Gemini 4 Neon、Claude Opus 5.5 和 GPT-6.2 Sol 怎么选?Google跑分之外再看成本和速度
完整还原Google发布的 Neon、Opus 5.5、GPT-6.2 Sol 对比表及每行测试设置,补充第三方的成本、速度和幻觉数据,以及官方价格、调用渠道和按任务选型建议。
在Google自己发布的 19 行对比表里,Gemini 4 Neon 领先 16 行,Claude Opus 5.5 领先 2 行(Terminal-Bench 4.1 和 FrontierCode 2.0),GPT-6.2 Sol 领先 1 行(Chartography)。 第三方机构 Artificial Analysis 的数据同样显示,Neon 在三者中 Intelligence Index 最高(61、59、57),幻觉率也低得多。但它还揭示了厂商表格没写的一点:完成同一批指数任务,Sol 每个任务约花 1.01 美元、8.5 分钟,Neon 要 6.44 美元、21.5 分钟,Opus 则是 10.04 美元、24.5 分钟。纸面上 Neon 是更强的通才。Opus 在Google表中的 Terminal-Bench 4.1 和 FrontierCode 2.0 两行上略占优势,不过在 AA 自己跑的 Terminal-Bench 4.0 上,它是三者中的最后一名。Sol 便宜又快,代价是几乎每一项都低几分。
本文补充了这些内容:
- 重建Google的对比表,并从Google的评测方法 PDF(英文)中补上每一行的 harness、思考档位和数据来源
- 2026 年 11 月 19 日实时读取的 Artificial Analysis 数据,包括指数、单任务成本、单任务耗时和幻觉率
- Google、Anthropic 和 OpenAI 的官方按 token 价格
- 每个模型目前能在哪些地方调用
- 我们在 Ofox 上用三个编程任务对 Opus 5.5 和 Sol 做的小规模测试
本文由 Ofox 发布,Ofox 转售 Opus 5.5 和 Sol,但不提供 Neon。基准测试各行是其他机构的结果,不是我们测的。我们自己测的只有“小规模测试”一节,而且只作示意,不能用来给模型排名。
Google的对比表,保留每一个标注
Google的 Gemini 4 Neon 模型卡(英文)(2026 年 11 月 18 日发布)是唯一把这三个模型并排比较的官方来源。评测方法 PDF 和分数同样重要。PDF 写明 Neon 的运行设置是 “with the highest thinking settings unless indicated otherwise”(除非另有说明,均使用最高思考设置),也就是 xhigh。对于 Opus 5.5 和 GPT-6.2 Sol,Google报告的是可用的最高推理设置;没有公布最高设置的,则取可获得的最好结果。除非某行另有说明,竞品的数字都是 Anthropic 和 OpenAI 自报的,Google并没有自己跑。
| 类别 | 基准(设置) | Neon | Opus 5.5 | GPT-6.2 Sol | 本行领先 | 数据由谁产生 |
|---|---|---|---|---|---|---|
| 指数 | AA Index v5.0.1 | 61 | 59 | 57 | Neon | Artificial Analysis |
| 指数 | Vals Index v2.2 | 70.9% | 70.1% | 66.1% | Neon | Vals AI |
| Agent 编程 | CursorBench 4.1 | 65.4% | 58.1% | — | Neon | Cursor |
| Agent 编程 | Terminal-Bench 4.1,cheating-adjusted 准确率 | 65.2% | 65.8% | 61.5% | Opus | Neon:Artificial Analysis,使用 Antigravity-CLI 1.5.9;其余:公开排行榜 |
| Agent 编程 | FrontierCode 2.0,主分数 | 46.2% | 47.3% | 43.8% | Opus | 公开排行榜;Neon 用的是 high,不是 xhigh |
| Agent 编程 | SWE-sweep,厂商自带 harness | 39.0% | 10.1% | 8.3% | Neon | Google自行计算:Antigravity-CLI 1.5.9 / Claude Code / Codex |
| Agent 编程 | SWE-sweep,Mini-SWE harness | 12.8% | 3.6% | 11.6% | Neon | Google自行计算,mini-swe-agent vision harness |
| 知识工作 | AutomationBench | 56.3% | 42.5% | 41.3% | Neon | 公开排行榜 |
| 知识工作 | Agents’ Last Exam v1.1 | 75.8% | 71.6% | 73.0% | Neon | Neon:Google,Antigravity-CLI 1.4.8,5 小时窗口;Sol:OpenAI 系统卡;Opus:排行榜 |
| 科学与数学 | RiemannBench | 84.0% | 80.0% | 80.0% | Neon | 公开排行榜 |
| 科学与数学 | Terminal-Bench-Science 0.1 | 70.5% | 63.3% | 68.0% | Neon | Neon:Google,mini-swe-agent vision harness,5 次尝试取平均;其余:排行榜 |
| 推理 | HLE-Diamond | 71.3% | 67.9% | 64.0% | Neon | Artificial Analysis |
| 多模态 | MKA,Climb WSR | 56.5% | 53.0% | 52.7% | Neon | Artificial Analysis |
| 多模态 | Chartography | 73.5% | 66.3% | 75.1% | Sol | Neon 和 Sol:Google,不用工具;Opus:Anthropic 系统卡 |
| 多模态 | LVBench | 89.0% | 83.7% | 87.6% | Neon | Google;各模型的帧数预算不同 |
| 长上下文 | GraphWalks,256k–1M BFS(F1) | 95.2% | 66.8% | 80.1% | Neon | Google自行计算,200 道题 |
| 网络安全 | CWE-Bench v2 | 70.7% | 67.1% | 66.0% | Neon | 公开排行榜(Collinear) |
| 网络安全 | SEC-bench Pro | 90.5% | — | 88.3% | Neon | Neon:Google,Antigravity harness;Sol:OpenAI 报告 |
| 网络安全 | WebExploitBench v1.2 | 51.3% | 37.1% | — | Neon | Google自评,经 AgentCyberRange 验证 |
来源:Neon 模型卡(英文)和评测方法(英文),均于 2026 年 11 月 19 日核对。破折号表示Google没有公布该模型的数字,不代表零分。
Neon 的领先哪些是实打实的,哪些很薄
有几行差距很小,换一次运行就可能反过来。Neon 在 Vals Index 上比 Opus 高 0.8 分,在 Agents’ Last Exam 上比 Sol 高 2.8 分。在 Terminal-Bench 4.1 上,它只落后 Opus 0.6 分。Agent 类基准上两分左右以内的差距,harness 版本、重试次数和超时设置都可能改变。做规划时,可以把这几行当作打平。
Neon 领先最多的是 GraphWalks(95.2%,Sol 为 80.1%,Opus 为 66.8%)、AutomationBench(约 14 分)、CursorBench(比 Opus 高 7.3 分),以及厂商 harness 下的 SWE-sweep。最后这一行最需要小心解读。
SWE-sweep 的 39.0% 主要是 harness 带来的
Google把 SWE-sweep 跑了两遍。在厂商自带 harness 那一行,每个模型用的是自家厂商的 Agent:Neon 用 Antigravity-CLI,Opus 用 Claude Code,Sol 用 Codex。Google的评测方法说明,公开版 Antigravity-CLI 默认带有一个子 Agent 工具,能在代码库中并行展开搜索,Google称它 “particularly suited to bug finding tasks like SWE-sweep”(特别适合 SWE-sweep 这类找 bug 任务)。
Neon 在这个设置下得到 39.0%,在三家共用的 Mini-SWE harness 下是 12.8%。Opus 从 Claude Code 下的 10.1% 跌到 3.6%。Sol 的方向相反:Codex 下 8.3%,Mini-SWE 下 11.6%。Google的发布公告本身就说,Neon 在 Antigravity 里 “more than triples”(提高到三倍多)。所以 39.0% 衡量的是 Neon 在Google自家 Agent 产品里的表现,并不说明这个模型比对手强三到四倍。在条件一致的 Mini-SWE 那一行,Neon 比 Sol 高 1.2 分。
还有两个标注会改变读法。FrontierCode 评测时,Neon 用的是默认的 high 档,而不是 xhigh。Terminal-Bench 三个模型报告的都是 cheating-adjusted(扣除作弊后的)准确率,评测方法没有进一步说明怎么调整。Google公告称 Neon 在 Terminal-Bench 4.0 上的作弊率为 0.0%。LVBench 这一行给各模型的输入也不一样:Gemini 是每秒 1 帧、低分辨率,Sol 是 500 帧,Opus 是 600 帧,每一项都注明 “due to API limitations”(受 API 限制)。
为什么厂商的对比表一般都要谨慎看
- 对比对象是厂商选的。 Google拿 Neon 和 Opus 5.5、GPT-6.2 Sol 比,没有放 Claude Fable 5.2 和 GPT-6.2 Astra。后两者每百万 token 价格为 8 美元/40 美元,在 Artificial Analysis Intelligence Index 上得分更高(11 月 19 日最高档分别为 64.6 和 62.1)。这张表能说明 Neon 在同价位对手中处在什么位置,说明不了它在最顶层处在什么位置。
- 同一列混着不同来源。 有些格子是Google自己跑的,有些是从竞品系统卡里抄来的,而那些结果用的硬件、提示词和时间都不同。
- 设置并不统一。 Neon 在大多数行上用
xhigh,竞品在公布了最高设置时用最高设置,而 Neon 在 FrontierCode 上用的是high。 - 基准是训练完成后挑的。 发布会上的表格只展示厂商选择公布的基准,看不到它没公布的那些。
这些都不代表表格有错。它的意思是:用这张表决定先测什么,而不是把它当最终答案。
第三方数据补充了什么:成本、耗时和幻觉
Artificial Analysis(AA)用同一套 harness 跑所有模型,并公布单任务成本和耗时,这些模型卡上都没有。我们在 2026 年 11 月 19 日约 03:20 UTC 读取了 Neon、Opus 5.5、GPT-6.2 Sol 三个页面和 AA-Omniscience 评测(均为英文)。AA 会更新这些页面,做决定前请重新核对。
| AA 指标(最高推理档) | Neon(xhigh) | Opus 5.5(max) | GPT-6.2 Sol(max) |
|---|---|---|---|
| Intelligence Index v5.0.1 | 61.4 | 59.1 | 57.3 |
| 每个 Intelligence Index 任务的成本 | $6.44 | $10.04 | $1.01 |
| 每个任务的耗时 | 21.5 分钟 | 24.5 分钟 | 8.5 分钟 |
| 每个任务的输出 token(推理 + 答案) | ~142k | ~173k | ~40k |
| 首个答案 token 的等待时间 | 56.5 秒 | 335.8 秒 | 75.1 秒 |
| Terminal-Bench 4.0(AA 自测) | 63.6% | 59.6% | 60.1% |
| FrontierCode 2.0(AA 自测) | 44.4% | 46.4% | 44.4% |
| AA-Omniscience 准确率 | 60.5% | 65.5% | 61.6% |
| AA-Omniscience 幻觉率 | 14.4% | 50.3% | 55.4% |
| AA-Omniscience 作答率 | 67.5% | 86.7% | 85.4% |
| HLE-Diamond | 71.3% | 67.9% | 64.0% |
这里是三种不同的设置:Neon 用 xhigh,另外两个用 max。档位越低,分数越低,花费也越少。Neon 在默认 high 档下,AA 的数据是指数 59.6、每个任务 3.74 美元、14.8 分钟,幻觉率 13.9%。这个指数仍高于 max 档的 Sol,单任务成本也仍是 Sol 的三倍多。AA 列出 Opus 在 xhigh 档为 57.4(每个任务 6.05 美元、16.1 分钟),Sol 在 high 档为 54.9(每个任务 0.56 美元、4.6 分钟)。Anthropic 文档写明 Opus 5.5 的默认 effort 是 medium;在 medium 档,AA 给出的 Opus 指数为 48.2,每个任务 2.45 美元。
有三点值得单独说:
- 按单价算的倍数,低估了单任务成本的差距。 Opus 的每 token 单价是 Sol 的两倍,但每个 AA 任务的花费约为 Sol 的十倍;它产出的输出 token 大约是 Sol 的四倍。Neon 单价是 Sol 的 1.5 倍,单任务成本约为 6.4 倍。模型花掉多少 token,比价目表更重要。
- 幻觉率低不等于准确率高。 AA 对幻觉率的定义是:错误回答数除以所有非正确回答数。Neon 最低(14.4%),主要是因为它更常拒绝回答:它只作答了 67.5% 的问题,另外两个约为 86%。Opus 的准确率最高(65.5%),但不知道的时候会猜。如果答错的代价比回答“我不知道”更高,Neon 更合适;如果更看重覆盖面,Opus 答对的问题更多。
- Sol 的速度优势很大。 它的单任务耗时不到另外两个的一半;max 档的 Opus 要等 336 秒才出第一个答案 token,Sol 快得多。
AA 自己跑的编程测试,让Google的编程结论在两个方向上都变得复杂。在 AA 的 FrontierCode 2.0 上,Opus 以 46.4% 领先,Neon 和 Sol 都是 44.4%,Opus 第一,和Google表中一致。在 AA 的 Terminal-Bench 4.0 上,Neon 以 63.6% 领先,Opus 以 59.6% 排最后,还落后于 Sol 的 60.1%。这和Google表中 Terminal-Bench 4.1 那一行正好相反,所以 Opus 在终端任务上的优势取决于你看哪个基准版本和 harness。Google公告还称,Neon 以 58.6 分在 AA Coding Agent Index 上总排名第一。这是Google的说法。我们读到的 AA 页面没有展示各模型的 Coding Agent Index 数值,因此我们没有核实。
官方按 token 价格
下表均为 Standard 档,单位是美元/百万 token,2026 年 11 月 19 日核对,是各厂商自己的价格。Ofox 价格见各 Ofox 模型页,这里不重复列出。
| Gemini 4 Neon | Claude Opus 5.5 | GPT-6.2 Sol | |
|---|---|---|---|
| 输入 | $3.00 | $4.00 | $2.00 |
| 输出(含思考) | $15.00 | $20.00 | $10.00 |
| 缓存输入 | $0.15(仅隐式缓存) | $0.20 缓存命中 | $0.10 |
| 缓存写入 | 未单独列出 | $5(5 分钟),$8(1 小时) | $2.50(30 分钟),$5(12 小时) |
| 超长提示词 | 1M 窗口内统一费率 | 整个 1M 窗口内按标准费率 | 输入超过 272K:输入和缓存费率 ×2,输出 ×1.5 |
| Batch | $1.50 / $7.50(Flex 相同) | 五折:$2 / $10 | 五折:$1 / $5 |
| 免费档 | 无 | — | — |
| 来源 | Gemini API 价格(英文) | Anthropic 价格(英文) | GPT-6.2 Sol 模型页(英文) |
简单算一下就知道,只看每 token 单价不够。假设一次不命中缓存的请求,输入 50,000 token、输出 10,000 token。按标价,Neon 是 0.30 美元,Opus 是 0.40 美元,Sol 是 0.20 美元。但同一段文本在不同模型上得到的 token 数并不一样。在下文的测试中,同一个提示词在 Opus 上计为 139 个输入 token,在 Sol 上只有 98 个。各模型写出的长度也不同。比较账单之前,先分别测一下自己的 token 用量。缓存和思考档位的细节,可以看 Claude Opus 5.5 价格指南和 Gemini 4 Neon 价格拆解。
Neon 的 3 美元/15 美元在 Gemini 家族内部也有意义。Carbon 和 Argon 将于 2026 年 12 月 1 日从 2 美元/10 美元涨到 4 美元/20 美元,此后 Neon 比这两者都便宜。详见 12 月调价意味着什么和 Neon 与 Carbon 对比。
每个模型实际能在哪里用
| Gemini 4 Neon | Claude Opus 5.5 | GPT-6.2 Sol | |
|---|---|---|---|
| API 模型 ID | gemini-4-neon | claude-opus-5-5 | gpt-6.2-sol |
| API 状态 | Gemini API 付费档,通过 generateContent 和 Interactions API | Claude API、Bedrock、Google Cloud、Microsoft Foundry | 自 2026 年 11 月 17 日起在 OpenAI API 提供;Responses API 和 Chat Completions |
| 消费端和 IDE | Gemini 应用(AI Pro 和 Ultra)、AI Studio、Google Antigravity(付费 Pro 和 Ultra)、Gemini 企业版 | Claude 应用和 Claude Code(访问方式与限额) | ChatGPT Work 和 Codex 桌面端预览(Plus 和 Pro;托管工作区取决于席位设置);普通 Chat 中没有 |
| Ofox 上(2026 年 11 月 19 日核对) | 没有 | 有:anthropic/claude-opus-5.5 | 有:openai/gpt-6.2-sol |
| 上下文窗口 | 1,048,576 token,输入输出合计 | 1M | 1,050,000(最大输入 922K) |
| 最大输出 | 同步调用默认 64K;开启 long decode 最高 1M | 128K(Batch 加 beta header 可达 300K) | 128K |
| 输入类型 | 文本、图像、音频、视频 | 文本、图像 | 文本、图像 |
| 知识截止 | 2026 年 3 月 | 2026 年 6 月(可靠截止) | 2026 年 6 月 1 日 |
GPT-6.2 Sol 的“预览”标签是什么意思。 OpenAI 2026 年 11 月 17 日的 ChatGPT 发布说明(英文)写道,GPT-6.2 Astra 和 Sol “available in preview in Work and Codex desktop”(在 Work 和 Codex 桌面端以预览形式提供),并且 “Regular Chat keeps its existing model choices”(普通 Chat 保留现有模型选项)。这个标签针对的是 ChatGPT。开发者这边,OpenAI API 更新日志(英文)显示 gpt-6.2-sol 已于 11 月 17 日面向 Responses API 和 Chat Completions 发布。模型页公布了从 Build 到 Grow 各使用档位的价格和速率限制,都没有预览标注。实际情况是:
- 现在就可以基于 API 开发。
- 工具调用需要用 Responses API。
- API 不接受
reasoning.effort: none。 - 如果你用 ChatGPT,只能在 Work 和 Codex 的模型选择器里看到 Sol。
如果你是从 GPT-6 Sol 迁移过来,Responses 工具调用迁移说明仍然适用。
Ofox 上的 Neon。 2026 年 11 月 19 日,GET https://api.ofox.io/v1/models 返回的列表里没有 google/gemini-4-neon,https://ofox.io/models/google/gemini-4-neon 返回 404。要用 Neon,请直接调用Google的接口,接入方法见 Neon API 指南。在 Ofox 上,目前可以通过 Gemini 原生端点使用 Gemini 4 Hydrogen 和 Argon。
我们的小规模测试:Opus 5.5 与 Sol 跑三个编程任务
这一节是全文唯一由我们自己测量的部分,仅作示意。三个简单任务、每个跑两次,不足以给两个前沿模型排名,而且两个模型所有测试都通过了。之所以放进来,是因为它在任何人都能复现的规模上,展示了 AA 成本数据所暗示的输出长度和延迟差异。
设置(2026 年 11 月 19 日):
- 端点:Ofox
https://api.ofox.io/v1/chat/completions - 模型:
anthropic/claude-opus-5.5和openai/gpt-6.2-sol - 参数:
max_tokens: 16000。没有传任何 reasoning 或 effort 参数,两个模型都按该路由的默认设置运行。
任务:
- T1:修复分页中的差一错误(off-by-one),并加上输入校验
- T2:按严格规范实现
parse_duration("1h30m"),规范列出九种非法输入 - T3:实现一个可注入时钟的
TokenBucket
每个答案都在本地用隐藏的单元测试评分,三个任务分别有 5、16、5 个测试用例。总共 12 次调用,每个任务、每个模型各重复两次。
| 任务 | 测试通过(两次) | Opus 5.5 延迟 | Sol 延迟 | Opus 输出 token | Sol 输出 token |
|---|---|---|---|---|---|
| T1 分页修复 | 两个模型均为 5/5 和 5/5 | 3.4 / 3.9 秒 | 3.5 / 3.1 秒 | 142 / 142 | 184 / 181 |
| T2 时长解析 | 两个模型均为 16/16 | 6.2 / 5.9 秒 | 2.5 / 2.4 秒 | 471 / 438 | 119 / 117 |
| T3 令牌桶 | 两个模型均为 5/5 | 9.0 / 8.6 秒 | 2.7 / 3.6 秒 | 656 / 756 | 253 / 268 |
合计:Opus 用了 1,136 个输入 token 和 2,605 个输出 token,Sol 用了 804 个输入 token 和 1,122 个输出 token。按各厂商标价计算,六次调用合计 Opus 约 0.057 美元,Sol 约 0.013 美元。这是我们算出来的,不是 Ofox 账单。延迟中位数 Opus 为 6.0 秒,Sol 为 2.9 秒。
通过与否之外,我们还观察到:
- Opus 在 T3 上超出了规范。 两次运行中它都加了
threading.Lock、一个capacity属性,以及对clock是否可调用的检查,这些都没有被要求。生产环境里加锁是合理选择,但审查时就多了一块范围。Sol 交付的接口和要求完全一致。 - 在简单的 bug 修复(T1)上,Sol 写得稍多一点。 它显式加了
start >= len(items)时提前返回,而切片本来就能处理这种情况。两边的差异都不大。 - 同一个提示词,输入 token 数不同。 Opus 计为 139 到 234 个输入 token,Sol 为 98 到 153 个,Opus 大约多 40%。提示词很长时,这会影响按 token 计价的比较。
这次测试不能说明的事情:Neon 的任何情况(它不在 Ofox 上);困难的多文件任务,而 Opus 的基准优势恰恰在这类任务上才重要;多次运行下的稳定性。脚本、提示词、测试和原始响应(已隐去密钥)都随报告一起保存,可以重复运行。想通过 Ofox 自己做对比,接入文档介绍了 Claude Code、Codex、Cursor 等客户端的配置。
调用这三个模型
在 Ofox 上,Opus 5.5 和 Sol 可以用同一个 OpenAI 兼容客户端调用。Opus 5.5 的模型页列出了 openai 和 anthropic 两种协议,Sol 列出的是 openai。
from openai import OpenAI
import os, time
client = OpenAI(base_url="https://api.ofox.io/v1", api_key=os.environ["OFOX_API_KEY"])
for model in ["anthropic/claude-opus-5.5", "openai/gpt-6.2-sol"]:
t = time.time()
r = client.chat.completions.create(
model=model,
messages=[{"role": "user", "content": "Write parse_duration('1h30m') -> 5400 in Python. Code only."}],
max_tokens=16000,
)
print(model, round(time.time() - t, 1), "s", r.usage)
Neon 走Google的原生 API。下面的示例参照Google的 Neon 指南:
from google import genai
client = genai.Client() # 读取 GEMINI_API_KEY;Neon 需要付费档
interaction = client.interactions.create(
model="gemini-4-neon",
input="Write parse_duration('1h30m') -> 5400 in Python. Code only.",
)
print(interaction.output_text)
常见错误:
- 找不到模型。 在 Ofox 上要用带厂商前缀的完整 ID。在 OpenAI 上,确认你的账号和 SDK 能看到
gpt-6.2-sol。参见模型找不到的排查(英文)。 - 429 或 529。 高 effort 下长时间运行的 Opus Agent 更容易触发速率和过载限制。按 429 重试指南和 Claude 529 修复(英文)做退避。Ofox 自身的限制见限流文档,响应码见错误处理指南。
- 免费档调用 Neon 返回 4xx。 Neon 没有免费档。其他 Gemini 4 模型的错误见 Gemini 4 Argon API 报错,其中很多同样适用于 Neon。
什么任务用哪个模型
下面是基于现有证据的起点,不是实测排名。每一行都写明了依据。
| 你的任务 | 先试 | 原因 | 依据 |
|---|---|---|---|
| 困难的多文件软件开发,几分之差也重要 | Opus 5.5,但也要测 Neon | 在Google表和 AA 自测中都领先 FrontierCode 2.0。在Google表中领先 Terminal-Bench 4.1,但在 AA 的 Terminal-Bench 4.0 上排最后 | Google表与 AA(结论不一) |
| 在Google工具里对大型仓库找 bug | Antigravity 里的 Neon | 用Google的子 Agent harness,SWE-sweep 达 39.0%;换成 Mini-SWE 后优势基本消失 | Google表(取决于 harness) |
| 大批量编程 Agent、CI 修复、日常 PR | Sol | AA 单任务成本约为 Neon 的 1/6、Opus 的 1/10,耗时不到一半;AA Intelligence Index 为 57,另两者为 59 和 61 | AA 与我们的小规模测试 |
| 长上下文分析(256K 到 1M token) | Neon | GraphWalks 95.2%,另两者为 80.1% 和 66.8%。Sol 输入超过 272K 后价格上涨 | Google表(自行计算)与价格页 |
| 答错代价高的研究或知识工作 | Neon | 幻觉率 14.4%,另两者在 50% 及以上;拒答会更多 | AA-Omniscience |
| 最看重覆盖面的知识问答 | Opus 5.5 | AA-Omniscience 准确率最高,65.5% | AA-Omniscience |
| 读图表和密集图形 | Sol 或 Neon | Sol 在 Chartography 上领先,75.1% 对 73.5%;Opus 为 66.3% | Google表 |
| 音频或视频输入 | Neon | 三者中唯一接受音频和视频的 | 官方模型文档 |
| 业务流程自动化 | Neon | AutomationBench 56.3%,另两者约 42% | 公开排行榜(经Google) |
| 只想用一个网关、一个 Key | Opus 5.5 或 Sol | 两者都在 Ofox 上,Neon 不在 | Ofox 模型列表,2026 年 11 月 19 日 |
每个模型的短板
Gemini 4 Neon
- 在Google表中,Terminal-Bench 4.1 和 FrontierCode 2.0 略落后于 Opus;在 AA 自测的 FrontierCode 上同样落后。
- AA-Omniscience 准确率低于 Opus,因为它拒答的问题更多。
- 最亮眼的 SWE-sweep 分数依赖Google的 harness。
xhigh档下,在 AA 的任务集上每个任务约需 21 分钟、花费约 6.44 美元。- 知识截止时间是三者中最早的(2026 年 3 月)。
- 没有免费档,Ofox 上也没有。
Claude Opus 5.5
- max 档下单个 AA 任务最贵也最慢(10.04 美元、24.5 分钟,首个答案 token 要等 336 秒)。
- 在 AA 的 Terminal-Bench 4.0 上三者中排最后(59.6%),尽管它在Google表的 Terminal-Bench 4.1 那一行领先。
- 在 GraphWalks 长上下文(66.8%)、Chartography(66.3%)和 Mini-SWE 下的 SWE-sweep(3.6%)上是三者最弱。
- 幻觉率约 50%。
- 不支持音频和视频输入。
- 在我们的小规模测试里,它加了没被要求的内容。
GPT-6.2 Sol
- AA Intelligence Index 三者最低(57)。
- 幻觉率最高(55.4%)。
- 在Google表的 Terminal-Bench 4.1、FrontierCode、Vals 和 HLE-Diamond 上排三者最后。
- 输入超过 272K token 的部分按更高费率计费。
- Google没有公布它的 CursorBench 和 WebExploitBench 分数。
- 在 ChatGPT 中仍是预览,只限 Work 和 Codex。
用Google的表决定先测哪个模型,用 Artificial Analysis 看成本、速度和幻觉。最终决定应当取决于你自己的任务上的通过率。比这三个更高或更低档的模型,见 Gemini 4 模型选择、此前的 GPT-6 Sol 与 Claude Opus 5.5 编程成本对比,以及 Claude Opus 5.5 与 GPT-6 Astra 复杂编程对比。
相关文档
常见问题
- GPT-6.2 Sol 只是预览版吗?
- 只在 ChatGPT 里是。OpenAI 2026 年 11 月 17 日的 ChatGPT 发布说明写明,GPT-6.2 Astra 和 Sol 在 ChatGPT Work 和 Codex 桌面端以预览形式提供,普通 Chat 仍保留原有模型。OpenAI API 更新日志显示,gpt-6.2-sol 在同一天面向 Responses API 和 Chat Completions 发布,公布了价格和速率限制,没有预览标注。
- 能通过 Ofox 调用 Gemini 4 Neon 吗?
- 截至 2026 年 11 月 19 日还不能。google/gemini-4-neon 不在 Ofox 模型列表中,也没有 Ofox 模型页。请直接使用 Gemini API 付费档。Claude Opus 5.5 和 GPT-6.2 Sol 都可以在 Ofox 上调用。


