OpenAI logo

GPT-5.6 Sol

Мультимодальная
OpenAI

GPT-5.6 Sol — старшая флагманская модель линейки GPT-5.6 от OpenAI, лидирующая по показателям кодирования, рассуждений и работы с длинным контекстом среди сопоставимых моделей на llm-stats.com. Мультимодальная модель, принимающая текст и изображения.

Основные характеристики

Параметры
-
Контекст
400.0K
Дата выпуска
9 июля 2026 г.
Индекс
53.3

Временная шкала

Ключевые даты в истории модели
Анонс
9 июля 2026 г.
Сегодня
9 ноября 2026 г.

Технические характеристики

Параметры
-
Токены обучения
-
Граница знаний
28 февраля 2026 г.
Семейство
-
Возможности
МультимодальностьZeroEval

Ценообразование и доступность

Вход (за 1М токенов)
$5.00
Выход (за 1М токенов)
$30.00
Макс. входящих токенов
400.0K
Макс. исходящих токенов
-
Поддерживаемые возможности
Вызов функцийСтруктурированный выводВыполнение кодаПоиск в интернетеПакетная обработкаДообучение

Результаты бенчмарков

Показатели производительности модели на различных тестах и бенчмарках

Рассуждения

Логические рассуждения и анализ
GPQA
GPQA — научные вопросы уровня PhD. • данные разработчика
94.6%

Другие тесты

Специализированные бенчмарки
GDPval-AA
GDPval-AA v2 Elo (1747.80 из 3000), максимальный уровень рассуждений. • данные разработчика
58.3%
Artificial Analysis Coding Agent Index v1.1
Artificial Analysis Coding Agent Index v1.1, обвязка Codex, максимальный уровень рассуждений. • данные разработчика
80.0%
Connectors
Connectors — доля успешных прохождений производственного бенчмарка. • данные разработчика
100.0%
Capture-the-Flag Challenges (Internal)
Capture-the-Flag Challenges (Internal), максимальный уровень рассуждений. • данные разработчика
97.0%
MMMU-Pro
MMMU-Pro — усложнённый мультидисциплинарный мультимодальный бенчмарк. • данные разработчика
83.0%
SWE-Bench Pro
SWE-Bench Pro — сложные реальные задачи разработки ПО, требующие расширенных рассуждений. • данные разработчика
64.6%
BrowseComp
BrowseComp — задачи на настойчивую навигацию по интернету и поиск труднодоступной информации. • данные разработчика
90.4%
Agents' Last Exam
Agents' Last Exam. Максимальное усилие рассуждения. • данные разработчика
52.7%
ARC-AGI-3
ARC-AGI-3. Максимальное усилие рассуждения. • данные разработчика
7.8%
Artificial Analysis
Artificial Analysis Intelligence Index v4.1 (max). Оценка 59. • проверено
59.0%
AutomationBench
AutomationBench. Максимальное усилие рассуждения. • данные разработчика
18.1%
BenchCAD
BenchCAD (без инструментов). Максимальное усилие рассуждения. • данные разработчика
70.6%
BenchCAD (with Python tool)
BenchCAD с инструментом Python. Максимальное усилие рассуждения. • данные разработчика
83.4%
Big Finance Bench
Big Finance Bench. Максимальное усилие рассуждения. • данные разработчика
53.0%
DeepSWE
DeepSWE v1.1. Максимальное усилие рассуждения. • данные разработчика
72.7%
DeepSWE 1.1
Таблица лидеров DeepSWE v1.1, харнесс mini-swe-agent, максимальное усилие; Pass@1 73% ± 3%. • проверено
73.0%
ExploitBench
ExploitBench. Максимальное усилие рассуждения. • данные разработчика
73.5%
ExploitGym
ExploitGym, ограничение шесть часов. Максимальное усилие рассуждения. • данные разработчика
33.7%
FrontierCode 1.1
FrontierCode 1.1, текущая таблица лидеров; оценка mergeability при максимальном усилии: 47.5%. • проверено
47.5%
FrontierMath
FrontierMath Tier 1-3 (v2). Максимальное усилие рассуждения. • данные разработчика
89.0%
FrontierMath Tier 4 (v2)
FrontierMath Tier 4 (v2). Максимальное усилие рассуждения. • данные разработчика
83.0%
GDP.pdf
gdp.pdf. Максимальное усилие рассуждения. • данные разработчика
30.7%
GeneBench-Pro
GeneBench Pro. Максимальное усилие рассуждения. • данные разработчика
28.7%
Graphwalks BFS >128k
GraphWalks BFS 256k f1. Максимальное усилие рассуждения. • данные разработчика
90.7%
Graphwalks BFS 1M
GraphWalks BFS 1M f1. Максимальное усилие рассуждения. • данные разработчика
77.1%
HealthBench
HealthBench, скорректированный по длине балл (нескорректированный 55.6). • данные разработчика
57.0%
HealthBench Consensus
HealthBench Consensus, скорректированный по длине балл (без корректировки 95,3). • данные разработчика
95.5%
HealthBench Hard
HealthBench Hard, скорректированный по длине балл (без корректировки 31,1). • данные разработчика
33.1%
HealthBench Professional
HealthBench Professional, скорректированный по длине балл (без корректировки 64,1). • данные разработчика
60.5%
Internal Research Debugging Evaluation
Internal Research Debugging Evaluation. Максимальное усилие рассуждения. • данные разработчика
68.3%
KernelGen 1P
KernelGen 1P. Максимальное усилие рассуждения. • данные разработчика
61.1%
LifeSciBench
LifeSciBench. Максимальное усилие рассуждения. • данные разработчика
59.9%
Management Consulting Tasks (Internal)
Задачи по управленческому консалтингу (внутренние). Максимальное усилие рассуждения. • данные разработчика
43.2%
MedChemBench (Internal)
MedChemBench (внутренний). Максимальное усилие рассуждения. • данные разработчика
48.3%
MMMU-Pro (with tools)
MMMU Pro (с инструментами). Максимальное усилие рассуждения. • данные разработчика
84.6%
MRCR v2 (8-needle)
OpenAI MRCR v2 8-needle, 256K–512K. Максимальное усилие рассуждения. • данные разработчика
91.5%
MRCR v2 (8-needle, 512K-1M)
OpenAI MRCR v2 8-needle, 512K–1M. Максимальное усилие рассуждения. • данные разработчика
73.8%
NanoGPT
NanoGPT. Максимальное усилие рассуждения. • данные разработчика
9.7%
OSWorld 2.0
OSWorld 2.0, бинарное выполнение. Максимальное усилие рассуждения. • данные разработчика
62.6%
PostTrainBench Lite
PostTrainBench Lite, средняя награда. Максимальное усилие рассуждения. • данные разработчика
50.3%
RSI Index
Индекс RSI (совокупное самоулучшение). Максимальное усилие рассуждения. • данные разработчика
57.9%
Search and Function-Calling
Доля успешных прохождений в продуктивном бенчмарке для поиска и вызова функций. • данные разработчика
91.0%
SEC-bench Pro
SEC-Bench Pro. Максимальное усилие рассуждения (одноагентный режим). • данные разработчика
71.2%
Terminal-Bench 2.1
Terminal-Bench 2.1. Максимальное усилие рассуждения (одиночный агент). • данные разработчика
88.8%
Terminal-Bench 4.0
Terminal-Bench 4.0, публичная таблица лидеров; доля решённых задач 37.3% ± 3.8%; агент Codex; максимальное усилие. • проверено
37.3%
Toolathlon
Toolathlon. Максимальное усилие рассуждения. • данные разработчика
58.0%

Лицензия и метаданные

Лицензия
Проприетарная
Дата анонса
9 июля 2026 г.
Последнее обновление
29 июля 2026 г.

GPT-5.6 Sol: плюсы и минусы

Плюсы

  • Входит в топ-10 нейросетей по сводному индексу (7-е место из 344)
  • Большой контекст — 400K токенов
  • Понимает изображения, не только текст
  • Сильнее всего в тесте Connectors — 100.0%

Минусы

  • Дорогой API — $5.00 за 1M входных токенов
  • Слабее в тесте ARC-AGI-3 — 7.8%

GPT-5.6 Sol vs другие модели: сравнение

Все сравнения

Похожие модели

Все модели

Рекомендации основаны на схожести характеристик: организация-разработчик, мультимодальность, размер параметров и производительность в бенчмарках. Выберите модель для сравнения или перейдите к полному каталогу для просмотра всех доступных моделей ИИ.