GPT-5.6 Sol, GPT-5.6 Luna, Claude Fable 5
На изображении сравнивают три модели: GPT-5.6 Sol, GPT-5.6 Luna и Claude Fable 5. Ниже — те же данные в таблицах.
Основные тесты
В этой таблице большее значение означает лучший результат. Зелёным отмечен лучший результат в строке, красным — худший. Среднее значение оставлено без цвета. Сравнивать строки между собой не стоит: тесты измеряют разные навыки.
| Тест | GPT-5.6 Sol | GPT-5.6 Luna | Claude Fable 5 |
|---|---|---|---|
| AA Intelligence Index | 58,9 | 51,2 | 59,9 |
| Agents’ Last Exam | 52,7 | 50,3 | 40,5 |
| Management consulting | 43,2 | 35,4 | 35,5 |
| AA Coding Agent Index | 80,0 | 74,6 | 77,2 |
| SWE-Bench Pro | 64,6 | 62,7 | 80,0 |
| DeepSWE v1.1 | 72,7 | 67,2 | 69,7 |
| Terminal-Bench 2.1 | 88,8 | 84,7 | 83,1 |
| GPQA Diamond | 94,6 | 92,3 | 92,6 |
| FrontierMath Tier 4 | 83,0 | 58,5 | 87,8 |
| Toolathlon | 58,0 | 53,4 | 61,7 |
| GraphWalks 1M | 77,1 | 51,2 | 68,1 |
Sol показывает лучший результат в семи строках из одиннадцати. Fable 5 лидирует в четырёх: AA Intelligence Index, SWE-Bench Pro, FrontierMath Tier 4 и Toolathlon. Luna ни в одной строке не выходит на первое место.
Тесты с другой шкалой
Эти результаты вынесены отдельно: у них другая шкала, поэтому их нельзя напрямую сопоставлять с таблицей выше.
| Тест | GPT-5.6 Sol | GPT-5.6 Luna | Claude Fable 5 |
|---|---|---|---|
| GDPval-AA v2 (Elo) | 1 747,8 | 1 591,8 | 1 759,6 |
| ARC-AGI-3 verified | 7,78% | 0,18% | Не опубликовано |
В GDPval-AA v2 разница между Fable 5 и Sol небольшая: 11,8 балла Elo. В ARC-AGI-3 у Fable 5 нет опубликованного результата, а показатель Sol заметно выше Luna.
Стоимость API
Цены указаны в долларах за миллион токенов. В последнем столбце посчитана стоимость одного миллиона входных и 500 тысяч выходных токенов. Здесь меньшее значение выгоднее.
| Модель | Вход / 1 млн | Выход / 1 млн | 1 млн вход + 0,5 млн выход |
|---|---|---|---|
| GPT-5.6 Sol | $5 | $30 | $20 |
| GPT-5.6 Luna | $1 | $6 | $4 |
| Claude Fable 5 | $10 | $50 | $35 |
Luna стоит в пять раз дешевле Sol и в десять раз дешевле Fable 5 по входным токенам. В примере смешанного запроса она в пять раз дешевле Sol и почти в девять раз дешевле Fable 5.