GPT-5.6各模型成本/性能比曲线

Codex 帕累托前沿：Luna High → Terra Max → Sol Max —— 验证了全部 15 种测量模式下的成本/性能比

我想算一算 GPT-5.6 模型和推理工作量（reasoning effort）的哪些组合能够在消耗的配额（quota）下，提供性价比最高的编程性能。

这张图绘制了所有 15 种经过定量测量的 Luna、Terra 和 Sol 配置，采用了以下坐标系：

• 
  

  X 轴：每个任务的平均配额等效成本（以 Luna High 为基准进行归一化）

  
  


• 
  

  Y 轴：CursorBench 3.2 编程智能体（coding-agent）的性能得分

  
  


• 
  

  黄色圆圈：推荐的基线以上进阶路径（above-floor progression）

  
  

最终得出的“三步阶梯”如下：

关键数据：

• 
  

  Luna High：1.00× 配额成本，得分 56.8%

  
  


• 
  

  Terra Max：3.52× 配额成本，得分 64.9%

  
  


• 
  

  Sol Max：6.94× 配额成本，得分 67.2%

  
  

这意味着：

• 
  

  完成 1 个 Terra Max 任务的成本，大约相当于 3.52 个 Luna High 任务

  
  


• 
  

  完成 1 个 Sol Max 任务的成本，大约相当于 1.97 个 Terra Max 任务

  
  


• 
  

  Sol Max 是最前沿的性能极限，但它的成本几乎是 Terra Max 的两倍，而换来的基准得分提升却比较有限。

  
  

Ultra 模式没有包含在这次的定量图表中，因为它属于一个独立的多智能体（multi-agent）模式，目前在相同的测试框架下还没有直接可比的评分与成本结果。

更正与致歉：我之前发布过这个图表的一个早先版本，里面包含了几个数据转录和绘图上的错误。那是我的失误，先前的版本大家请直接忽略。感谢所有指出问题的朋友 —— 是你们帮助我发现了错误，并让我能够重新准确地做出了这份分析。

目前这个新版本是基于已验证的电子表格制作的，同时与最新的 CursorBench 3.2 测验结果以及官方 OpenAI 模型文档进行了交叉比对；图表完全是通过底层数据用代码程序化生成的，而不是用图像生成模型重新绘制的。

注：最大思考模式（max thinking mode）是 Codex 中的一个隐藏选项，你必须去设置里手动开启。考虑到它竟然是两个进阶梯度上性价比最高的帕累托前沿模式，这种隐藏的设置确实让人觉得挺奇怪的。

转贴自：https://www.reddit.com/r/codex/comments/1ut3bnp/the_codex_pareto_frontier_luna_high_terra_max_sol/