GPT-6.1 Sol 首测：赢政指数 18 题定向评测

GPT-6.1 Sol 首测：18题88分，执行力98.7 OpenAI 官方账号@OpenAIDevs 今日发布公告，称 GPT-6.1 Sol 可为编码代理提供更大工作空间，在编码、计算机使用及跨应用工作流场景表现强劲，且成本低于 GPT-6 Astra。该模型刚完成官方更新，赢政天下随即启动 18 题定向评测，题量为日常 Smoke 测试的两倍。 本次评测为快速定向口径，综合分定格在 88。执行力得分 98.7，展现出极高的任务完成稳定性；扎实度为 74.8，反映模型在细节处理与长程一致性上的表现；诚信评级通过（pass）。上述全部数据严格来自 18 题定向测试，未进行任何外推或补全。 需要明确的是，此次 18 题评测并非完整周榜口径，样本规模与难度分布均与全量基线存在差异。当前主榜前十（最近一次完整周评结果）中，claude-opus-4.7 位列 83.9，grok-4 为 83.3，doubao-pro 80.5，其余依次为 gpt-5.5（78.2）、gpt-o3（77.7）、claude-sonnet-4.6（76.4）、gemini-3.1-pro（75.5）、deepseek-v4-pro（75.2）、gemini-2.5-pro（74）、qwen3-max（68.7）。这些分数均基于完整周度评测，与本次 18 题定向结果不可直接混排对照，仅供粗略参考。 官方公告强调的编码与计算机使用能力，在本次定向测试中得到一定印证，但 18 题样本量有限，无法覆盖周榜全场景。扎实度 74.8 与执行力 98.7 的分差，也提示模型在不同维度仍存在优化空间。 赢政天下后续将按既定计划，于下周启动完整周度 Full 评测，覆盖更大题量与更全面维度，以给出与主榜口径一致的最终定位。届时将同步发布详细子项拆解与跨模型对比。