6 SolGPT-6.1 SolGPT-6 AstraOpus 5.5
04 / PRICING
强度改变用量，不改变 token 单价
Standard API 短上下文价格；USD / 百万 token。输出费用包含推理 token。
| 模型 | 输入 | 缓存读取 | 缓存写入 | 输出，含推理 |
|---|---|---|---|---|
| GPT-5.6 Sol | $4.00 | $0.40 | $5.00 | $20.00 |
| GPT-6 Sol | $2.00 | $0.20 | $2.50 | $10.00 |
| GPT-6.1 Sol | $2.00 | $0.10 | $2.50 | $10.00 |
| GPT-6 Astra | $10.00 | $1.00 | $12.50 | $50.00 |
| Opus 5.5 | $4.00 | $0.20 | $5 / 5分钟 · $8 / 1小时 | $20.00 |
OpenAI 超过 272K 输入的请求适用长上下文价格：输入与缓存单价翻倍，输出单价增加 50%。Opus 5.5 的整个 1M 上下文采用相同 Standard 单价。
Codex credits / 百万 token
| 模型 | 输入 | 缓存读取 | 输出 |
|---|---|---|---|
| GPT-5.6 Sol | 100 | 10 | 500 |
| GPT-6 Sol | 50 | 5 | 250 |
| GPT-6.1 Sol | 50 | 2.5 | 250 |
| GPT-6 Astra | 250 | 25 | 1250 |
API 与包月额度分开看
Codex credits 和 API 美元是不同计费口径，不能用每题美元费用反推包月剩余条数。Codex credit 计费没有单独的缓存写入收费。
本页比较 Standard 模式，未将 Fast、Ultrafast、Batch 的价格或速度混入主表。Claude 订阅使用其独立计费与限额。
05 / ULTRA SCENARIO
Ultra 能省多少时间？先看任务怎么拆
多代理并行模式，整体结果取决于拆分、协调和验证。以下是条件估算，不是实测。
调整估算假设
以各模型 Max 为单代理基线。假设分支等量独立、各代理使用同一模型的 Max；这不是对内部调度的事实描述。
任务无法拆分时，加速前提不成立。
重复读取上下文、写入缓存会提高这一比例。
费用 = (r + o) × 基线；生成时间 = (1/n + o) × 基线
1.25× 费用 · 0.58× 生成时间
1.25× 费用 · 0.58× 生成时间
估算结果 · 非实测
| 模型 | 情景每题美元 | 情景生成秒数 |
|---|---|---|
| GPT-5.6 Sol | $2.486 | 206.0 |
| GPT-6 Sol | $1.312 | 236.7 |
| GPT-6.1 Sol | $0.905 | 331.7 |
| GPT-6 Astra | $4.072 | 275.0 |
默认情景：三个分支各占原任务 ⅓，串行协调占 25%，不计重复上下文成本。费用增加 25%，生成部分缩短约 42%。
这里估算的是生成部分，不是完整等待时间，也不预测质量提升。不能把单代理 Max 分数直接当成 Ultra 整体分数。Opus 5.5 没有 Codex Ultra 这一原生选项。
06 / WHAT TO CHOOSE
把比较变成选择
基于这套基准的选择建议；具体任务的质量和验证要求仍决定最终档位。
6.1 Sol Low
$0.131 / 题；首答约 1.8 秒。
6.1 Sol Medium
综合 47.78；$0.214 / 题；首答约 5.3 秒。
6.1 Sol High / XHigh
综合 50.24 / 51.04；每题 $0.319 / $0.393。接受约一分钟的首答等待。
Opus 5.5 High
综合 53.58；职业工作 Elo 1692；$1.823 / 题。
Opus 5.5 Max
综合 57.62；$5.982 / 题；首答等待约 11.5 分钟。
Ultra
按分支、上下文重复量与协调开销估算，而非固定的强度倍数。
07 / SOURCES & METHODOLOGY
数据来源与口径
核心能力、每题费用与时间数据由同一 AA 页面快照提取；官方文档用于核对价格与模式。
五款模型家族与强度
GPT-5.6 Sol GPT-6 Sol GPT-6.1 Sol GPT-6 Astra Opus 5.5测量方法与配置
AA 能力评估 AA 速度测量 原始快照页面 Medium 数据页面 Opus Default Fallback官方价格与模式
OpenAI API 价格 GPT-6 Sol 官方模型页 Codex credits Codex Ultra 定义 Opus 5.5 规格与价格 Anthropic 长上下文计费同一能力指数AA Intelligence Index v4.3.2 综合十项评估。本页 25 组原生推理组合都有非估算综合分，不将不同版本指数拼接。
测速是滚动中位数10K 输入测速取过去 72 小时；100K 取过去 14 天。快照日期不表示所有测量均在当天进行，也不是你所在地的延迟承诺。
Opus 的配置与审阅Opus 均为 AA 默认 Adaptive Reasoning、Default Fallback。研究口径与计算经 Opus 5.5 High 独立审阅；没有把基准结果扩展成所有任务的质量保证。