Согласно официальной сравнительной таблице Z.ai: GPT-5.6 Sol по-прежнему занимает первое место в Terminal-Bench 3.0, HLE w/ Tools и других бенчмарках, а V4-Pro удерживает позиции в первом эшелоне open source при цене примерно в 1/10 от их стоимости.
| Бенчмарк | GLM-5.3 | Kimi K3 | DeepSeek-V4-Pro | Opus 4.8 | GPT-5.6 Sol |
|---|---|---|---|---|---|
| Terminal-Bench 2.1 | 88.2 | 88.3 | 87.9 | 85.0 | 88.8 |
| Terminal-Bench 3.0 | 28.3 | 17.4 | — | 21.1 | 34.6 |
| DeepSWE v1.1 | 66.9 | 67.5 | 62.7 | 58.0 | 72.7 |
| NL2Repo | 58.0 | 58.0 | 61.1 | 69.7 | — |
| CyberGym | 84.5 | 80.0 | 83.3 | 78.1 | 83.6 |
| Toolathlon Verified | 73.0 | 76.5 | 74.1 | 76.2 | 74.9 |
| AutomationBench v1.0.6 | 48.2 | 46.7 | 43.2 | 41.0 | 45.8 |
| ALE-CLI | 28.5 | 27.6 | 25.7 | 25.7 | 28.6 |
| HLE w/ Tools | 62.5 | 59.8 | 60.0 | 57.9 | 64.5 |
| GDPval-AA v2 | 1769 | 1682 | 1590 | 1588 | 1730 |
Источник данных: официальный блог Z.ai (2026-08-14); неучастие в оценке обозначено знаком —. Цены DeepSeek: V4-Pro в непиковые часы $0.66/$1.98, V4-Flash $0.14/$0.28, V4.1-Flash-1017 $0.15/$0.60 за 1 млн tokens.
GPT-5.6 Sol: TB 2.1 88.8, TB 3.0 34.6, HLE w/ Tools 64.5 — уверенно лидирует по всем показателям; V4-Pro 87.9 / не оценивался / 60.0 идёт следом, при этом NL2Repo 61.1 обгоняет Opus 4.8.
V4-Pro во внепиковые часы $0.66/$1.98, V4-Flash $0.14/$0.28, попадание в кэш $0.003; закрытые флагманы по официальным ценам обычно дороже открытых моделей в 5~10 раз (точные цены уточняйте на официальных сайтах).
Веса V4 открыты под лицензией MIT и допускают самостоятельное развёртывание, данные не покидают внутреннюю сеть; модели серии GPT доступны только через API. Для корпоративного комплаенса и офлайн-сценариев DeepSeek — решение по умолчанию.
Если нужен абсолютно самый мощный вариант — выбирайте GPT-5.6; если нужны 90% возможностей + 1/10 цены + возможность самостоятельного размещения — выбирайте DeepSeek, задействовав двухуровневую маршрутизацию: deepseek-flash как повседневный вариант по умолчанию и переход на V4-Pro для сложных задач.
大模型网摘