9 月 25 日，Arena（前 LMArena）官方更新了排行榜：GPT-6 Sol（Max）正式加入 Agent Arena，首份成绩单是 +7.7% 的净改进，在 44 个模型中排名第 6，数据来自 4000 多场真实的智能体会话。这是 GPT-6 Sol 发布两天后，第一次在第三方众包评测里交出完整答卷。
成绩单：比上一代强，也比上一代便宜
Arena 的官方解读给出了几个关键数字。GPT-6 Sol（Max）的净改进为 +7.7%，相比 GPT-5.6 Sol（xHigh）的 +6.2% 提升了 1.5 个百分点，排名从第 8 升到第 6，而每 token 价格只有前代的一半。
在"确认成功"（Confirmed Success）这一细分信号上，Sol（Max）拿到 +11.4%，排第 4；作为对比，5.6 Sol 在同一项上只有 +2.9%，排第 20。也就是说，新模型不仅整体更强，在"把任务真正做成"这个智能体最核心的指标上进步尤其明显。
真正的看点：性价比重塑了前沿
Agent Arena 的 Pareto 前沿现在长这样：Claude Fable 5.1（Max）+13.8%，每任务 4.06 美元；GPT-6 Astra（Max）+10.85%，2.90 美元；Claude Opus 5（High）+9.8%，2.16 美元；Claude Fable 5（High）+8.3%，1.71 美元；GPT-6 Sol（Max）+7.68%，每任务 0.76 美元。
Sol（Max）距离 Fable 5（High）只差 0.6 个百分点，每任务成本却低了 56%。对每天跑成千上万个智能体任务的团队来说，这个组合比"单项第一"更有吸引力——Arena 官方也特意指出，这次更新"重塑了 Agent Arena 的 Pareto 前沿"，中位成本拉到了 0.76 美元一档。
背景：发布才两天
9 月 23 日，OpenAI 刚发布 GPT-6 Sol 和 Luna：把旗舰 Astra 的训练方法下放到更快、更便宜的档位，API 价格比 GPT-5.6 促销价再降 50%。Sol 是 GPT-6 家族里的旗舰档，定位就是编程、长任务和最难的活。这次 Arena 首秀，基本验证了官方"每个 token 更聪明"的说法——至少在智能体任务上，性能和成本同时往对的方向走了。
给开发者的判断
如果你在选跑 Agent 的模型，结论很直接：追求绝对最强，Fable 5.1（Max）和 Astra（Max）仍在前面；但要算"每块钱能买多少成功任务"，Sol（Max）是目前前沿上最划算的旗舰级选择。一个提醒：Arena 是社区盲测的众包信号，反映的是真实用户任务里的胜负，不是实验室基准；等更多投票进来，排名还可能波动。
Claude Opus 5.5 发布：降价 40%，专为超长编码会话优化 是 Anthropic 同一周的回应，智能体赛道的榜单争夺才刚刚开始。
