最新的正面交鋒評測，讓擁有主流程式碼基準測試 88.8% 高分的 OpenAI 的 GPT-5.6 Sol， 對上 Anthropic 的 Claude Fable 5，其軟體工程成績為 80.3%。
重點整理：
- GPT-5.6 Sol 在 Terminal-Bench 2.1 拿下 88.8%，其 Ultra 模式更將分數推升至 91.9%。
- Claude Fable 5 在 SWE-Bench Pro 上維持已公布的最大領先優勢，成績 80.3%，而 GPT-5.5 則為 58.6%。
- Sol 仍處於受政府核准的有限預覽階段，而 Fable 5 則已於 7 月 1 日恢復全球可用。
GPT-5.6 Sol 基準測試主張
OpenAI 在 6 月 26 日 預覽 了 GPT-5.6 系列， 這是 4 月 GPT-5.5 之後的首次發表，並將產品線拆分為三個層級，由 Sol 擔任旗艦。
官方表示，Sol 在 Terminal-Bench 2.1（測試能夠規劃、反覆迭代並協調工具的命令列程式代理）中達到 88.8%。 一種計算資源密集的 Ultra 模式會啟動協同子代理來加速複雜工作，將成績推升至 91.9%， 是目前 Terminal-Bench 排行中已公開的最高分。
評測者在 比較 已公布圖表後認為， Fable 5 在同一套終端機測試中落後 Sol 數個百分點，雖然引用數字介於 83.4% 到 84.3% 之間。 在 ExploitBench 資安測試套件上，據稱 Sol 以約三分之一的輸出 token 消耗， 達到與 Mythos 級別相當的表現；在長時間代理執行中，這種成本壓縮相當重要。
目前幾乎沒有預覽計畫以外的使用者能獨立驗證這些數據， 多位評測者在承認原始分數亮眼的同時，也特別提出這點保留。
延伸閱讀： OpenAI 和 Anthropic 想要 SpaceX 等級的 IPO，但華爾街可能吞不下
Fable 5 的程式領先與定價
Fable 5 仍然在多數評測者視為自動化軟體工作關鍵指標的基準上占上風，且優勢不小。 它在 SWE-Bench Pro（衡量對真實 GitHub 問題進行端到端修復的能力）拿下 80.3%， 對比舊款 GPT-5.5 的 58.6%，而 OpenAI 尚未公布 GPT-5.6 在該測試上的數據。
分析師在 發現 程式、推理與知識測試中存在如此大落差後， 懷疑單一次的漸進式更新就能完全補齊差距。
價格則出現相反情況：據報 Sol 的標價為每百萬輸入 token 5 美元、輸出 30 美元， 只要 Fable 5 的一半（分別為 10 與 50 美元）。 數位評測者 主張， 合理的設定是：等 Sol 開放後，將以終端機為主導的代理導向 Sol，而以版本庫層級修復為主的工作則交給 Fable 5。
在存取權上差異最為鮮明：Sol 仍僅對約 20 家通過政府審查的合作夥伴開放有限預覽， 而 Fable 5 則於 7 月 1 日恢復全球上線，並對付費訂閱者提供至 7 月 7 日的暫時用量加成。
6 月讓兩家實驗室的前沿模型存取狀態成為不斷變動的靶心，而這種反覆拉扯也成了所有評測的背景。 華盛頓在 Amazon 研究人員發現一個能產生攻擊程式碼的越獄手法後， 以嚴重網路安全風險為由，於 6 月 12 日 勒令 Fable 5 與其更強大的兄弟模型 Mythos 5 下線。 商務部長 Howard Lutnick 在 6 月 30 日於兩週審查結束後 證實 解除管制， 幾天前 Mythos 5 已低調重新提供給約 100 家經審核的美國機構使用。