ITCOW牛新网 7月10日消息，OpenAI 于今日正式推出 GPT-5.6 系列大模型，包含旗舰版 Sol、均衡版 Terra 及主打性价比的 Luna 三款，即日起通过 ChatGPT、Codex 及 OpenAI API 向全球开放。OpenAI 强调，新系列在多项关键基准测试中全面超越 Anthropic 旗下 Claude Fable 5，同时 token 消耗量与推理成本大幅降低，同等预算下用户可完成更多实质性工作，向 AI 行业竞争格局发出明确的性价比信号。
定价方面，Sol 每百万输入/输出 token 收费 5 美元/30 美元，Terra 为 2.50 美元/15 美元，Luna 为 1 美元/6 美元。据ITCOW牛新网了解，在面向专业工作流的 Agents’ Last Exam 评测中，GPT-5.6 Sol 以 53.6 分超出 Claude Fable 5 达 13.1 个百分点，即便采用中等推理设置，成本也约为 Fable 5 的四分之一；更具冲击力的是，定位更低的 Terra 和 Luna 在约十六分之一的成本下，基准测试得分仍超过 Fable 5，这一“降维打击”式的定价策略直接压缩了竞争对手的差异化空间。
旗舰模型 Sol 在编程能力上的提升尤为突出。在 Artificial Analysis 编程智能体指数测试中，Sol（最大推理设置）以 80 分创下新纪录，比 Fable 5 高出 2.8 分，输出 token 数量不及后者一半，耗时减少逾半，成本低约三分之一。在复杂命令行工作流测试 Terminal-Bench 2.1 中，Sol 以 88.8% 的得分领先；在面向真实代码库的长周期工程测试 DeepSWE v1.1 中，其得分达 72.7%，同样处于行业前列。企业用户实测数据印证了这一表现——代码审查平台 Qodo 联合创始人兼 CEO Itamar Friedman 表示，GPT-5.6 在其内外基准测试中均超越 GPT-5.5，每次代码审查所需 token 数量减少约三分之二，中位延迟降低约 50%。AI 开发平台 Lovable 联合创始人 Fabian Hedin 则指出：“采用 GPT-5.6 后，用户完成任务所需步骤减少约 25%，工具调用次数减少 35% 至 48%，项目失败率下降 15%。”
GPT-5.6 引入了分层计算调度机制，允许用户根据任务需求灵活选择推理深度。除标准的高推理设置外，OpenAI 新增 max 和 ultra 两档模式：max 给予模型更长思考和方案修正时间；ultra 则默认协调四个并行智能体，通过牺牲更高的 token 消耗换取更强结果和更短交付时间。在 BrowseComp 测试中，Sol Ultra 以 92.2% 的得分刷新纪录，在 OSWorld 2.0 中以 62.6% 的成绩超越 Claude Opus 4.8，且后者输出 token 用量比其多出 85%。SEC-Bench Pro 测试中 Sol 达 71.2%，而 GPT-5.5 仅为 45.8%。API 层面同步推出 Programmatic Tool Calling 功能，允许模型在内存中编写并运行轻量程序，自主协调工具并动态调整工作流，减少模型与工具之间的往返调用次数。
在网络安全领域，GPT-5.6 Sol 在 ExploitBench 评测中得分 73.5%（GPT-5.5 为 47.9%），在 ExploitGym 中六小时上限内通过率从 GPT-5.5 的 15.1% 提升至 33.7%。OpenAI 表示该模型在安全防御侧同样具备更强能力，涵盖安全代码审查、漏洞修补、威胁建模和蓝队演练。为应对双重用途风险，OpenAI 通过“Daybreak 可信网络安全访问”项目向经过身份核实的个人和组织开放更高级别防御功能。在生命科学领域，Sol 在 GeneBench Pro 评测中得分 28.7%（GPT-5.5 为 12%），LifeSciBench 得分 59.9%（GPT-5.5 为 50.4%），OpenAI 同时表示测试显示 GPT-5.6 尚不具备端到端创建或合成高危新型生物威胁的能力。
安全机制方面，GPT-5.6 引入多层冗余设计，包含模型内置保护与实时检查、持续监控及账户级执行机制。区别于纯分类器拦截方案，新模型引入“推理监控器”，通过逐对话上下文分析判断潜在危害，使安全边界可随使用场景动态调整，并可在不重新训练分类器的前提下快速修补漏洞。针对过度拦截可能造成的误伤，ChatGPT 和 Codex 中提供一键切换至低能力模型重试的选项。OpenAI 在正式发布前进行了约 70 万 A100e GPU 小时的黑盒自动化红队测试，并联合外部专家完成了大规模人工与自动化双轨评测。
GPT-5.6 的发布也揭示了 OpenAI 自身研发模式的重大变化。内部测试期间，每位活跃研究员的日均输出 token 数超过 GPT-5.5 历史峰值的两倍；过去六个月，OpenAI 内部用于编程推理的研究算力增长 100 倍，内部智能体 token 使用量增长约 22 倍，这一趋势已延伸至销售、市场、用户运营及财务等职能部门。在自我改进能力评测 RSI Index 中，GPT-5.6 Sol 以 57.9 分领先 GPT-5.5 的 41.7 分，OpenAI 将此解读为 AI 辅助 AI 研发正在加速落地的直接证据，并将其定位为推动后续模型迭代效率的核心驱动力之一。