GPT-5.6 Terra

OpenAI·6 个数据来源·更新于 2026-11-10

上下文窗口1.05M厂商官网
最大输出128K厂商官网
输入 / 百万 Token$2厂商官网
输出 / 百万 Token$12厂商官网

评测表现

只在同一来源、同一口径下比较。切换来源可查看不同测试结果。

5 个评测来源

当前配置:各基准设置见下表

采集于 2026-11-10查看原始页面
LLM Stats · 公开基准成绩
暂无综合分数当前所选配置的来源分数

不同来源的分数不能直接相加或横向比较;评测任务成本不是 API Token 单价。

逐项基准成绩

46 项已收录成绩 · 保留原始单位和测试条件

Agents' Last Exam厂商自报 · 越高越好
50.4%

Agents' Last Exam. Max reasoning effort.

成绩出处
ARC-AGI-3厂商自报 · 越高越好
0.8%

ARC-AGI-3. Max reasoning effort.

成绩出处
Artificial Analysis来源汇总 · 越高越好
55%

Artificial Analysis Intelligence Index v4.1 (max). Score 55.

成绩出处
AutomationBench厂商自报 · 越高越好
15.2%

AutomationBench. Max reasoning effort.

成绩出处
BenchCAD厂商自报 · 越高越好
62.3%

BenchCAD (no tools). Max reasoning effort.

成绩出处
BenchCAD (with Python tool)厂商自报 · 越高越好
78.2%

BenchCAD with Python tool. Max reasoning effort.

成绩出处
Big Finance Bench厂商自报 · 越高越好
51%

Big Finance Bench. Max reasoning effort.

成绩出处
BrowseComp厂商自报 · 越高越好
87.5%

BrowseComp. Max reasoning effort.

成绩出处
Capture-the-Flag Challenges (Internal)厂商自报 · 越高越好
91.8%

Capture-the-Flag Challenges (Internal). Max reasoning effort.

成绩出处
Connectors厂商自报 · 越高越好
100%

Connectors production benchmark pass rate.

成绩出处
DeepSWE厂商自报 · 越高越好
69.6%

DeepSWE v1.1. Max reasoning effort.

成绩出处
DeepSWE 1.1来源汇总 · 越高越好
70%

DeepSWE v1.1 leaderboard, mini-swe-agent harness, max effort; Pass@1 70% ± 3%.

成绩出处
ExploitBench厂商自报 · 越高越好
52.9%

ExploitBench. Max reasoning effort.

成绩出处
ExploitGym厂商自报 · 越高越好
23.2%

ExploitGym, six-hour cap. Max reasoning effort.

成绩出处
FrontierCode 1.1来源汇总 · 越高越好
41.3%

FrontierCode 1.1 current leaderboard; mergeability score at max effort: 41.3%.

成绩出处
FrontierMath厂商自报 · 越高越好
84.9%

FrontierMath Tier 1-3 (v2). Max reasoning effort.

成绩出处
FrontierMath Tier 4 (v2)厂商自报 · 越高越好
68.3%

FrontierMath Tier 4 (v2). Max reasoning effort.

成绩出处
GDP.pdf厂商自报 · 越高越好
24.7%

gdp.pdf. Max reasoning effort.

成绩出处
GeneBench-Pro厂商自报 · 越高越好
23.3%

GeneBench Pro. Max reasoning effort.

成绩出处
GPQA厂商自报 · 越高越好
92.9%

GPQA Diamond. Max reasoning effort.

成绩出处
Graphwalks BFS >128k厂商自报 · 越高越好
76.9%

GraphWalks BFS 256k f1. Max reasoning effort.

成绩出处
Graphwalks BFS 1M厂商自报 · 越高越好
71.2%

GraphWalks BFS 1M f1. Max reasoning effort.

成绩出处
HealthBench厂商自报 · 越高越好
57%

HealthBench, length-adjusted score (unadjusted 58.7).

成绩出处
HealthBench Consensus厂商自报 · 越高越好
95.1%

HealthBench Consensus, length-adjusted score (unadjusted 95.2).

成绩出处
HealthBench Hard厂商自报 · 越高越好
32.7%

HealthBench Hard, length-adjusted score (unadjusted 34.3).

成绩出处
HealthBench Professional厂商自报 · 越高越好
57.7%

HealthBench Professional, length-adjusted score (unadjusted 62.4).

成绩出处
Internal Research Debugging Evaluation厂商自报 · 越高越好
67.8%

Internal Research Debugging Evaluation. Max reasoning effort.

成绩出处
KernelGen 1P厂商自报 · 越高越好
49.2%

KernelGen 1P. Max reasoning effort.

成绩出处
LifeSciBench厂商自报 · 越高越好
56%

LifeSciBench. Max reasoning effort.

成绩出处
LifeSci Diamond (2026-11)来源汇总 · 越高越好
1.8%

Strict pass rate on 55 regulatory-affairs tasks. Plain API via Vercel AI Gateway with a web_search tool (Exa), provider default settings, one answer per task, graded by GPT-6.1 Sol at medium reasoning effort (Arca, 4 Nov 2026 edition).

成绩出处
Management Consulting Tasks (Internal)厂商自报 · 越高越好
37.2%

Management Consulting Tasks (Internal). Max reasoning effort.

成绩出处
MedChemBench (Internal)厂商自报 · 越高越好
35%

MedChemBench (Internal). Max reasoning effort.

成绩出处
MMMU-Pro厂商自报 · 越高越好
80.7%

MMMU Pro (no tools). Max reasoning effort.

成绩出处
MMMU-Pro (with tools)厂商自报 · 越高越好
82%

MMMU Pro (with tools). Max reasoning effort.

成绩出处
MRCR v2 (8-needle)厂商自报 · 越高越好
89.6%

OpenAI MRCR v2 8-needle, 256K-512K. Max reasoning effort.

成绩出处
MRCR v2 (8-needle, 512K-1M)厂商自报 · 越高越好
72.5%

OpenAI MRCR v2 8-needle, 512K-1M. Max reasoning effort.

成绩出处
NanoGPT厂商自报 · 越高越好
14.5%

NanoGPT. Max reasoning effort.

成绩出处
OSWorld 2.0厂商自报 · 越高越好
50.2%

OSWorld 2.0 binary completion. Max reasoning effort.

成绩出处
PostTrainBench Lite厂商自报 · 越高越好
51.5%

PostTrainBench Lite mean reward. Max reasoning effort.

成绩出处
RSI Index厂商自报 · 越高越好
56.3%

RSI Index (aggregate self-improvement). Max reasoning effort.

成绩出处
Search and Function-Calling厂商自报 · 越高越好
94.6%

Search and Function-Calling production benchmark pass rate.

成绩出处
SEC-bench Pro厂商自报 · 越高越好
57.7%

SEC-Bench Pro. Max reasoning effort.

成绩出处
SWE-Bench Pro厂商自报 · 越高越好
63.4%

SWE-Bench Pro. Max reasoning effort.

成绩出处
Terminal-Bench 2.1厂商自报 · 越高越好
87.4%

Terminal-Bench 2.1. Max reasoning effort.

成绩出处
Terminal-Bench 4.0来源汇总 · 越高越好
21.5%

Terminal-Bench 4.0 public leaderboard; resolution rate 21.5% ± 3.3%; Codex agent; max effort.

成绩出处
Toolathlon厂商自报 · 越高越好
53.1%

Toolathlon. Max reasoning effort.

成绩出处

技术规格

只展示有可靠来源的资料;优先采用厂商官网与官方模型仓库。

发布日期
2026-07-09LLM Stats
知识截止
2026-02-16厂商官网
上下文窗口
1.05M Token厂商官网
最大输入
1.05M TokenLLM Stats
最大输出
128K Token厂商官网
输入模态
文本、图像厂商官网
输出模态
文本厂商官网
许可证
ProprietaryLLM Stats

价格与用量

美元 / 百万 Token。不同服务商或测试配置的报价分别列出。

模型 API 价格,单位为美元每百万 Token
来源 / 服务商输入输出缓存读取
厂商官网 · Explore models and compare capabilities$2$12$0.2
OpenAI$2$12$0.2

估算一次用量

按表格第一条报价计算,普通文本、无缓存。

预计费用$3.2
不含工具、图片、推理额外计费或阶梯价格;以服务商实际账单为准。

每个数字,都有出处

同名模型通过开发机构和明确版本关联。预览版、日期版本和不同规模模型分别建档。

厂商官网

厂商官方文档 · 基础规格与标准 API 报价

1 条记录最近采集 2026-11-10

LLM Stats

公开模型页与公开榜单;自报成绩单独标识

1 条记录最近采集 2026-11-10

BenchLM

公开评测数据;保留来源原始口径

1 条记录最近采集 2026-11-10

Arena

Arena 官方公开数据集 · CC BY 4.0

5 条记录最近采集 2026-11-10

LiveBench

公开评测数据;保留来源原始口径

1 条记录最近采集 2026-11-10

OpenRouter

公开模型目录与 API 报价

1 条记录最近采集 2026-11-10
查看全部配置与采集记录
来源 / 配置采集时间原始数据
LLM StatsGPT-5.6 TerraSHA-256 9813954cff6d9f44…2026-11-10T13:53:01Z查看来源
BenchLMGPT-5.6 Terra2026-11-10查看来源
ArenaGPT-5.6 Terra (xHigh)2026-11-10T14:07:52Z查看来源
ArenaGPT-5.6 Terra (xHigh)2026-11-10T14:07:52Z查看来源
ArenaGPT-5.6 Terra (xHigh)2026-11-10T14:07:52Z查看来源
ArenaGPT-5.6 Terra (xHigh)2026-11-10T14:07:52Z查看来源
ArenaGPT-5.6 Terra (xHigh, Codex Harness)2026-11-10T14:07:52Z查看来源
LiveBenchGPT-5.6 Terra2026-11-10T14:08:34Z查看来源
OpenRouterGPT-5.6 TerraSHA-256 63cbc45064d84060…2026-11-10T13:51:49Z查看来源
厂商官网Explore models and compare capabilitiesSHA-256 07c6624d71814296…2026-11-10T14:01:15Z查看来源
继续浏览模型排行榜