GPT-6.1 Sol

Сторонний источник Mercor APEX-Agents. Pass@1 общий 60.0% при Max. MC 58.4% / IB 58.1% Max; Pass@1 ±5.6. Только одна общая строка (без отдельных ID бенчмарков MC/IB). • проверено

AutomationBench 1.0.6. Интерактивный график запуска OpenAI GPT-6.1 Sol. Наивысший опубликованный результат по всему диапазону усилий: максимальное усилие (0.361). Остальные усилия: low 0.247, medium 0.317, high 0.332, xhigh 0.355. Оценки проводились в исследовательских средах OpenAI или через API и могут отличаться от продакшн-ChatGPT. • данные разработчика

DeepSWE v1.1. Интерактивный график запуска OpenAI GPT-6.1 Sol. Наивысший опубликованный результат по всему приведённому перебору усилий: высокое усилие (0.7522). Остальные усилия: низкое 0.6438, среднее 0.7301, xhigh 0.719, max 0.719. Оценки проводились в исследовательских средах OpenAI или через API и могут отличаться от рабочей версии ChatGPT. • данные разработчика

Сторонний источник Cognition / Epoch. FrontierCode 1.1 Main при среднем усилии рассуждения (50.2%). Extended сохранён отдельно как frontiercode-1.1-extended. • проверено

Сторонний источник Cognition / Devin. FrontierCode 1.1 Extended (60.4%). Основной набор сохранён отдельно как frontiercode-1.1 (medium 50.2%). • проверено

Сторонний источник Epoch AI Benchmarking Hub. FrontierMath Tier 4 (v2) при максимальном усилии рассуждения (100%). • проверено

gdp.pdf. Интерактивный график запуска OpenAI GPT-6.1 Sol. Наивысший опубликованный результат по всему перебору усилий: высокое усилие (0.32). Остальные усилия: низкое 0.27, среднее 0.30, xhigh 0.318, max 0.31. Оценки проводились в исследовательских средах OpenAI или через API и могут отличаться от производственного ChatGPT. • данные разработчика

HealthBench, скорректированный по длине балл (нескорректированный 0.567). Дополнение к системной карте GPT-6.1 Sol, таблица 7. • данные разработчика

HealthBench Consensus, скорректированный по длине балл (без корректировки 0,959). Дополнение к системной карте GPT-6.1 Sol, таблица 7. • данные разработчика

HealthBench Hard, скорректированный по длине балл (без корректировки 0,334). Дополнение к системной карте GPT-6.1 Sol, таблица 7. • данные разработчика

HealthBench Professional, скорректированный по длине балл (без корректировки 0,672). Дополнение к системной карте GPT-6.1 Sol, таблица 7. • данные разработчика

Сторонний источник Artificial Analysis AA, HLE только текст (2,158 вопросов, без инструментов) при максимальном усилии рассуждения (52.9%). • проверено

MentalHealthBench в целом при максимальном усилии рассуждения (0.579). Разбивка по степени остроты при максимальном усилии: неострые 0.573, высокая острота 0.591, экстренные 0.580. Дополнение к системной карте GPT-6.1 Sol, таблица 9. • данные разработчика

Сторонний источник Artificial Analysis (AA). MMMU-Pro при максимальном усилии рассуждения (85.95%). • проверено

Офлайн-набор OSWorld 2.0, частичное вознаграждение (v2026.08.08), а не строгое выполнение или полный набор задач. Интерактивный график запуска OpenAI GPT-6.1 Sol. Наивысший опубликованный балл по всем зафиксированным уровням усилий: максимальное усилие (0.7142). Другие уровни усилий: низкое 0.5896, среднее 0.6684, высокое 0.6956, xhigh 0.6938. Оценки проводились в исследовательских средах OpenAI или через API и могут отличаться от рабочей версии ChatGPT. • данные разработчика

Сторонний источник Epoch AI Benchmarking Hub. SimpleQA Verified при максимальном усилии рассуждения (73.9%). • проверено

Terminal-Bench Science 0.1. Интерактивный график запуска OpenAI GPT-6.1 Sol. Наивысший опубликованный балл по всему представленному перебору усилий: максимальное усилие (0.5702). Другие усилия: низкое 0.4371, среднее 0.4756, высокое 0.5114, xhigh 0.5371. Оценки проводились в исследовательских средах OpenAI или через API и могут отличаться от продакшн-версии ChatGPT. • данные разработчика