OpenAI logo

GPT-6.2 Sol

Мультимодальная
OpenAI

GPT-6.2 Sol — эффективная универсальная модель OpenAI линейки GPT-6.2 для повседневной работы: от кодинга и письма до агентов в большом масштабе. Как и Astra, принимает текст и изображения с текстовым выходом, поддерживает низкое, среднее, высокое, xhigh и max усилие (но не «none») и контекст в 1 050 000 токенов (до 922 000 на входе, до 128 000 токенов выхода). Набор инструментов Responses API тот же: веб- и файловый поиск, генерация изображений, code interpreter, hosted shell, apply patch, skills, computer use, MCP и поиск инструментов, плюс стриминг, function calling, структурированные выходы и мультиагентное делегирование (бета). Стартовые бенчмарки приводятся по данным OpenAI с указанием варианта усилия.

Основные характеристики

Параметры
-
Контекст
1.1M
Дата выпуска
17 ноября 2026 г.
Индекс
53.5

Временная шкала

Ключевые даты в истории модели
Анонс
17 ноября 2026 г.
Последнее обновление
21 ноября 2026 г.

Технические характеристики

Параметры
-
Токены обучения
-
Граница знаний
1 июня 2026 г.
Семейство
-
Возможности
МультимодальностьZeroEval

Ценообразование и доступность

Вход (за 1М токенов)
$2.00
Выход (за 1М токенов)
$10.00
Макс. входящих токенов
1.1M
Макс. исходящих токенов
128.0K
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 Diamond (198 вопросов, без инструментов), Точность 96%. Системная карточка GPT-6.2 Astra и Sol, таблица 2 (оценки высоких биологических возможностей). • данные разработчика
96.0%

Другие тесты

Специализированные бенчмарки
Agents' Last Exam
Agents' Last Exam v1.1. Интерактивный график запуска OpenAI GPT-6.2 Sol. Наивысшая опубликованная оценка в рамках представленного перебора усилий: максимальное усилие (0.7304). Другие усилия: низкое 0.6665, среднее 0.7026, высокое 0.7204, xhigh 0.7248. Оценки проводились в исследовательских средах OpenAI или через API и могут отличаться от production ChatGPT. • данные разработчика
73.0%
AutomationBench v1.0.6
AutomationBench 1.0.6. Интерактивный график запуска OpenAI GPT-6.2 Sol. Наивысшая опубликованная оценка по представленному диапазону усилий: высокое усилие (0.412). Другие усилия: низкое 0.312, среднее 0.402, xhigh 0.406, максимальное 0.411. Оценки проводились с использованием исследовательских сред OpenAI или API и могут отличаться от production-версии ChatGPT. • данные разработчика
41.2%
ExploitBench
ExploitBench V8, средний балл за возможности (пять попыток на уязвимость) 100%. Карточка системы GPT-6.2 Astra and Sol, таблица 4 (оценки критических возможностей в кибербезопасности). • данные разработчика
100.0%
FrontierCode 2.0
Cognition FrontierCode 2.0. Интерактивный график запуска OpenAI GPT-6.2 Sol. Наивысший опубликованный балл по сообщённому диапазону усилий: максимальное усилие (0.438). Другие усилия: низкое 0.331, среднее 0.383, высокое 0.397, xhigh 0.398. Оценки проводились с использованием исследовательских сред OpenAI или API и могут отличаться от production-версии ChatGPT. • данные разработчика
43.8%
GDPval v2
GDPval v2 (внутренний OpenAI). Интерактивный график запуска OpenAI GPT-6.2 Sol. Наивысший опубликованный балл по всем сообщённым уровням усилия: максимальное усилие (0.469). Другие усилия: низкое 0.231, среднее 0.348, высокое 0.427, xhigh 0.45. Оценки проводились с использованием исследовательских сред OpenAI или API и могут отличаться от production ChatGPT. • данные разработчика
46.9%
HealthBench Professional
HealthBench Professional, оценка с поправкой на длину (без поправки 0.655, средняя длина видимого ответа 1,869 символа). Системная карточка GPT-6.2 Astra и Sol, таблица 17. • данные разработчика
65.9%
Internal Research Debugging Evaluation
Internal Research Debugging Evaluation, средний балл по рубрике 74.66%. Карточка системы GPT-6.2 Astra and Sol, таблица 5 (результаты исследовательской инженерии и обучения моделей). • данные разработчика
74.7%
KernelGen 1P
KernelGen 1P, средний балл по рубрике 74.71%. Карточка системы GPT-6.2 Astra and Sol, таблица 5 (результаты исследовательской инженерии и обучения моделей). • данные разработчика
74.7%
LifeVal
LifeVal. Интерактивный график запуска OpenAI GPT-6.2 Sol. Наивысший опубликованный результат в рамках заявленного перебора усилий: максимальное усилие (0.838). Другие усилия: низкое 0.253, среднее 0.703, высокое 0.808, xhigh 0.826. Оценки проводились в исследовательских средах OpenAI или через API и могут отличаться от продакшн-версии ChatGPT. • данные разработчика
83.8%
NanoGPT
NanoGPT, средняя доля сэкономленного времени обучения относительно базового уровня 14.59%. Карточка системы GPT-6.2 Astra and Sol, таблица 5. В карточке системы отмечается, что NanoGPT использует немного различающиеся версии оценки для двух моделей Astra. • данные разработчика
14.6%
PatchBench
PatchBench. Интерактивный график запуска OpenAI GPT-6.2 Sol. Наивысший опубликованный балл по указанному диапазону усилий: максимальное усилие (0.756). Другие усилия: низкое — 0.656, среднее — 0.705, высокое — 0.741, xhigh — 0.742. Оценки проводились с использованием исследовательских сред OpenAI или API и могут отличаться от production ChatGPT. • данные разработчика
75.6%
PostTrainBench Lite
PostTrainBench Lite, средняя доля закрытого разрыва в производительности 44.89%. Системная карточка GPT-6.2 Astra и Sol, таблица 5 (результаты исследовательской инженерии и обучения моделей). • данные разработчика
44.9%
Ramp SWE-Bench v2
pass@1 на 500 приватных продакшен-задачах Ramp (367/500 решено, 95% ДИ ±3.9 балла), оценено панелью LLM-судей Ramp в сравнении со слитым патчем. harness Codex, высокое усилие рассуждения, веб-инструменты отключены (Ramp SWE-Bench v2.1 Native view, запуск как gpt-6.2-sol-high). • проверено
73.4%
Ramp SWE-Bench v2 (Bash)
pass@1 на 500 приватных продакшен-задачах Ramp (362/500 решено, 95% ДИ ±3.9 балла), оценено панелью LLM-судей Ramp в сравнении со слитым патчем. bash-only harness mini-swe-agent, общий для всех моделей, высокое усилие рассуждения, веб-инструменты отключены (Ramp SWE-Bench v2.0 Bash view, запуск как gpt-6.2-sol-high). • проверено
72.4%
SEC-bench Pro
SEC-Bench Pro, воспроизведение уязвимости (pass@1) 88.34%. Карточка системы GPT-6.2 Astra and Sol, таблица 4 (оценки критических возможностей в области кибербезопасности). • данные разработчика
88.3%
SecureSWE
SecureSWE (внутренний OpenAI). Интерактивный график запуска OpenAI GPT-6.2 Sol. Наивысшая опубликованная оценка по указанному диапазону усилий: максимальное усилие (0.556). Другие усилия: низкое 0.431, среднее 0.471, высокое 0.519, xhigh 0.54. Оценки проводились с использованием исследовательских сред OpenAI или API и могут отличаться от production ChatGPT. • данные разработчика
55.6%
Terminal-Bench-Science 0.1
Terminal-Bench-Science 0.1. Интерактивный график запуска OpenAI GPT-6.2 Sol. Наивысшая опубликованная оценка по всем указанным уровням усилия: максимальное усилие (0.68). Другие усилия: низкое 0.434, среднее 0.631, высокое 0.677, xhigh 0.643. Оценки проводились в исследовательских средах OpenAI или через API и могут отличаться от продакшн-версии ChatGPT. • данные разработчика
68.0%
Vals Science Index
Vals Science Index v1. Интерактивный график запуска OpenAI GPT-6.2 Sol. Наивысшая опубликованная оценка по всем указанным уровням усилия: xhigh (0.585). Другие усилия: низкое 0.463, среднее 0.565, высокое 0.576, максимальное 0.578. Оценки проводились в исследовательских средах OpenAI или через API и могут отличаться от продакшн-версии ChatGPT. • данные разработчика
58.5%

Лицензия и метаданные

Лицензия
Проприетарная
Дата анонса
17 ноября 2026 г.
Последнее обновление
21 ноября 2026 г.

GPT-6.2 Sol: плюсы и минусы

Плюсы

  • Входит в топ-10 нейросетей по сводному индексу (10-е место из 371)
  • Огромный контекст — 1.1M токенов: целые книги и кодовые базы за раз
  • Понимает изображения, не только текст
  • Сильнее всего в тесте ExploitBench — 100.0%
  • Можно попробовать онлайн на AI-Stat — без VPN и регистрации

Минусы

  • Слабее в тесте NanoGPT — 14.6%

GPT-6.2 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.