GPT-5.6 Sol
GPT-5.6旗舰最强型号，在智能体终极考试中拿到53.6分，编程智能体指数80分，支持Ultra模式四智能体并行
核心事实
时间轴 (近 90 天)
Hacker News 帖子标题为 'GPT-5.6 Sol can beat Factorio on peaceful mode'，获得 68 分和 51 条评论。
帖子声称 OpenAI 的 GPT-5.6 Sol 模型能够通关《Factorio》的和平模式。
在自动化基准测试中，MiniMax M3.1 Flash得分62%，Claude Opus 5得分50.3%，GPT-5.6 Sol得分45.8%。
在智能体编程、通用智能体、知识、自动化等基准测试中，DeepSeek C.E Flash 1017比上一代提升几个百分点，击败了GLM5.3和Kimi K3等开源模型，性能几乎与GPT-5.6 Sol持平。
这两个漏洞由 Wiz 研究团队发现，最初通过 AI 辅助工具（Wiz Atlas、Gemini 4 Argon、GPT-5.6 Sol）定位。
在某个测试用例中，GPT-5.6 Sol 的成本是 Jev 的 32.5 倍，Opus 5 的成本是 Jev 的 184.9 倍。
SerpApi在测试中使用GPT-6.1 Sol（低推理努力）作为答案模型，评分由GPT-5.6 Sol（高推理努力）在无法访问搜索工具的情况下完成。
V4.1 Flash 1017的单任务成本约0.20美元，而GPT-5.6 Sol约为3.20美元。
V4.1 Flash 1017在Terminal-Bench 4.0上的得分从31.2%提升到42.3%，五周内相对提升35%。
据 UP 主实测及社区反馈，DeepSeek-V4.1-flash 在衡量真实世界编程能力的核心指标上，已经超过了 Claude Opus 5、GPT 5.6 Sol 以及一众国产开源模型
还有 40 条时间轴事件
全部知识事实 (20)
Devin 官方宣布最新集成的 GPT-5.6 Sol 模型已在 Devin Desktop 和 Devin CLI 两大平台上线
65%待验证A developer characterized GPT-5.6 Sol as the most 'sleepy' model he had used and described its behavior as 'laziness'
80%待验证Excessive model caution creates misalignment between internal safety logic and users' expectations for productivity, which is especially costly in paid API scenarios where users pay for waiting time
75%待验证发布方宣称DeepSeek-V4.1-Flash的成本仅为Opus 5和GPT-5.6 Sol的1/40
70%待验证A developer reported that GPT-5.6 Sol spends approximately 70% of its runtime executing sleep commands
70%部分验证V4.1 Flash 1017在Terminal-Bench 4.0上的得分从31.2%提升到42.3%，五周内相对提升35%。
65%待验证在安全对齐测试中，GPT-5.6 Sol在约48%的情况下成功利用越界目标，而GPT-6 Astra在同样测试中成功利用次数为零
60%待验证在Codex中可通过配置为GPT-5.6 Sol解锁100万token上下文窗口，添加model slug并将上下文窗口设为100万、auto-compact阈值设为90万即可手动启用
60%待验证帖子声称 OpenAI 的 GPT-5.6 Sol 模型能够通关《Factorio》的和平模式。
50%待验证Hacker News 帖子标题为 'GPT-5.6 Sol can beat Factorio on peaceful mode'，获得 68 分和 51 条评论。
50%待验证在自动化基准测试中，MiniMax M3.1 Flash得分62%，Claude Opus 5得分50.3%，GPT-5.6 Sol得分45.8%。
50%待验证在智能体编程、通用智能体、知识、自动化等基准测试中，DeepSeek C.E Flash 1017比上一代提升几个百分点，击败了GLM5.3和Kimi K3等开源模型，性能几乎与GPT-5.6 Sol持平。
50%待验证这两个漏洞由 Wiz 研究团队发现，最初通过 AI 辅助工具（Wiz Atlas、Gemini 4 Argon、GPT-5.6 Sol）定位。
50%待验证在某个测试用例中，GPT-5.6 Sol 的成本是 Jev 的 32.5 倍，Opus 5 的成本是 Jev 的 184.9 倍。
50%待验证SerpApi在测试中使用GPT-6.1 Sol（低推理努力）作为答案模型，评分由GPT-5.6 Sol（高推理努力）在无法访问搜索工具的情况下完成。
50%待验证V4.1 Flash 1017的单任务成本约0.20美元，而GPT-5.6 Sol约为3.20美元。
50%待验证据 UP 主实测及社区反馈，DeepSeek-V4.1-flash 在衡量真实世界编程能力的核心指标上，已经超过了 Claude Opus 5、GPT 5.6 Sol 以及一众国产开源模型
50%待验证参考负载（每月1100个任务，每个任务12K新鲜输入、48K缓存输入、6K输出token）下，启用缓存相比不启用每月可节省约190美元。
50%待验证Artificial Analysis此前测量V4-Flash系列时发现，其每任务成本远低于竞品（在其测试框架中为3美分，而GPT-5.6 Sol为1.86美元）。
50%待验证DeepSeek对比表格显示，新模型在11项测试中有10项击败Kimi K3，9项击败GPT-5.6 Sol，但在7项上落后于Claude Opus 5。
50%