
GPT-5.6登场,命名新颖
GPT-5.6来了,这次OpenAI没有沿用过去大家熟悉的Pro、Mini、Instant这类命名,而是一次性端出了三个名字:GPT-5.6 Sol、GPT-5.6 Terra、GPT-5.6 Luna。Sol是太阳,Terra是地球,Luna是月亮,听起来很花哨,像一个新的模型宇宙。但它其实还是熟悉的那套产品分层:一个最强的旗舰模型,一个日常使用的均衡模型,一个便宜、快速、适合大规模调用的轻量模型。
有限预览情况
OpenAI官方称,GPT-5.6系列会在未来几周全面开放,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。
三档模型层级与价格
OpenAI给GPT-5.6分了三档:Sol、Terra、Luna。Sol是旗舰模型,Terra是面向日常工作的均衡模型,Luna则是快速、便宜的轻量模型。这三档模型对应大模型产品里最常见的三层结构:最强模型负责能力上限,中间模型负责大多数日常任务,轻量模型负责速度、成本和高并发调用。从价格看层级,按照OpenAI公布的API价格,GPT-5.6按每100万token计费:Sol是输入5美元、输出30美元;Terra是输入2.5美元、输出15美元;Luna是输入1美元、输出6美元。GPT-5.6 Sol虽然是新一代旗舰模型,但价格对齐的是GPT-5.5标准版,而不是GPT-5.5 Pro。Terra则直接降到GPT-5.5的一半,Luna只有GPT-5.5的五分之一。GPT-5.5 Pro依然是当前OpenAI最贵的模型,价格是输入30美元/百万token,输出180美元/百万token,价格是GPT-5.5标准版和GPT-5.6 Sol的6倍。
Sol模型特点
Sol是GPT-5.6系列里的最高档,也是官方公告里花最多篇幅介绍的模型。OpenAI把GPT-5.6 Sol称为目前最强模型,重点展示了它在写代码、生物研究和网络安全上的能力。其定位是“最会干活的模型”,对应更复杂、更接近真实工作的任务。比如在代码场景里,它可以围绕一个目标持续推进:先理解问题,再拆步骤,然后调用工具、运行命令、检查结果,出错了再改,直到任务完成。为支撑Sol处理更难的任务,OpenAI给GPT-5.6引入了两个新机制。第一个叫max reasoning effort,可理解为“最大推理强度”,让Sol有更多时间想清楚问题、花更长时间进行深度推理,适合复杂任务。第二个叫ultra mode,可理解为“超强模式”,让多个子智能体一起参与复杂任务,加快复杂工作的推进。Terminal - Bench 2.1测试中,GPT-5.6 Sol拿到了88.8%的高分,Ultra模式下得分更高。OpenAI称等模型更广泛开放时,还会公布一套更完整的评测结果。
Terra模型特点
Terra是中间档,OpenAI对它的介绍没那么长,但定位明确:它是面向日常工作的均衡模型,要在效果、速度和成本之间取得平衡。官方强调,Terra的能力接近GPT-5.5,但价格便宜一半。在OpenAI设想中,Terra很可能是GPT-5.6系列里最常用的那一档。普通办公任务很多时候不需要Sol那样的最高能力,但需要稳定、便宜、好用。在Terminal - Bench 2.1测试中,GPT-5.6 Terra拿到了84.3%,和Claude Fable 5持平。
Luna模型特点
Luna是最低成本档,OpenAI对它的定位简单:快,便宜,适合大量、高频、对成本敏感的任务,比如批量摘要、文本分类、信息抽取、简单问答等。Luna的作用是把这些轻量任务用更低成本跑起来。
性价比体现
只看官方公告,GPT-5.6 Sol这次放出的benchmark不算多。OpenAI称现在只是为让外界提前了解模型性能,所以先分享一组评估结果。这组benchmark方向明确,集中展示了三个领域:代码、生物学和网络安全。Terminal - Bench 2.1属于代码方向,考的是模型能否在命令行环境里完成真实开发流程。除代码外,还有生物学benchmark:GeneBench v1,评估长周期的基因组学和定量生物学分析任务。按照OpenAI说法,GPT-5.6 Sol在GeneBench v1上比GPT-5.5表现更强,且使用的token更少。第三个重点方向是网络安全,OpenAI称GPT-5.6 Sol是目前最强的网络安全模型,尤其是在长周期安全任务上。有一个benchmark叫ExploitBench,OpenAI称在该benchmark上,GPT-5.6 Sol的表现可和Mythos Preview媲美,但只用了大约三分之一的输出token。OpenAI还提到另一个网络安全benchmark:ExploitGym,由UC Berkeley研究人员与OpenAI以及其他前沿实验室合作创建。在ExploitGym上,GPT-5.6 Sol、Terra、Luna三档模型都显示出明显的网络安全能力提升,且随着推理强度提高,表现也会变强,这意味着GPT-5.6的提升不仅是模型本体变强,也和推理方式有关。
政府介入情况
GPT-5.6没有直接全面开放,目前只在Codex和API中向一小群“值得信赖的合作伙伴”进行有限预览,且这次有限预览是“应美国政府要求”进行的,参与预览的合作伙伴名单已和美国政府共享。最近美国政府明显加强对前沿AI模型的介入,尤其是具备更强代码、网络安全和agent能力的模型。今年6月,美国政府发布了新的AI网络安全相关行政令,提出建立一个自愿框架,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。法律界解读该行政令名义上不是强制许可、也不是正式审批制度,但已搭起政府参与模型发布前评估的制度框架。GPT-5.6 Sol“先小范围预览、名单与政府共享”的发布模式,是前沿模型发布流程里第一次出现清晰的政府介入痕迹。OpenAI解释采取这种方式是为和政府一起探索一个可重复的流程,用来支持未来的模型发布。政府介入核心原因是网络安全,官方公告里网络安全占很大篇幅。OpenAI强调GPT-5.6 Sol是目前最强的网络安全模型,能在漏洞研究、漏洞分析、安全防御等长周期任务上提供更强帮助;同时又花大量篇幅解释,它没有跨过自己的Cyber Critical门槛。OpenAI把高风险能力分成不同等级,达到High意味着模型可能放大已有的严重风险;达到Critical意味着模型可能带来前所未有的新型严重风险。OpenAI反复强调GPT-5.6 Sol没有达到Cyber Critical,是在告诉政府、客户和公众:这个模型很强,尤其在网络安全任务上很强,但还没有强到可以自主完成最危险的网络攻击链。网络安全能力是把双刃剑,越强越能帮防御者找漏洞、写补丁、做安全测试,但政府也会担心它被滥用。虽然OpenAI承认这次发布需要和政府一起摸索流程,但明确表示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拖延开放,用户、开发者、企业、网络防御者和全球合作伙伴都会更晚拿到最好的工具。某种意义上,前沿模型正在进入一个新的发布阶段,当大模型能力集中到代码、生物、网络安全和智能体执行这些领域,它就会被当成可能影响现实世界安全的技术,一旦技术被这样看待,发布权就很难再完全留在公司自己手里。那么,未来大模型的发布流程会如何发展呢?
116



被折叠的 条评论
为什么被折叠?



