OpenAI 发布 GPT-5.6：三档分层，应美国政府要求先做有限预览

OpenAI 正式推出新一代模型 GPT-5.6 系列，并首次采用 Sol（太阳）、Terra（地球）、Luna（月亮）三档命名，对应旗舰、均衡、轻量三层定位。官方表示，GPT-5.6 系列将在未来数周全面开放，但目前先应美国政府要求，在 Codex 和 API 中向一小群"值得信赖的合作伙伴"进行有限预览，参与名单已与美国政府共享。

三档定位：旗舰、均衡、轻量

GPT-5.6 沿用了大模型行业最常见的三层产品结构：

• Sol（旗舰）：面向代码、生物研究、网络安全等复杂任务，强调持续推进、调用工具并自我验证的能力。
• Terra（均衡）：面向日常工作，主打效果、速度与成本之间的平衡，定位接近 GPT-5.5 能力但价格更便宜。
• Luna（轻量）：主打快速与低成本，适合批量摘要、文本分类、信息抽取、简单问答等高频轻量任务。

价格：旗舰对齐上代标准版

按照 OpenAI 公布的 API 价格（每 100 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

值得注意的是，GPT-5.6 Sol 作为新一代旗舰，价格对齐的是 GPT-5.5 标准版，而非 GPT-5.5 Pro。Terra 价格为 GPT-5.5 的一半，Luna 仅为五分之一。GPT-5.5 Pro 仍为当前最贵档位，输入 30 美元、输出 180 美元，是标准版与 Sol 的 6 倍。

新机制：max reasoning effort 与 ultra mode

为支撑 Sol 处理更复杂的任务，OpenAI 引入了两个新机制：

• max reasoning effort（最大推理强度）：允许模型花更长时间进行深度推理，适合无法靠第一反应解决的复杂任务。
• ultra mode（超强模式）：允许多个子智能体协同参与复杂任务，类似"AI 经理"带多个小助手分头处理，加快复杂工作的推进。

基准测试：聚焦代码、生物与网络安全

GPT-5.6 公布的评测覆盖三个重点方向：

• 代码：Terminal-Bench 2.1 评估模型在命令行环境中完成真实开发流程的能力，Sol 取得 88.8% 的高分，ultra 模式下得分更高；Terra 取得 84.3%，与 Claude Fable 5 持平。
• 生物学：GeneBench v1 评估长周期基因组学与定量生物学分析任务，OpenAI 称 Sol 表现强于 GPT-5.5，且使用的 token 更少。
• 网络安全：OpenAI 称 Sol 是其目前最强的网络安全模型。
  • 在 ExploitBench 上，Sol 的表现可与 Mythos Preview 媲美，但仅使用约三分之一的输出 token。
  • 在由 UC Berkeley 研究人员与 OpenAI 等机构合作创建的 ExploitGym 上，Sol、Terra、Luna 三档模型均显示出明显提升，且推理强度越高表现越好。

有限预览：前沿模型首次出现政府介入痕迹

GPT-5.6 此次并未直接全面开放，而是以有限预览方式在 Codex 与 API 中向合作伙伴开放，名单已与美国政府共享。这一发布模式与近期美国政府对前沿 AI 模型的监管动向直接相关：

• 今年 6 月，美国政府发布 AI 网络安全相关行政令，提出建立自愿框架，让前沿模型开发者在模型更广泛发布前与政府进行接触和评估。
• 该框架虽非强制审批，但已搭建起政府参与模型发布前评估的制度基础。

OpenAI 内部将高风险能力分为 High 与 Critical 两级，并反复强调 GPT-5.6 Sol 未达到 Cyber Critical 门槛，意在说明模型虽强，但尚未具备自主完成最危险网络攻击链的能力。

OpenAI 也在公告中明确表态，不认为这种政府访问流程应成为长期默认机制，理由是：如果最强工具总是被推迟开放，用户、开发者、企业与网络防御者会更晚拿到最好的工具。

随着大模型能力集中到代码、生物、网络安全与智能体执行等领域，前沿模型的发布正在进入一个新阶段：当一项技术被视作可能影响现实世界安全时，其发布权将很难再完全留在公司手中。