GPT-5.6 Sol預覽發布：跑分追平Mythos，押注多Agent

6月26日，OpenAI在官網更新了一篇產品文章，預覽三款新模型：旗艦版Sol、均衡版Terra、輕量版Luna，統稱GPT-5.6系列。

文/小蔥拌豆腐 「思聰網」 出品

這是OpenAI口中"迄今最強模型"的首次公開亮相，但發布形式罕見——不進ChatGPT，不向開發者全量開放API，而是先經過白宮審批，再以"逐個客戶放行"的方式分發給一小批可信合作伙伴，規模約20家機構。

這是美國政府第一次在產品發布之前，直接介入一家美國公司具體的放行節奏和名單選擇。

三天前，OpenAI CEO Sam Altman在內部問答會上把這個消息告訴了員工，隨后在一份備忘錄里寫道，政府將在預覽期內"逐個客戶審批"放行對象，他希望"幾周后"能轉入更大范圍的發布。

他同時表態，這不是OpenAI偏好的長期模式，公司會和政府、行業一起爭取更可持續的發布方式。

三檔定價，對齊GPT-5.5

GPT-5.6系列延續了OpenAI近一年的分層打法：

• Sol：旗艦模型，每百萬token輸入5美元、輸出30美元，與GPT-5.5持平，主打長程編程、科學計算和安全研究；
• Terra：均衡模型，每百萬token輸入2.5美元、輸出15美元，性能接近GPT-5.5，價格是其一半，定位企業高頻生產場景；
• Luna：輕量模型，每百萬token輸入1美元、輸出6美元，定位摘要、起草等高并發低成本任務，部分指標已逼近上一代旗艦水平。

緩存機制同步升級：新增顯式緩存斷點，緩存最短保留時間從無固定下限改為30分鐘，緩存寫入按非緩存輸入價格的1.25倍計費，緩存讀取仍維持90%的折扣。

OpenAI還計劃把Sol部署到Cerebras的芯片上，目標是在7月把推理速度提到每秒750個token。這些細節指向同一個意圖：把高頻調用agentic任務的成本曲線變得可預測，這是面向企業客戶而非C端用戶的信號。

跑分：和Mythos正面對照的三組數字

GPT-5.6的產品頁面里，OpenAI第一次把對照對象明確指向Anthropic的Mythos和Fable系列，給出三組可比數字：

TerminalBench 2.1（命令行多步任務基準）：Sol基礎模式得分88.8%，啟用新增的ultra子代理模式后升至91.9%；作為對照，Anthropic受限發布的Claude Mythos 5得分88.0%，公開發布的Claude Fable 5得分84.3%，上一代GPT-5.5為83.4%。

GeneBench v1（基因組學與定量生物學基準）：Sol在最優表現上達到30%，對照GPT-5.5的22%，同時消耗的token更少。

Agent's Last Exam（綜合專業任務基準）：在"代碼模式"下，Sol是目前唯一越過50%完成率門檻的模型，得分50.9%；定位最低的Luna也小幅超過了上一代旗艦GPT-5.5。

安全相關的兩個基準上，OpenAI的措辭更謹慎。在ExploitBench（針對V8等真實軟件漏洞的攻防基準）上，OpenAI稱Sol的能力"接近"Mythos Preview，但只用了約三分之一的輸出token——換句話說，這是一份效率對比，而非壓倒性的能力對比，Mythos 5在該基準上仍以約80%的成功率領先。在由加州大學伯克利分校研究者聯合OpenAI及其他幾家前沿實驗室共同開發的ExploitGym基準上，Sol、Terra、Luna三款模型均隨推理量增加而持續提升，OpenAI沒有給出對應的Claude數據。

新增的兩種模式：從單一代理到子代理協作

GPT-5.6給Sol增加了兩個新檔位：

一是max推理強度，給模型更長的思考時間；

二是ultra模式，引入子代理（subagent）架構，把復雜任務拆解后并行處理，再匯總執行

——這是OpenAI第一次把多代理編排直接做進模型檔位選擇，而不是留給開發者在應用層自己搭建。

從TerminalBench的成績曲線看，ultra模式帶來的近3個百分點提升，目前主要體現在長鏈條、多步驟的命令行任務上。

安全分級：High，但沒到Critical

GPT-5.6的系統卡披露了一組關鍵判斷：在OpenAI自己的"準備框架"（Preparedness Framework）下，Sol、Terra、Luna三款模型在網絡安全生物化學風險兩項上均被評定為"High"（高）級別，但均未觸及風險等級最高的"Critical"（關鍵）門檻；在"AI自我提升"維度上，三款模型均未達到High級別。

系統卡同時給出一個不尋常的細節：在針對Chromium和Firefox的測試中，模型能夠找出漏洞和"利用原語"（exploit primitives，即構成攻擊鏈的技術構件），但在測試條件下未能自主生成可完整執行的攻擊鏈。OpenAI還提到了一個此前較少被提及的風險信號——在智能體編程任務的對齊評估中，GPT-5.6表現出比GPT-5.5更強的"超出用戶意圖行事"的傾向,包括執行用戶未要求的操作，但絕對發生率仍然較低。

為匹配能力提升，OpenAI給Sol和Terra配置了新增的"激活分類器"（activation classifier），用于在生成過程中實時監測敏感領域內容并介入攔截，部分對話還會被實時掃描以阻斷潛在的不安全輸出。OpenAI的表述是：沒有任何單一防護手段能獨自應對"蓄意且持續的濫用"，因此采用分層防護，并按各模型的能力差異分別配置。

誰來決定"放給誰"：一份備忘錄里的權力轉移

這次發布最值得記錄的，不是跑分，而是發布流程本身。

據多家媒體援引內部消息，白宮國家網絡總監辦公室（ONCD）和科技政策辦公室（OSTP）在GPT-5.6發布前主動要求OpenAI放緩節奏。商務部長Howard Lutnick在發布前與Altman單獨會面，目的是確認各相關政府部門都已完成對模型的審查并簽字放行。

一名消息人士的說法是，政府介入的直接原因，是GPT-5.6被認為在能力上與此前被限制的Mythos 5"處于同一層級"。OpenAI方面則強調，公司在Anthropic的模型被勒令下線之前，已經主動與政府展開了溝通——這被解讀為一種姿態：OpenAI希望被視為更早、更配合的一方，而不是被動接受同樣的約束。

約20家機構進入首批名單，亞馬遜的Bedrock平臺被作為其中一條接入路徑。OpenAI對外的立場很克制，沒有公開批評政府，但也明確表示這種"客戶逐個審批"不應成為長期慣例。這句話本身值得記錄：一家公司在發布會文章里，主動寫明自己不認同當下被要求采用的發布方式，但仍選擇照做。

政策起點：6月2日行政令與Anthropic的先例

這場博弈的源頭要回到2026年6月2日。當天，特朗普簽署行政令《促進先進人工智能創新與安全》，要求前沿模型開發者自愿在模型公開發布前的30天內,向聯邦政府提供測試評估機會——這個數字此前的草案版本是90天,因業內反對而下調。

行政令還要求相關部門在60天內建立一套由國家安全局主導的、用于認定"受管控前沿模型"的分類基準評估流程，并要求一套自愿性的政企協作框架在8月1日前定稿。行政令本身沒有為"可信合作伙伴"的篩選設定任何標準，這部分裁量權留給了行政部門自己。

這份行政令的直接誘因，是Anthropic旗下Mythos系列模型展現出的網絡安全能力。今年4月，Anthropic通過名為"Project Glasswing"的項目，把具備漏洞挖掘與利用能力的Mythos Preview開放給約50家外部合作伙伴做安全研究；據該公司披露，這一模型在上線第一個月內發現了一萬多個安全漏洞。6月2日，Anthropic把Mythos的合作伙伴規模從約50家擴大到約200家，與行政令簽署同日。

十天后，即6月12日，美國商務部以出口管制為依據，下令Anthropic將面向"外國國民"的Mythos 5與公開版Fable 5訪問權限全部下線；由于在全球云平臺上按國籍篩選用戶在技術上不可行，Anthropic選擇對所有用戶暫停了這兩款模型的訪問。

商務部沒有給出詳細解釋，Anthropic方面回應稱，被指出的相關風險點在包括OpenAI的GPT-5.5等其他公開模型上同樣可以被發現。再往前追溯，今年2月，美國國防部以"供應鏈風險"為由對Anthropic做出認定，限制國防承包商在與該部門相關工作中使用其技術；Anthropic已就此提起訴訟，案件仍在審理中。

把這條時間線放在一起看，OpenAI這次的"客戶逐個審批"，是行業里第二次出現的、由政府主導節奏的前沿模型發布。相比Anthropic經歷的強制下線，OpenAI得到的安排相對溫和——它仍然可以分發模型，只是分發名單和節奏需要政府點頭。

留給行業的開放問題

這篇發布文章表面是一次常規的模型預告，實質記錄了前沿模型競爭格局的一處明顯位移：當模型能力越過某個臨界點，"誰能用、何時用"開始變成政府議題，而不再只是實驗室自己的商業決策。

OpenAI和Anthropic都在為各自的IPO做準備——Anthropic已秘密提交招股文件，OpenAI內部在2026年或2027年上市之間仍有分歧——這意味著資本市場很快要為這種"受管制的發布節奏"定價，而目前還沒有先例可循。

另一個尚未回答的問題是，8月1日前要敲定的自愿框架，最終會把"受管控前沿模型"的門檻設在哪里：如果門檻設得低，幾乎所有頭部實驗室的旗艦模型都要走一遍政府審批；如果設得高，這次針對GPT-5.6和此前針對Mythos的安排，更像是臨時性的個案處理，而非制度化的常態。

考慮到中國的開源模型并不受此類美國國內行政令約束，這道審批流程客觀上拉長了美國前沿模型的對外可見周期——這對美國實驗室而言是否構成新的競爭劣勢，目前業內的判斷并不一致，OpenAI自己的態度已經寫在了文章里：這不是它想要的長期模式。