@gosrum 实测不同大模型的性价比对比

GPT-6.1 Sol 已经评测完成，我在此分享期待已久的最近一直在运行的 Terminal Bench 4.0 评测结果。

【笔记】
- 性能：Opus 5.5（medium）和 GPT-6.1 Sol（high）分数相同，Opus 5.5（xhigh）性能高出一档 → 只看性能的话，推荐 Opus 5.5 medium 或 high。
- 成本：GPT-6.1 Sol（high）执行任务相当便宜，成本大概是 Opus 5.5（medium）的1/4。Opus 5.5（xhigh）分数更高，但成本是 Opus 5.5（medium）的2.6倍，是 GPT-6.1 Sol（high）的10倍以上。
- 时间：Opus 5.5（medium）和 GPT-6.1 Sol（high）耗时差不多，Opus 5.5（xhigh）耗时大约是它们的两倍。

【注意事项】
- Sonnet 5.5 medium 分数看起来很低，所以我中途停测了。max 版本往往成本极高，还一直触发5小时速率限制，所以我放弃测试了。
根据 Anthropic 的报告，Sonnet 5.5（max）性能比 Opus 5.5 更好，所以 token 无限多的人可以试试。

【结论】
- 性价比优先（更低成本）→ GPT-6.1 Sol（high）
- 性价比优先 → 推荐 Opus 5.5 medium 或 high
- 性能优先 → Sonnet 5.5（max）？