GPT-5.6來了：旗艦版碾壓GPT-5.5，價格卻沒漲

GPT-5.6來了，但……這是個什么型號？

這次OpenAI沒有沿用過去大家熟悉的Pro、Mini、Instant這類命名，而是一次性端出了三個名字：GPT-5.6 Sol、GPT-5.6 Terra、GPT-5.6 Luna。

Sol是太陽，Terra是地球，Luna是月亮。

聽起來很花哨，像一個新的模型宇宙。但它其實還是我們熟悉的那套產品分層：一個最強的旗艦模型，一個日常使用的均衡模型，一個便宜、快速、適合大規模調用的輕量模型。

OpenAI官方說法是：GPT-5.6系列會在未來幾周全面開放，但目前先應美國政府要求，在Codex和API中向一小群“值得信賴的合作伙伴”進行有限預覽。

讓我們先來了解一下已公開的情報。

01

最高檔和GPT 5.5同價

OpenAI這次給GPT-5.6分了三檔：Sol、Terra、Luna。

按照官方說法，Sol是旗艦模型，Terra是面向日常工作的均衡模型，Luna則是快速、便宜的輕量模型。

三檔模型一口氣全放了出來，基本對應大模型產品里最常見的三層結構：最強模型負責能力上限，中間模型負責大多數日常任務，輕量模型負責速度、成本和高并發調用。

從價格就能看出三者的層級。

按照OpenAI公布的API價格，GPT-5.6按每100萬token計費：Sol是輸入5美元、輸出30美元；Terra是輸入2.5美元、輸出15美元；Luna是輸入1美元、輸出6美元。

相信大家可能注意到了：GPT-5.6 Sol雖然是新一代旗艦模型，但價格對齊的是GPT-5.5標準版，而不是GPT-5.5 Pro。

Terra則直接降到GPT-5.5的一半，Luna只有GPT-5.5的五分之一。

GPT-5.5 Pro依然是當前OpenAI最貴的模型，價格是輸入30美元/百萬token，輸出180美元/百萬token，價格是GPT-5.5標準版和GPT-5.6 Sol的6倍。也不知道之后會不會再出一個“更適合專業任務”的GPT-5.6 Universe（只是開玩笑）。

Sol是這次GPT-5.6系列里的最高檔，也是官方公告里花最多篇幅介紹的模型。

OpenAI把GPT-5.6 Sol稱為目前最強模型，重點展示了它在寫代碼、生物研究和網絡安全上的能力。

簡單說，Sol的定位是“最會干活的模型”，它對應的不是普通聊天場景，是更復雜、更接近真實工作的任務。

比如在代碼場景里，它可以圍繞一個目標持續推進：先理解問題，再拆步驟，然后調用工具、運行命令、檢查結果，出錯了再改，直到任務完成。

為了支撐Sol處理更難的任務，OpenAI給GPT-5.6引入了兩個新機制。

第一個叫max reasoning effort，可以翻譯成“最大推理強度”。

通俗理解，就是讓Sol有更多時間想清楚問題、花更長時間進行深度推理，適合那些不能靠第一反應解決的復雜任務。

第二個叫ultra mode，可以理解為“超強模式”。

這個模式的重點是讓多個子智能體一起參與復雜任務，可以理解為：過去是一個AI助手自己干活，現在是一個“AI經理”帶著幾個小助手分頭處理問題，從而加快復雜工作的推進。

Terminal-Bench 2.1就是一個更接近真實開發流程的測試，考的是模型能不能在命令行環境里一步步解決問題。GPT-5.6 Sol在該測試中拿到了88.8%的高分，Ultra模式下得分更高。

OpenAI特別提到，等模型更廣泛開放時，還會公布一套更完整的評測結果。

Terra是中間檔。

OpenAI對Terra的介紹沒有那么長，但定位很清楚：它是面向日常工作的均衡模型。

也就是說，它不一定追求最強，但要在效果、速度和成本之間取得平衡。官方強調，Terra的能力接近GPT-5.5，但價格便宜一半。

在OpenAI的設想中，Terra很可能才是GPT-5.6系列里最常用的那一檔。普通辦公任務很多時候不需要Sol那樣的最高能力，但需要穩定、便宜、好用。

在Terminal-Bench 2.1測試中，GPT-5.6 Terra拿到了84.3%，和Claude Fable 5持平。

Luna則是最低成本檔。

OpenAI對Luna的定位也很簡單：快，便宜，它適合大量、高頻、對成本敏感的任務。

比如批量摘要、文本分類、信息抽取、簡單問答等等，這些任務本身不一定復雜，但調用量可能非常大。Luna的作用，就是把這些輕量任務用更低成本跑起來。

這三檔模型，Sol負責最高能力，Terra負責日常工作，Luna負責速度和成本，聽起來花哨，但OpenAI只是把大模型行業已經很成熟的分層重新包裝了一遍。

不過我覺得名字什么的并不重要，便宜好用就行。

02

性價比這一塊兒

只看官方公告，GPT-5.6 Sol這次放出的benchmark并不算多。OpenAI自己也說，現在只是為了讓外界提前了解模型性能，所以先分享一組評估結果。

但放出來的這組benchmark方向很明確，集中展示了三個領域：代碼、生物學和網絡安全。

前面提到的Terminal-Bench 2.1就屬于代碼方向，它考的是模型能不能在命令行環境里完成真實開發流程，包括規劃、反復修改、調用工具和驗證結果。

除了代碼，OpenAI還重點提到了一個生物學benchmark：GeneBench v1。

GeneBench v1評估的是長周期的基因組學和定量生物學分析任務，重點看模型能不能處理更接近真實科研流程的分析問題。

按照OpenAI的說法，GPT-5.6 Sol在GeneBench v1上比GPT-5.5表現更強，而且使用的token更少。

第三個重點方向是網絡安全。OpenAI稱，GPT-5.6 Sol是它目前最強的網絡安全模型，尤其是在長周期安全任務上（包括漏洞研究和漏洞利用相關任務）。

這里有一個benchmark叫 ExploitBench——它不是一般的安全問答，是更接近漏洞利用場景的評估。

OpenAI稱，在ExploitBench上，GPT-5.6 Sol的表現可以和Mythos Preview媲美，但只用了大約三分之一的輸出token。

雖然，官方給出的這張圖上還有一定差距。

可以看出，OpenAI這次反復強調：他們在能力強的同時，效率也特高。

更少的輸出token，意味著模型完成同類任務時可能更簡潔、更少繞路，也可能意味著實際調用成本更可控。

OpenAI還提到了另一個網絡安全benchmark：ExploitGym。

這個benchmark是UC Berkeley研究人員與OpenAI以及其他前沿實驗室合作創建的。OpenAI說，在ExploitGym上，GPT-5.6 Sol、Terra、Luna三檔模型都顯示出明顯的網絡安全能力提升，而且隨著推理強度提高，表現也會變強。

意思是，GPT-5.6的提升不只是模型本體變強，也和推理方式有關。給模型更多時間思考、讓它做更長鏈條的推理，結果就會更好。

03

關于有限預覽

如果說Sol、Terra、Luna是GPT-5.6表面上的變化，那么更值得關注的事情是，OpenAI這次沒有直接全面開放。

按照官方公告，目前GPT-5.6只會先在Codex和API中，向一小群“值得信賴的合作伙伴”進行有限預覽。

并且，這次有限預覽是“應美國政府要求”進行的，參與預覽的合作伙伴名單已經和美國政府共享。

最近一段時間，美國政府正在明顯加強對前沿AI模型的介入，尤其是那些具備更強代碼、網絡安全和agent能力的模型。

今年6月，美國政府發布了新的AI網絡安全相關行政令，提出要建立一個自愿框架，讓前沿模型開發者在模型更廣泛發布前，與政府進行接觸和評估。

法律界對這份行政令的解讀是：它名義上不是強制許可、也不是正式審批制度，但已經搭起了一個政府參與模型發布前評估的制度框架。

GPT-5.6 Sol“先小范圍預覽、名單與政府共享”的發布模式，可以看做前沿模型的發布流程里，第一次出現了清晰的政府介入痕跡。

OpenAI自己也在公告里解釋，之所以采取這種方式，是為了和政府一起探索一個可重復的流程，用來支持未來的模型發布。

政府介入背后，核心原因是網絡安全。

官方公告里，網絡安全占了非常大的篇幅：OpenAI一邊強調GPT-5.6 Sol是它目前最強的網絡安全模型，能在漏洞研究、漏洞分析、安全防御等長周期任務上提供更強幫助；另一邊又花了大量篇幅解釋，它沒有跨過自己的Cyber Critical門檻。

OpenAI的準備框架里，把高風險能力分成不同等級。達到High，意味著模型可能放大已有的嚴重風險；達到Critical，則意味著模型可能帶來前所未有的新型嚴重風險。

OpenAI反復強調GPT-5.6 Sol沒有達到Cyber Critical，其實是在告訴政府、客戶和公眾：這個模型很強，尤其在網絡安全任務上很強，但還沒有強到可以自主完成最危險的網絡攻擊鏈。

網絡安全能力就像一把雙刃劍，它越強，越能幫防御者找漏洞、寫補丁、做安全測試；但也正因為它很強，政府也會擔心它被濫用。

雖然OpenAI承認這次發布需要和政府一起摸索流程，但它也在官方公告里明確說明，他們不認為這種政府訪問流程應該成為長期默認機制。

理由是：如果最強工具總是被拖延開放，用戶、開發者、企業、網絡防御者和全球合作伙伴都會更晚拿到最好的工具。

某種意義上，前沿模型正在進入一個新的發布階段。

當大模型的能力集中到代碼、生物、網絡安全和智能體執行這些領域，它就會開始被當成一種可能影響現實世界安全的技術。

而一旦技術被這樣看待，發布權就很難再完全留在公司自己手里。（作者/袁心玥）