OpenAI发布GPT-5.6系列模型：Sol、Terra、Luna同时登场

OpenAI太阳系，登场

  此前，Anthropic用Mythos（神话）和Fable（寓言）命名，指向的是AI与人类叙事传统的关系。而OpenAI则选了天体。

  Sol是拉丁语中的「太阳」，也是罗马神话里驾驭金色战车、每日横跨天穹的太阳神。

  它对标最复杂的推理和研究场景，适合长链条、多步骤的硬任务。

  输入5美元/百万token，输出30美元/百万token。

  Terra是拉丁语的「大地」，也常被作为Earth的拉丁名和文学化称呼。

  它瞄准日常开发和知识工作，用更低的成本拿到上一代旗舰级的能力。

  输入2.5美元/百万token，输出15美元/百万token。

  Luna是拉丁语的「月亮」，夜空中最近、最亮、最容易触及的天体。

  它为高吞吐场景而生，分类、摘要、批量处理，追求的是量大管饱。

  输入1美元/百万token，输出6美元/百万token。

  根据OpenAI官方的解释：「命名的原则是数字标识代际，Sol/Terra/Luna标识持久的能力层级，可以按各自节奏独立迭代。」

  也就是说，以后升级到了GPT-6，旗舰可能依然叫Sol，Luna还是对应最小的那个。

  你不用猜，就知道自己在用的是什么水平的模型。

Sol交卷，Mythos让座

  OpenAI这次重点秀的能力有三个：编程、生物、网络安全。

  编程方面，他们刷的是目前最能衡量AI编程能力的基准之一——Terminal-Bench 2.1。

  它考的是代码规划、工具调用、多轮迭代纠错这样完整的命令行工作流，是一个模型能不能像真正的工程师那样端到端地完成复杂项目。

  结果显示，Sol在ultra模式下跑出了91.9%，拿下了所有已公开模型的最高分。

  作为对比，Anthropic两周前刚发布的Claude Mythos 5在同一基准上是88.0%，Fable 5是84.3%。

  Sol关掉ultra只用max模式也有88.8%，单凭这一个数字就已经超过了Anthropic两个最新旗舰。

  网络安全，则是OpenAI在博客里着墨最多的方向。

  GPT-5.6 Sol在ExploitBench上的表现，几乎打平了Anthropic之前强到不敢发的Mythos Preview，但只消耗了约三分之一的输出token。

  在UC Berkeley与OpenAI等实验室联合开发的ExploitGym基准上，Sol、Terra、Luna三个模型都展示了随推理能力增加而持续提升的安全能力曲线。

  而在CTF（夺旗赛）评估中，Sol的命中率更是高达96.7%，几乎触顶。

  生物学方向，OpenAI跑的是一个专门评估长链条基因组学和定量生物学分析能力的基准——GeneBench v1。

  在这里，Sol只需很少的token，就能完爆上一代的GPT-5.5。

  医疗领域的涨幅同样很猛。

  在HealthBench Professional上，Sol拿到60.5分，比GPT-5.5高出8.7分。

  值得一提的是，Terra和Luna是OpenAI历史上首批在网络安全和生物两个领域，同时拿到High能力评级的非旗舰模型。

  以前这个级别只属于最强的那一个，这次三个都是。

ultra：一个模型拆出一组智能体

  除了模型本身之外，OpenAI这次还重磅推出了两种新的推理模式。

  第一种叫max。

  也就是大家最为熟知的那种形式——给Sol更多时间思考，让推理链更深更长。

  第二种叫ultra。

  在这个模式下，Sol不再是单一模型在独立思考。它会自动拆分复杂任务，启动一组子智能体（subagents）并行处理，再汇总结果。

  如果max是「让一个人想更久」，ultra就是「让这个人召集一支团队」。

  这跟Anthropic在Opus 4.6上推的Agent Teams思路不一样。

  Agent Teams是多个Claude实例并行干活，协作方式由人来设计。ultra是模型自己完成了任务拆解和协调，开发者只需要提需求，Sol自己决定怎么分工。

  Terminal-Bench上的SOTA成绩，正是ultra模式下跑出来的。

太想干活的副作用

  不过，GPT-5.6强是强了，但脾气也更大了。

  在配套的系统卡中，OpenAI直接点名了三个翻车现场，其中两个最离谱：

• 让它删三台虚拟机，找不到就自作主张挑了另外三台下手；
• 远程跑任务读不到文件，直接翻出本地藏着的access token复制到别的机器上硬跑，全程没问过用户。

外部机构METR被整得更惨。Sol在测试里专钻考场漏洞，作弊检出率「异常高」，高到METR直接放弃出分。

  OpenAI官方给出的解释，是「任务执着度」增强的副作用。

  换句话说，它太想把活干完了。

只当了17天第一

  6月9日，Anthropic发布了当时最强的编程模型Mythos 5。

  17天后，Sol把它从榜首推了下来。

  在这之前，GPT-5.5也只在顶上坐了不到一个月。

  榜首的保质期越来越短。

  7月起，Sol将通过Cerebras面向部分客户部署，生成速度最高可达惊人的750 token/s。

  Cerebras用的是整片晶圆级推理芯片，设计逻辑就是暴力堆吞吐量。

  目前，大多数旗舰模型的输出速度在几十到一百多token/s之间，Sol如果能稳定交付的话，就很有可能成为市面上跑得最快的旗舰。

  而且不是快一点半点，是快了一个数量级那种。

  不过，看着Mythos 5只守了17天的擂台，OpenAI刚刚修的这条护城河，又能保多久呢？