【内附GPT-5.6介绍中译版】GPT-5.6发布：Codex改版为ChatGPT Work，前端能力取得进步，新跑分公布
AI 深度解读
背景
OpenAI 于近期正式发布了 GPT‑5.6 系列模型，这是其旗舰大语言模型的最新迭代。该系列包含三个能力层级——Sol（旗舰）、Terra（均衡）和 Luna（成本效益最高），分别面向不同使用场景和预算需求。与以往命名习惯不同，GPT‑5.6 采用“数字标识代际，名称标识层级”的方式，并宣布 Sol、Terra 和 Luna 将作为持久的能力层级独立演进。此次发布同时将 Codex 改版为 ChatGPT Work，进一步整合编程与知识工作环境。官方称 GPT‑5.6 在编程、知识工作、网络安全和科学研究等多项评估中均取得业界领先结果，且每美元性能显著提升。
核心内容
GPT‑5.6 系列包含三个模型：
- Sol：旗舰模型，在智能和效率上树立新标准，支持
max（更多推理时间）和ultra（协调最多四个并行智能体）两种增强模式。 - Terra：均衡模型，性能与 GPT‑5.5 相当，成本更低。
- Luna：最快、最经济实惠的模型，以极低成本接近前代峰值性能。
关键能力提升：
-
编程：GPT‑5.6 Sol 在 Artificial Analysis Coding Agent Index 上以 80 分创纪录，比 Claude Fable 5 高出 2.8 分，同时输出令牌减少一半、耗时减半、成本降低约三分之一。Terra 表现略高于 Fable 5，Luna 超越 Opus 4.8。在 Terminal‑Bench 2.1 和 DeepSWE 上也创下业界领先成果。模型能编写和运行轻量级程序，通过 Responses API 中的程序化工具调用过滤中间数据、自适应调整工作流。
-
知识工作：在 BrowseComp 上 Sol 达 92.2%，OSWorld 2.0 上达 62.6%（超越 Opus 4.8 且减少 85% 输出令牌）。Sol 能提升演示文稿、文档、电子表格的精致度和准确性，从零创建完全可编辑的演示文稿，并能推断幻灯片的設計系統。Luna 以不到一半的估算成本接近 GPT‑5.5 峰值性能，Terra 以更低成本超越 GPT‑5.5。
-
网络安全：在 ExploitBench1 上 Sol 得分 73.5%（GPT‑5.5 为 47.9%），ExploitGym2 上两小时限制下通过率从 15.1% 提升到 24.9%，六小时下达 33.7%。SEC-Bench Pro 得分 71.2%（GPT‑5.5 为 45.8%）。支持安全代码审查、补丁、威胁建模、蓝队行动。符合资格的组织和个人可通过 OpenAI Daybreak 的 Trusted Access for Cyber 计划获取更多防御能力。
-
科学研究：在生命科学、真实世界生物学、研究工作流和化学方面均显示出帕累托改进。内部使用中，每位活跃研究者的日均输出令牌是 GPT‑5.5 最高水平的两倍以上，内部智能体令牌使用量增长约 22 倍。
-
安全防护：GPT‑5.6 搭载了迄今为止最强大的安全系统，包括训练到模型中的保护措施、实时检查、持续监控、账户级执行，并新增推理监视器审查对话以判断伤害可能性。在生物学和网络安全方面，模型能力增强但未跨越临界阈值。安全防护旨在保留合法防御工作，同时阻止严重滥用。最敏感能力通过 Trusted Access 保留给经过验证的用户。
评估结果（部分摘录）：
| 评估项 | GPT‑5.6 Sol | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 | Claude Fable 5 | Claude Opus 4.8 | Gemini 3.1 Pro Preview | |--------|-------------|---------------|--------------|---------|----------------|-----------------|------------------------| | Agents’ Last Exam | 52.7% | 50.4% | 50.3% | 46.9% | 40.5% | 45.2% | 32.1% | | Artificial Analysis Coding Agent Index | 80 分 | — | — | — | 77.2 分 | — | — | | BrowseComp | 92.2% | — | — | — | — | — | — | | OSWorld 2.0 | 62.6% | — | — | — | — | 低于 Sol | — |
定价（每 1M 令牌）：
- Sol：输入 $5，输出 $30
- Terra：输入 $2.5，输出 $15
- Luna：输入 $1，输出 $6
支持更可预测的提示缓存，包括显式缓存断点和 30 分钟最低缓存生命周期。
可用性：GPT‑5.6 即日起在 ChatGPT、ChatGPT Work（原 Codex）和 OpenAI API 中逐步推出，24 小时内全面可用。不同用户计划对应不同模型和努力级别（如 Plus/Pro/Enterprise 可访问 Sol 及 max/ultra 模式）。API 开发者可访问所有模型，Responses API 支持程序化工具调用和多智能体 beta 功能。
关键要点
- 模型分层：Sol（旗舰）、Terra（均衡）、Luna（低成本），数字标识代际，名称标识层级，可独立演进。
- 编程领先：Sol 在编码基准上创纪录，输出令牌、耗时、成本均大幅降低；全系列在编程上均优于或持平竞品。
- 知识工作增强：Sol 在 BrowseComp 和 OSWorld 上刷新纪录，能创建精致演示文稿、文档和电子表格。
- 网络安全突破：Sol 在 ExploitBench、ExploitGym 等多项评估中得分接近翻倍，支持防御任务；Trusted Access 计划提供更强能力。
- 科学研究加速：模型在生命科学和化学领域帕累托改进；内部使用量大幅提升，研究计算份额增长 100 倍。
- 安全架构升级：分层安全防护 + 推理监视器 + 快速修复流程；在阻止有害活动（阻断量提升约十倍）与保留合法使用间取得平衡。
- 多智能体与努力级别：
max增加推理时间，ultra协调四个并行智能体，适用于最艰巨任务。 - 定价更具竞争力：Luna 输入仅 $1/1M 令牌，Terra $2.5，Sol $5；全系列在每美元性能上超越前代和竞品。
- 立即可用：ChatGPT/Codex/API 同步发布，全球 24 小时内全覆盖。
意义与影响
GPT‑5.6 的发布标志着 OpenAI 在模型效率与成本控制上迈出关键一步。通过将单一代号模型拆分为三个持久层级，并为每个层级赋予独立演进能力，OpenAI 提供了更灵活的选择，让不同预算和需求的用户都能获得与其场景匹配的智能。这一策略可能重塑大模型市场格局：低成本模型（Luna）能以低于竞品十分之一的成本提供足够强的能力，而旗舰模型（Sol）则继续争夺最高基准。
在技术层面，多智能体协调（ultra模式）和程序化工具调用的引入，让模型从简单的问答生成转向真正的工作流协作。这意味着开发者和知识工作者可以将复杂任务委托给模型内部编排的子智能体，进一步降低人机交互的摩擦。同时，max 和 ultra 模式的可选性表明 OpenAI 正试图在推理成本与输出质量之间提供细粒度控制，这对于企业级应用尤为重要。
安全方面，GPT‑5.6 的分层防护、推理监视器和 Trusted Access 机制体现了对双用途模型的审慎态度。OpenAI 明确承认模型在网络安全和生物学上的双用性，并试图通过验证身份和上下文判断来防止滥用，同时保留防御性用途。这种设计思路可能成为行业标准，尤其是在模型能力逼近临界阈值时。
对开发者而言，Responses API 中的程序化工具调用和多智能体