GPT-5.6-terra无法平替5.5，测试全错

背景

近日，LINUX DO 社区的一位用户分享了对 OpenAI GPT-5.6 系列两个变体——gpt-5.6-terra 和 gpt-5.6-sol——的对比测试结果。该测试旨在评估这两个模型在相同任务上的表现差异，尤其是验证 gpt-5.6-terra 是否如传言那样是 gpt-5.5 的平价替代品。测试者移除了此前用于防止输出截断的提示词，仅保留了一组常用 skill（据称会分散模型注意力），并采用“糖果测试”作为评估基准。结果揭示了两个模型在能力上的显著分化。

核心内容

测试者使用相同的“糖果测试”任务对 gpt-5.6-terra 和 gpt-5.6-sol 进行了评估。在测试中，gpt-5.6-terra 稳定地全部答错，而 gpt-5.6-sol 则全部答对。这一结果直接反驳了 gpt-5.6-terra 是 gpt-5.5 平价版本的猜测。测试者据此判断，gpt-5.6-terra 并非以 gpt-5.5 级别能力为目标的降价模型，而是一个货真价实的“阉割模型”——其性能被有意缩减，可能仅适合执行规划类（plan）任务。对于需要更高智力水平的工作，用户仍需支付 gpt-5.5 级别的费用来获取足量能力。

关键要点

• gpt-5.6-terra 在糖果测试中稳定全错，gpt-5.6-sol 则全部答对，表现差异明确。
• gpt-5.6-terra 并非 gpt-5.4 价格下的 gpt-5.5 替代品，而是能力被压缩的阉割版本。
• gpt-5.6-terra 可能最适合执行规划类（plan）任务，而非需要复杂推理的智力型工作。
• 对于需要高水平认知能力的场景，用户应继续选用 gpt-5.5 级别（或同等能力）的模型，尽管成本更高。
• 测试者特意移除了防截断提示词，仅保留常用 skill，表明这些 skill 本身可能分散注意力，但并未影响结果的可比性。

意义与影响

该测试为开发者与企业在选择 GPT-5.6 系列模型时提供了重要参考。gpt-5.6-terra 的低价并非以维持 gpt-5.5 能力为代价，而是以牺牲核心推理能力为代价。这意味着用户需要根据任务类型进行更精细的选型：简单规划任务可选用 terra 以降低成本，而复杂推理、生成等智力密集型任务仍应依赖更高等级的模型。同时，该结果也提醒社区，模型命名中的版本号与价格定位并不直接对应能力等级，需通过实际测试验证。未来，随着模型系列不断细分，类似公开评测将对降低信息不对称、优化成本效益发挥关键作用。