GPT 6.1 Sol vs GPT 6.0 Sol vs Claude Opus 5.5（求加米加米加米！！）

从发布 benchmark 看，6.1 Sol 相比 6.0 Sol 的提升主要集中在复杂任务：真实代码库测试 DeepSWE v1.1 从 68.8% 提升到 75.2%，而且新版在 high 推理档就超过了旧版 max 档的最高分。电脑操作测试 OSWorld 2.0 离线集则从 64.4% 提升到 71.4%。

与 Claude Opus 5.5 相比，6.1 Sol 在部分专业任务上已经领先。按 OpenAI 公布的比较，AutomationBench 多步骤工作流测试中，6.1 在 medium 档高出 2.2%，单任务成本约为 Opus 的1/3；复杂 PDF 推理测试 GDP.pdf 中，6.1 在测试过的各推理档位均高于带 fallback 的 Opus 5.5，单任务成本不到一半。

但上述的benchmark都是OpenAI汇总的 期待更多的benchmark