Независимые замеры
| Тест | Sol | Terra | Что проверяет |
|---|---|---|---|
| Индекс Artificial Analysis 5.0 | 54,5 | 51,0 | сводный балл по девяти тестам |
| Terminal-Bench 4.0 | 56,1 % | 55,6 % | работу агента в командной строке |
| Humanity's Last Exam | 52,9 % | 46,2 % | вопросы уровня специалистов |
| ARC-AGI-3 | 52,7 % | нет замера | интерактивные задачи на обобщение |
| ARC-AGI-2 | 94,2 % | нет замера | поиск правила по нескольким примерам |
| LMArena Text | 1480 | нет в срезе | слепое голосование пользователей, Эло |
Artificial Analysis — 29 октября, ARC Prize — 28 октября, LMArena — 22 октября 2026 года.
Как читать эти цифры
Индекс Artificial Analysis пятой версии складывается из девяти тестов на агентную работу с документами, программирование, знания и сложные рассуждения. Sol в нём на седьмом месте из 52 моделей, Terra — на двенадцатом. Старшая GPT-6 Astra набирает 56,9, то есть три старших класса OpenAI укладываются в шесть баллов.
Terminal-Bench 4.0 проверяет, как модель справляется с задачами в терминале в роли агента. Здесь Sol и Terra почти равны, разница — полпункта. На Humanity's Last Exam, наоборот, разрыв самый заметный: 6,7 пункта в пользу Sol. Вопросы там требуют глубоких знаний в узких областях, и старший класс выигрывает именно на них.
ARC-AGI проверяет умение найти закономерность по нескольким примерам. Во второй версии Sol почти у потолка, третья состоит из интерактивных задач, и результат там 52,7 %. Условия прогона важны: через собственную обвязку OpenAI (колонка Provider Adapter) у Sol на ARC-AGI-3 — 96,2 %, но это другой режим, и с основной цифрой его не смешивают.
На LMArena ответы моделей сравнивают пользователи вслепую. В срезе от 22 октября у Sol 1480 очков Эло при доверительном интервале 1473–1487 и 8305 голосах — 27-я строка из 418. Terra вышла позже среза.
Почему в разных источниках разные числа
Первая причина — версия индекса. В конце октября Artificial Analysis перешла на пятую версию. В статьях начала октября встречаются баллы по четвёртой: The Batch 9 октября писала о 52 баллах у GPT-6.1 Sol и 53 у GPT-6 Astra. Сравнивать их с нынешними нельзя, состав тестов другой.
Вторая — обвязка. Для Terra OpenAI, по данным BleepingComputer, называет на Terminal-Bench 4.0 50,3 %, а Artificial Analysis намерила 55,6 %. Разные агентные обёртки и лимиты дают разный результат на одном и том же тесте.
Третья — уровень рассуждения. По данным The Batch, в агентском индексе программирования Artificial Analysis Sol на уровне xhigh набрала на три балла больше, чем на max. Самый дорогой режим не всегда даёт лучший ответ.
Цифры OpenAI из прессыСМИ
Результаты, которые OpenAI привела для Terra, — доля ошибок, Agents' Last Exam, скорость выполнения задач — собраны на странице GPT-6.1 Terra. Для Sol в обзорах ходят таблицы, переписанные с интерактивных графиков анонса, и они расходятся между собой. Пока первоисточник недоступен, такие числа здесь не приводятся.
Скорость и задержка
Artificial Analysis измеряет и скорость выдачи: у Terra около 91 токена в секунду, у Sol — около 79. На максимальном уровне обе модели долго думают перед ответом: время до первого токена у Terra — около 2,4 минуты, у Sol — около четырёх. Для диалога в реальном времени такой режим не годится, его берут для фоновых задач.
Чего пока нет
Лидерборд SWE-bench Verified последний раз пополнялся 26 февраля 2026 года, моделей 6.1 там нет. GPQA Diamond у новых моделей Artificial Analysis больше не замеряет. В русскоязычных рейтингах MERA и LLM Arena моделей поколения 6.1 тоже нет. Как модели OpenAI смотрятся рядом с остальными по разным тестам, видно в сводной таблице тестов нейросетей.
- GPT-6.1 Solпаспорт, отличие от GPT-6 Sol, скорость
- GPT-6.1 Terraкартинки, компьютер, выключаемое рассуждение
- Версииклассы моделей и хронология релизов
Вопросы и ответы
Какой индекс у GPT-6.1 Sol?
54,5 балла в пятой версии индекса Artificial Analysis на 29 октября 2026 года — седьмое место из 52 моделей. У GPT-6.1 Terra — 51,0 и двенадцатое место.
Какая модель сильнее в тестах — Sol или Terra?
Sol: она впереди по сводному индексу и на Humanity's Last Exam. В задачах агента в терминале модели почти равны — 56,1 % и 55,6 %.
Публикует ли OpenAI бенчмарки GPT-6.1?
В документации API — нет. Цифры есть в анонсе на openai.com, но до читателей они доходят через пересказы прессы, поэтому на сайте помечены как сведения СМИ.