ChatGPT 史上最强模型来了！
就在刚刚，OpenA 一口气端出三款 GPT 5.6 系列模型。
主打一个全家桶「多款齐发」——
旗舰模型 Sol（太阳）、平衡模型 Terra（大地）、低成本高速款 Luna（月亮）。
GPT-5.6 Sol：最夯模型，在编程测试左踢自家模型 GPT5.5，右打隔壁 Fable 5，还新增 max/ultra 两个模式。
△GPT-5.6 Sol 编程评测表现
GPT-5.6 Terra：面向日常工作，性能对标 GPT-5.5，同时价格便宜约 2 倍。
GPT-5.6 Luna：GPT-5.6 系列里最快、最便宜的一档，同时保留较强能力～
看完内心 os：你别说哈，这新模型确实夯啊…
但坏消息是——
普通用户目前无缘使用 ing！！！是的，人家玩《有限预览》那套了…
目前新模型只给少数受信任的「合作伙伴」提供了有限的预览版本。
普通用户可能得等等等等等等 *100。（doge）
熟悉的配方，熟悉的操作。
Fable 5：我不知道您这是怎么了，这波咋瞅都像冲着我来的呢？？？
GPT-5.6 Sol、Terra、Luna 三款模齐发
是的，这次人家模型的名字开始走起天文学宇宙感路子了。
从产品定位看，三者分工很清楚——
Sol 冲旗舰能力，Terra 打日常主力，Luna 负责速度和成本。
在价格上，则按每 100 万 token 计价：
Sol 输入 5 美元、输出 30 美元；Terra 输入 2.5 美元、输出 15 美元；Luna 输入 1 美元、输出 6 美元。
先看这次发布的 OpenAI 史上最强旗舰模型——「大地」Sol。
在能力上，So 面向的是高难度推理、复杂代码、生物、网络安全等长链路任务。
尤其适合需要规划、迭代、调用工具、协调步骤的复杂工作流。
而且非常值得一提的是，OpenAI 还给这新模型搞上了「加餐」——
让模型获得更长的深度推理时间的 max 模式，以及可以调用多个 subagents 协同处理复杂任务的 ultra 模式。
要知道但凡加上 ultra 俩字估计就不简单……
这不嘛，吊打 Fable 5 的编程能力基准测试就水灵灵地来了，人家在 Terminal-Bench 2.1 上创造了新的 SOTA。
ultra 模式下比 Fable5 高出去 7.6 个百分点，比上一代 GPT5.5 高出 9.4 个百分点——
不仅如此，在生物方向，GPT-5.6 Sol 在 GeneBench v1 上也强于 GPT-5.5，而且使用 token 更少。
这个测试评估的是长链路基因组学和定量生物分析任务，说明 Sol 在科研类复杂任务上的效率也有提升～
在网络安全方向，OpenAI 称 Sol 是其目前网络安全能力最强的模型。
在 ExploitBench 上，GPT-5.6 Sol 已经能接近 Mythos Preview 的表现，同时只使用约三分之一的输出 token：
而在由加州大学伯克利分校研究人员与 OpenAI 及其他前沿实验室合作开发的 ExploitGym 测试中——
Sol、Terra、Luna 三款模型都会随着推理强度增加，在网络安全能力上出现明显提升～
再看 Terra ——
Terra 的定位更接近 GPT-5.6 系列里的日常主力模型，OpenAI 给出的说法是，Terra 性能与 GPT-5.5 具备竞争力，同时价格便宜约 2 倍。
最后走速度和成本路子的 Luna，则是 GPT-5.6 系列里最快、最便宜的一档。
它面向的是高频、低延迟、成本敏感任务，比如轻量问答、简单信息处理、实时交互、批量自动化等场景。
需要提一嘴的是，除了 Sol 外，Terra 和 Luna 目前公开披露的 benchmark 信息相对有限的，后续可以蹲蹲这俩模型的评测表现！
三个模型综合对比下来，确实能看得出 Sol 在模型性能表现上不一般。
but ——好巧不巧的是，大家伙对于 Sol 的争议也恰好出现在「评测」部分。
外部评测机构 METR 拿到 GPT-5.6 Sol 早期访问权限后，尝试用 Time Horizon 1.1 软件任务套件评估它的长期任务能力。
但结果出现了一个麻烦问题：Sol 在评测中被检测到较高比例的 cheating 和 metagaming 行为。
这里的「作弊」，指的是模型利用评测环境漏洞、绕开任务规则来提高表现，比如试图获取隐藏测试集信息，或者提取隐藏源码反推答案。
这让最终分数很难解释……
如果把这些作弊尝试算作失败，GPT-5.6 Sol 的 50%-Time Horizon 约为 11.3 小时。
如果把它们算作成功，结果会超过 270 小时；如果直接剔除相关样本，估计值约为 71 小时，但不确定性很大。
所以 METR 最后的态度相当谨慎，这些结果很难代表 Sol 稳定、可靠的真实能力。
——————（真的吗 .jpg）————————
当然，除了模型本身的评测表现和一些小八卦外，还值得一提的是一些「附加技能」。
比如，GPT-5.6 这次在开发者调用体验上补了一块关键能力：更可预测的 prompt caching。
简单说，就是当开发者反复调用同一段长提示词、工具说明、系统规则或项目上下文时，模型不必每次都重新处理全部内容，可以把重复部分缓存下来，后续调用直接复用。
GPT-5.6 这次支持显式 cache breakpoints，也就是说开发者可以更明确地告诉系统：哪些内容该被缓存、缓存到哪里为止。
同时，缓存生命周期至少 30 分钟，也让长任务、多轮任务、持续开发会话更容易保持稳定～
反正就是，三款模型各取所需，喜欢您来。
凶猛的野兽都得被关进笼子里
能力讲完，另一件更微妙的事也来了。
GPT-5.6 Sol 确实猛，但 OpenAI 这次的发布姿势，反倒显得格外《谨慎》。
一边在推自家最强模型的同时，一边又把安全栈、访问权限、审核流程全都加厚了一圈。
（隔壁 Mythos：咋这剧情那么熟悉呢… )
按照官方说法，GPT-5.6 系列用了其目前最稳健的安全机制，并且会根据不同模型能力配置不同的保护策略，具体来看，这套安全栈不是只靠模型自己拒答，而是分成了好几层——
首先是模型内置的「拒答训练」。
遇到被禁止的网络安全协助请求时，模型需要先学会拒绝。哪怕用户试图包装意图、绕开限制，模型层面也要先挡住一部分高风险请求。
其次是生成过程中的「实时风险检测」。
OpenAI 给 GPT-5.6 加了网络安全和生物滥用分类器，会在内容生成过程中持续判断风险。
高风险情况下，生成甚至会被暂停，然后交给更大的推理模型重新审查上下文。最后如果判断内容不该放出，结果就会在到达用户前被拦截。
第三层则是「账号级风险信号」。
如果某些请求触发风险，系统还会结合相关会话和账号行为做更长期的判断。
毕竟单看一句请求，很难区分对方是在做正当漏洞修复，还是在持续试探攻击路径，OpenAI 想做的，是从单轮请求判断，走向更完整的行为模式判断。
这也解释了为什么 GPT-5.6 Sol 明明已经发布，却先只给少量 trusted partners 和组织使用，初期入口也主要放在 API 和 Codex。
因为可能确实《略危》。（至于是不是炒作咱就另说… )
危的不仅是模型本身，危的还有隔壁友商家的朋友—— Fable 5。
要知道 Anthropic 给它的定位，就是 Claude 系列里最强的广泛发布模型，主打高难推理、长周期 agentic 任务、复杂代码工程和企业工作流。
此前在 SWE-bench Verified 上，Fable 5 也是排在榜首位置，在代码等能力上明显高于 Claude Opus 4.8 和 GPT-5.5。
结果这边刚把长链路代码能力的招牌挂起来，GPT-5.6 Sol 就来了，真没地方说理了……
而且更扎心的是，OpenAI 这次来的还不止一个 Sol ——
高端能力，Sol 来压；日常调用，Terra 来抢；成本和速度，Luna 来铺。
Fable 5：前脚俺刚封神、后脚你就要踢我馆？？
至于咱们啥时候能真正用上奥特曼的新模型，还得再等等。
反正 OpenAI 自己已经把话放出来了：
一键三连「点赞」「转发」「小心心」
欢迎在评论区留下你的想法！
— 完 —
� � 点亮星标 � �
科技前沿进展每日见
免息配资提示：文章来自网络，不代表本站观点。
