Qwen3.8-MaxvsGPT-5.6 Sol

在 7 个共同 benchmark 中，GPT-5.6 Sol 整体领先：Qwen3.8-Max 领先 1 项，GPT-5.6 Sol 领先 6 项，持平 0 项，平均分差 -13.25。

阿里巴巴 · 2026-08-03 · 推理大模型

OpenAI · 2026-06-26 · 推理大模型

Qwen3.8-Max1 项(14%)(86%)6 项GPT-5.6 Sol

评测分数

按能力类目分组，每组内按分差大小排列；共 7 项。

胶着 2/2

评测项	Qwen3.8-Max	GPT-5.6 Sol	分差
DeepSWE	56.6014 / 27极高强度思考（工具）	72.701 / 27极高强度思考（工具）	-16.10
SWE-Bench Pro - Public	67.705 / 57极高强度思考（工具）	64.607 / 57极高强度思考（工具）	+3.10

GPT-5.6 Sol 领先 2/2

评测项	Qwen3.8-Max	GPT-5.6 Sol	分差
FrontierMath Tier 4 v2	46.3411 / 34极高强度思考（无工具）	82.932 / 34最高（无工具）	-36.59
FrontierMath v2	74.7411 / 34极高强度思考（无工具）	89.121 / 34最高（无工具）	-14.39

GPT-5.6 Sol 领先 1/1

评测项	Qwen3.8-Max	GPT-5.6 Sol	分差
Agents' Last Exam	277 / 11极高强度思考（工具）	52.701 / 11极高强度思考（工具）	-25.70

GPT-5.6 Sol 领先 1/1

评测项	Qwen3.8-Max	GPT-5.6 Sol	分差
Terminal-Bench 2.1	86.608 / 44极高强度思考（工具）	88.801 / 44最高（无工具）	-2.20

GPT-5.6 Sol 领先 1/1

评测项	Qwen3.8-Max	GPT-5.6 Sol	分差
GPQA Diamond	92.6021 / 226极高强度思考（无工具）	93.5014 / 226最高（无工具）	-0.90

价格优先使用 DataLearner 配置的 API 记录；缺失项不做推测。

GPT-5.6 Sol在以下类目领先:Math and Reasoning (2/2)、Agent Level Benchmark (1/1)、AI Agent - Tool Usage (1/1)、科学与综合推理 (1/1)
胶着类目:Coding and Software Engineer

7 个共同 benchmark 上，GPT-5.6 Sol 平均高出 13.25 分。

单项差距最大的 benchmark：FrontierMath Tier 4 v2 — Qwen3.8-Max 46.34，GPT-5.6 Sol 82.93（分差 -36.59）。

本页正文由结构化模型、价格与 benchmark 数据生成，不使用实时 LLM 撰写。