GPT-5.6正式开放：三个型号同时发布，完整评测成绩揭示性能与成本新曲线

经过数周的预览与内测，OpenAI于7月9日正式向全球开放GPT-5.6。此次发布一口气推出三个不同定位的型号——Sol、Terra、Luna，分别面向旗舰性能、均衡日常和专业级效率三个场景。据官方说明，ChatGPT、Codex和API将在24小时内逐步完成全球部署。这意味着全球开发者终于可以正式使用这一代产品。

核心叙事：每一美元买到更强性能

此次发布的命名体系也发生了重要变化。数字代表第几代，而Sol、Terra、Luna则代表能力档位。这意味着同一代际下，不同能力档位可以按各自节奏独立迭代，不必等待大版本号更新。这种更灵活的命名方式，反映出AI模型正在从单一旗舰模型向多层次产品矩阵演进的趋势。

评测成绩：效率提升的多维验证

理解这次发布的关键，在于抓住一条主线——从每个token中榨取更多智能，让每一美元买到更强的性能（Performance per Dollar）。这不是简单的性能竞赛，而是效率的全面升级。在评测中，真正反复出现的模式不是「谁分数最高」，而是「同样的分数，用更少的token、更短的时间、更低的成本」——这条曲线比排行榜第一名更值得研究。

通用智能与编程能力

在通用智能体评测Agents' Last Exam中，Sol获得53.6分创下新高，领先Claude Fable 5达13.1分。即使将推理档位调至中等，仍高出11.4分，而成本估算仅为其四分之一。更值得关注的是，Terra和Luna这两个更经济的型号同样超越了Fable 5，成本约为其十六分之一。 编程方面，在Artificial Analysis Coding Agent Index上，Sol开到最高推理档位后获得80分的新SOTA，比Fable 5高2.8分。真正的亮点在于：它使用的输出token不到一半、耗时不到一半、成本还降低了约三分之一。Terra在编程评测中略高于Fable 5，Luna则超越了Opus 4.8，两者的共同特点是：约三分之一的时间、约一半的输出token、约四分之一的成本。

知识工作与安全能力

在知识工作与计算机使用能力上，Sol在BrowseComp网页浏览评测中获得92.2%，在OSWorld 2.0电脑操作模拟中获得62.6%，均创下新SOTA。而在OSWorld上，它在超越Opus 4.8的同时，输出token减少了85%。 网络安全是此次提升最显著、也最需要理性看待的领域。ExploitBench上Sol达到273.5%的通过率（相比上代47.9%），SEC-Bench Pro达到71.2%（相比45.8%），ExploitGym两小时内的峰值通过率几乎翻倍至24.9%。但官方标注了几点重要前提：这些评测在降低防护的条件下进行，实际成本与延迟数据为模拟估算，且模型尚未跨越Critical阈值。

如有侵权，请联系删除。