OpenAI 正式發佈了其新一代大語言模型 GPT-5.6 系列，以顯著的性能提升和成本下降，向競爭對手發出了明確挑戰。此次發佈包含三款定位不同的模型：旗艦版 Sol、均衡版 Terra 以及主打成本效益的 Luna，現已通過 ChatGPT、Codex 及 OpenAI API 向全球用戶開放。
從定價策略來看，OpenAI 此次瞄準了“性價比”這一核心戰場。Sol 每百萬輸入/輸出 token 收費 5 美元/30 美元，Terra 為 2.50 美元/15 美元，Luna 則為 1 美元/6 美元。OpenAI 強調，GPT-5.6 在多項關鍵基準測試中超越了 Anthropic 旗下的 Claude Fable 5，但 token 消耗量和推理成本均大幅降低，這意味著用戶能在同等預算下完成更多實質性工作。
在面向專業工作流的 Agents' Last Exam 評測中，GPT-5.6 Sol 以 53.6 分的成績，超出 Claude Fable 5 達 13.1 個百分點。更具衝擊力的是，即便採用中等推理設置，Sol 的成本也僅為 Fable 5 的約四分之一。而定位更低端的 Terra 和 Luna，在約十六分之一的成本下，其基準測試得分依然超過了 Fable 5。這種“降維打擊”式的價格與性能組合，直接壓縮了競爭對手的差異化空間。
旗艦模型 Sol 在編程能力上的提升尤為突出。在 Artificial Analysis 編程智能體指數測試中，Sol 以 80 分創下新紀錄，比 Fable 5 高出 2.8 分，同時輸出 token 數量不及後者的一半，耗時減少逾半，成本低約三分之一。在複雜命令行工作流測試 Terminal-Bench 2.1 中，Sol 以 88.8% 的得分領先；在面向真實代碼庫的長週期工程測試 DeepSWE v1.1 中，其得分達 72.7%，同樣處於行業前列。企業用戶的實測數據也印證了這些表現。代碼審查平臺 Qodo 聯合創始人兼 CEO Itamar Friedman 表示，GPT-5.6 在其內外部基準測試中均超越前代 GPT-5.5，且每次代碼審查所需 token 數量約減少三分之二，中位延遲降低約 50%。AI 開發平臺 Lovable 聯合創始人 Fabian Hedin 則指出，採用 GPT-5.6 後，用戶完成任務所需步驟減少約 25%，工具調用次數減少 35% 至 48%，項目失敗率下降 15%。
GPT-5.6 還引入了分層計算調度機制，允許用戶根據任務需求靈活選擇推理深度。除標準的高推理設置外，OpenAI 新增了 “max” 和 “ultra” 兩檔模式：max 給予模型更長思考和方案修正時間；ultra 則默認協調四個並行智能體，通過犧牲更高的 token 消耗換取更強結果和更短交付時間。在 BrowseComp 測試中，Sol Ultra 以 92.2% 的得分刷新紀錄；在 OSWorld 2.0 中，其以 62.6% 的成績超越 Claude Opus 4.8，且後者的輸出 token 用量比其多出 85%。
在網絡安全領域，GPT-5.6 Sol 在 ExploitBench 評測中得分 73.5%，遠高於 GPT-5.5 的 47.9%；在 ExploitGym 中，其六小時上限內的通過率從 GPT-5.5 的 15.1% 提升至 33.7%。OpenAI 表示，該模型在安全防禦側同樣具備更強能力，並通過其 “OpenAI Daybreak 可信網絡安全訪問” 項目，向經過身份核實的個人和組織開放更高級別的防禦功能。在生命科學領域，GPT-5.6 Sol 在 GeneBench Pro 評測中得分 28.7%，遠超 GPT-5.5 的 12%。
隨著模型能力提升，OpenAI 同步強化了安全架構。GPT-5.6 Sol 的網絡安全防護措施較前代攔截的潛在有害活動多出約 10 倍。OpenAI 在發佈前進行了約 70 萬 A100e GPU 小時的黑盒自動化紅隊測試，並引入了 “推理監控器” ，通過逐對話上下文分析判斷潛在危害，使安全邊界能夠動態調整。
值得注意的是，GPT-5.6 的發佈也揭示了 OpenAI 自身研發模式的重大變化。在內部測試期間，每位活躍研究員的日均輸出 token 數超過 GPT-5.5 歷史峰值的兩倍。過去六個月，OpenAI 內部用於編程推理的研究算力增長 100 倍，內部智能體 token 使用量增長約 22 倍。在自我改進能力評測中，GPT-5.6 Sol 以 57.9 分領先 GPT-5.5 的 41.7 分，提升幅度達 16.2 個百分點。OpenAI 將此解讀為 AI 輔助 AI 研發正在加速落地的直接證據，並將其定位為推動後續模型迭代效率的核心驅動力之一。