OpenAI 正式发布了其新一代大语言模型 GPT-5.6 系列，以显著的性能提升和成本下降，向竞争对手发出了明确挑战。此次发布包含三款定位不同的模型：旗舰版 Sol、均衡版 Terra 以及主打成本效益的 Luna，现已通过 ChatGPT、Codex 及 OpenAI API 向全球用户开放。
从定价策略来看，OpenAI 此次瞄准了“性价比”这一核心战场。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 则为 1 美元/6 美元。OpenAI 强调，GPT-5.6 在多项关键基准测试中超越了 Anthropic 旗下的 Claude Fable 5，但 token 消耗量和推理成本均大幅降低，这意味着用户能在同等预算下完成更多实质性工作。
在面向专业工作流的 Agents' Last Exam 评测中，GPT-5.6 Sol 以 53.6 分的成绩，超出 Claude Fable 5 达 13.1 个百分点。更具冲击力的是，即便采用中等推理设置，Sol 的成本也仅为 Fable 5 的约四分之一。而定位更低端的 Terra 和 Luna，在约十六分之一的成本下，其基准测试得分依然超过了 Fable 5。这种“降维打击”式的价格与性能组合，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 以 80 分创下新纪录，比 Fable 5 高出 2.8 分，同时输出 token 数量不及后者的一半，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。企业用户的实测数据也印证了这些表现。代码审查平台 Qodo 联合创始人兼 CEO Itamar Friedman 表示，GPT-5.6 在其内外部基准测试中均超越前代 GPT-5.5，且每次代码审查所需 token 数量约减少三分之二，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 还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 新增了 “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，其以 62.6% 的成绩超越 Claude Opus 4.8，且后者的输出 token 用量比其多出 85%。
在网络安全领域，GPT-5.6 Sol 在 ExploitBench 评测中得分 73.5%，远高于 GPT-5.5 的 47.9%；在 ExploitGym 中，其六小时上限内的通过率从 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，并通过其 “OpenAI 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的防御功能。在生命科学领域，GPT-5.6 Sol 在 GeneBench Pro 评测中得分 28.7%，远超 GPT-5.5 的 12%。
随着模型能力提升，OpenAI 同步强化了安全架构。GPT-5.6 Sol 的网络安全防护措施较前代拦截的潜在有害活动多出约 10 倍。OpenAI 在发布前进行了约 70 万 A100e GPU 小时的黑盒自动化红队测试，并引入了 “推理监控器” ，通过逐对话上下文分析判断潜在危害，使安全边界能够动态调整。
值得注意的是，GPT-5.6 的发布也揭示了 OpenAI 自身研发模式的重大变化。在内部测试期间，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。在自我改进能力评测中，GPT-5.6 Sol 以 57.9 分领先 GPT-5.5 的 41.7 分，提升幅度达 16.2 个百分点。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。