01HTML
MODEL ARCHIVE · M03 · OpenAI
● 15 件归档作品GPT-5.6 Sol
Phase 1 的 15 个任务由 Codex CLI 0.147.0 以 medium effort 执行；每题一个独立会话。运行有完整的工具调用记录，收尾审查为正常逐维度审查（非「无遥测默认遵守」）。
版本口径: 版本以逐运行的快照记录为准（`environment.reportedModelId`）；不填单一版本号，避免把未独立确认的值写成既定事实。SELECTED WORKS
查看全部任务 →精选作品
先看作品，再看数据。
ARCHIVE STATISTICS
档案统计
运行15
累计用时1:16:46
API 调用120
工具调用76
失败 / 重试1
总 token 过路量431.6万
批次
原始报告 ↗GPT-5.6 Sol · Phase 1
由 15 个 run 的逐题指标求和；每题一个独立会话；任一题缺失的指标记 null，不按 0 补齐。
任务数15
会话数15
累计用时1:16:46
API 调用120
工具调用76
失败 / 重试1
输入 token4,187,022
输出 token129,130
缓存读 token3,650,560
费用未记录
PHASE PROGRESS
阶段进度
SNAPSHOTS
模型快照（harness 报告的 model id）
本次运行实际使用的模型快照；同一模型的不同快照不构成同一配置。
当前medium effort（Codex CLI 0.147.0）
gpt-5.6-solharness（Codex `turn_context`）报告的 model id，记录在 phase-01 各运行的 submission.json；供应商侧快照未经独立确认。CRITICAL NOTES
阶段评估
82.9/100
AI 评价，非盲评（评价者已读题目文档、本阶段归档与各模型同题档案）
维护 agent v3——非盲评、自定五维口径；不可与其他评委、模型或阶段比较，也不合成排名。原始报告 ↗
本模型目前只有 1 份 AI 阶段评估（82.9/100），不计算均分；各评委口径不同，不跨模型比较。
ALL WORKS
全部作品
RUN HISTORY
运行历史
本题库每个题目每次运行一行；点击进入完整档案。
| RUN ID | 任务 | 运行时间 | API 调用 | 工具调用 | Token 过路量 | |
|---|---|---|---|---|---|---|
| 01.C.01 | Aevum 奢侈腕表落地页 | 6:06 | 4 | 3 | 13.4万 | 查看档案记录 → |
| 02.C.01 | 骑自行车的鹈鹕 | 2:06 | 3 | 2 | 8.8万 | 查看档案记录 → |
| 03.C.01 | 模拟时钟 6:25 | 2:15 | 8 | 6 | 19.9万 | 查看档案记录 → |
| 04.C.01 | 模拟时钟 11:52:30 | 2:02 | 3 | 2 | 8.6万 | 查看档案记录 → |
| 05.C.01 | 侧面骑自行车的人 | 2:19 | 4 | 3 | 11.3万 | 查看档案记录 → |
| 06.C.01 | 手持剪刀剪纸 | 2:22 | 4 | 3 | 11.5万 | 查看档案记录 → |
| 07.C.01 | 推独轮车的人 | 3:09 | 12 | 11 | 36.3万 | 查看档案记录 → |
| 08.C.01 | 单文件打砖块游戏 | 7:03 | 13 | 6 | 54.6万 | 查看档案记录 → |
| 09.C.01 | 单文件俯视角农场游戏 | 5:10 | 4 | 3 | 13万 | 查看档案记录 → |
| 10.C.01 | 像素画编辑器 | 6:14 | 7 | 6 | 22.1万 | 查看档案记录 → |
| 11.C.01 | 2D 户型图编辑器 | 9:04 | 22 | 7 | 103.2万 | 查看档案记录 → |
| 12.C.01 | 计算器应用 | 6:04 | 16 | 8 | 60.9万 | 查看档案记录 → |
| 13.C.01 | 天气仪表盘 | 6:29 | 6 | 5 | 19万 | 查看档案记录 → |
| 14.C.01 | 银行网站 | 9:31 | 6 | 5 | 21.6万 | 查看档案记录 → |
| 15.C.01 | 读书追踪应用 | 6:52 | 8 | 6 | 27.4万 | 查看档案记录 → |
提供方OpenAI
作品15
AI 均分82.9/100（1）
归档提交
92815760057a…