Arena 上线 GPT-6 Sol 与 GPT-6 Luna 测试，评分待公布

Arena 于 2026 年 9 月 22 日宣布，OpenAI 的 GPT-6 Sol 与 GPT-6 Luna 已上线其测试环境，两项评分即将公布。平台邀请用户前往实测，并通过投票参与真实智能体任务，以支持其排行榜结果。

此前 Arena 主要围绕已有模型进行对战与评分，此次直接上线 OpenAI 两个尚未公布评分的 GPT-6 系列模型，并引入真实智能体任务投票，意味着评估对象从对话能力向任务执行能力延伸。

Arena 通过用户实测加投票的方式生成排行榜，将模型能力交由真实任务表现而非单一基准决定。引入智能体任务后，评估维度从文本生成扩展至多步骤执行，评分结果会直接影响开发者对模型的选用判断。

若评分公布，产品团队可依据 Arena 榜单在 GPT-6 Sol 与 GPT-6 Luna 之间做选型，研发需针对智能体任务重新设计评测与提示流程，成本评估也需从单次调用转向多步任务消耗。

• 在 Arena 开放投票后，安排内部人员实测 GPT-6 Sol 与 GPT-6 Luna，记录真实智能体任务的成功率与失败模式。
• 基于 Arena 智能体任务榜单，建立团队内部的模型选型对照表，并随评分更新迭代。
• 针对多步骤任务场景，提前准备提示与工具调用模板，待评分公布后快速切换模型。

• GPT-6 Sol 与 GPT-6 Luna 的具体评分何时公布？
• 两个模型在能力、价格和适用场景上有何差异？
• Arena 的真实智能体任务具体包含哪些类型？
• OpenAI 是否已正式发布这两个模型，还是仅限 Arena 测试？