openai-factuality

这个评测在官方模型发布中被引用了 1 场发布（共 2 项分值）（来自OpenAI）。本页由这些发布引用自动生成：逐条列出每次引用的分数、协议与原文链接；完整的评测定义、数据集与指标介绍仍在补全，缺失的信息不会编造。

模型发布引用时间轴

共收录 1 场模型发布（收录 2 项分值） · 按发布时间倒序排列 · 数据更新于 2026-09-20

2026

2026-09-22 OpenAI·国际

GPT-6 Sol / GPT-6 Luna

本发布含 2 个变体，各变体规格见模型详情。

OpenAI 将 GPT-6 Sol 定位为日常复杂高价值任务的旗舰级高性价比工作马，以 GPT-5.6 Sol 一半的价格提供接近 Astra 的智能；收录评测覆盖企业自动化、软件工程、计算机操作与专业考试，AutomationBench 达 33.2%、DeepSWE 达 68.8%。

高性价比工作马长程自主代理软件工程GUI计算机操作

查看模型变体与证据

GPT-6 Sol · ChatGPT flagged error conversations 4.5%GPT-6 Luna · ChatGPT flagged error conversations 7.6%

来源

发现本页数据问题？欢迎在 GitHub 提 Issue。