原文：GPT-5.6 Sol暴涨3倍，OpenAI最强视觉AI登顶！
第三方视觉评测机构Roboflow对OpenAI的GPT-5.6系列进行VLM基准测试。GPT-5.6 Sol在目标检测上得分46.2，较上一代GPT-5.5的13.8分增长超三倍，被Roboflow负责人称为OpenAI最强视觉模型。计数准确率从64.9%升至73%，文档版面识别表现亮眼，但在定向提取上较前代下降5个点。OpenAI承认Sol在大图或低推理档位下检测框不稳定。
第三方视觉评测机构Roboflow对OpenAI的GPT-5.6系列进行VLM基准测试。GPT-5.6 Sol在目标检测上得分46.2，较上一代GPT-5.5的13.8分增长超三倍，被Roboflow负责人称为OpenAI最强视觉模型。计数准确率从64.9%升至73%，文档版面识别表现亮眼，但在定向提取上较前代下降5个点。OpenAI承认Sol在大图或低推理档位下检测框不稳定。
GPT系列此前在目标检测上表现极差（GPT-5.5仅13.8分），而GPT-5.6 Sol得分飙升至46.2，提升了三倍多，且在计数和文档版面识别上有显著进步，标志着OpenAI在多模态视觉能力上的实质突破。
大模型画框时需逐坐标输出数字，物体越多输出越长，出错概率越高。GPT-5.6通过改进模型架构或训练数据，在该任务上大幅提升。但OCR识别中定向提取能力反而下降，且检测框在大图或低推理档位时不稳定，OpenAI归因于尺寸和推理档位。
对于做合同、发票、报表处理的产品，文档流水线第一步的版面识别得到增强，可提升自动化效率。但需权衡成本与稳定性：Sol约2.5美分/张、10秒/张，且大图需预处理。面对高频大批量检测计数任务，Gemini 3.5 Flash性价比更高。