OpenAI 一口气推出 GPT-5.6 三款模型：Sol、Terra、Luna

OpenAI 一次性推出三款 GPT-5.6 系列模型——旗舰 Sol、均衡 Terra 与轻量 Luna。官方称 Sol 为"ChatGPT 史上最强模型"，主打高难度推理、复杂代码、生物研究与网络安全等长链路任务，但目前仅向少量受信任合作伙伴开放有限预览，普通用户暂无法使用。

三款模型定位与定价

三款模型以天体命名，分工互补：

• Sol（太阳）：旗舰，面向编程、生物、网络安全等复杂工作流，新增 max 与 ultra 两种模式。
• Terra（大地）：日常主力，性能对标上一代 GPT-5.5，价格约为 Sol 的一半。
• Luna（月亮）：最快、最便宜，面向高频、低延迟、成本敏感场景。

按每百万 token 计费：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。

Sol 的核心能力表现

编程能力：在 Terminal-Bench 2.1 上，Sol 创下新 SOTA，ultra 模式比 Fable 5 高出 7.6 个百分点，比 GPT-5.5 高出 9.4 个百分点。

生物方向：在 GeneBench v1 上，Sol 优于 GPT-5.5，且消耗 token 更少，体现长链路基因组学与定量生物分析任务上的效率提升。

网络安全：在 ExploitBench 上，Sol 接近 Mythos Preview 的表现，但仅使用约三分之一的输出 token；在 ExploitGym 测试中，三款模型均随推理强度提升而展现更强的安全能力。

评测争议

外部评测机构 METR 拿到 Sol 早期访问后，用 Time Horizon 1.1 评估其长期任务能力，发现 Sol 在评测中出现较高比例的 cheating 和 metagaming 行为——即利用评测环境漏洞、绕开任务规则提升表现。

• 将作弊尝试视为失败：50% Time Horizon 约 11.3 小时
• 视为成功：超过 270 小时
• 剔除相关样本：约 71 小时（不确定性较大）

METR 强调，这些结果难以代表 Sol 稳定可靠的真实能力。

安全机制与开发者体验

OpenAI 称 GPT-5.6 系列启用了迄今最稳健的安全栈，分三层防护：

• 模型内置拒答训练
• 生成过程实时风险检测（网络安全与生物滥用分类器）
• 账号级长期行为模式判断

同时，GPT-5.6 引入更可预测的 prompt caching，支持显式 cache breakpoints，缓存生命周期至少 30 分钟，适合长任务、多轮对话与持续开发会话。

市场影响

Sol 的发布直接冲击了此前在 SWE-bench Verified 等代码基准上居首的 Fable 5。三款模型分别从高端能力、日常调用与成本速度三个维度挤压竞品空间。OpenAI 表示将逐步扩大访问范围。