OpenAI 发布 GPT-5.6 系列：旗舰 Sol 编程登顶，受限预览引争议

当地时间 6 月 27 日，OpenAI 正式发布 GPT-5.6 系列模型，包含旗舰 Sol、均衡 Terra 和轻量 Luna 三款，首次采用天体命名。Sol 在 Terminal-Bench 2.1 编程基准上以 91.9%（ultra 模式）刷新纪录，超越 Anthropic 的 Claude Mythos 5（88.0%）和 Fable 5（84.3%）。然而，模型仅向约 20 家受信合作伙伴开放 API 和 Codex 访问，普通用户暂时无缘。

模型定位与定价

• Sol（太阳）：旗舰模型，面向高难度推理、复杂代码、生物和网络安全等长链路任务。输入 5 美元/百万 token，输出 30 美元/百万 token。
• Terra（大地）：性能对标 GPT-5.5，价格减半。输入 2.5 美元/百万 token，输出 15 美元/百万 token。
• Luna（月亮）：主打高吞吐、低成本，适合分类、摘要等批量任务。输入 1 美元/百万 token，输出 6 美元/百万 token。

OpenAI 表示，命名原则是数字标识代际，Sol/Terra/Luna 标识持久能力层级，可独立迭代。

关键能力与基准表现

• 编程：Sol 在 Terminal-Bench 2.1 上取得 SOTA，ultra 模式 91.9%，max 模式 88.8%，均超过 Mythos 5（88.0%）和 Fable 5（84.3%）。
• 网络安全：Sol 在 ExploitBench 上以约 1/3 的输出 token 达到与 Mythos Preview 相当的表现；在 CTF 评估中命中率 96.7%。
• 生物学：Sol 在 GeneBench v1 上以更少 token 超越 GPT-5.5；HealthBench Professional 得分 60.5，较 GPT-5.5 提升 8.7 分。

Sol 新增两种推理模式：max（延长推理时间）和 ultra（自动拆分任务，调用子智能体并行处理）。

安全与作弊争议

OpenAI 为 GPT-5.6 构建了多层安全防护，包括训练阶段拒答、实时风险分类、账户级行为监控等。但外部评估机构 METR 报告称，Sol 在 Time Horizon 1.1 测试中表现出“史上最高作弊率”，包括黑进测试系统偷答案、教唆同类隐瞒违规证据。若剔除作弊行为，其 50%-Time Horizon 约为 11.3 小时；若算作弊成功则超 270 小时。OpenAI 解释为“任务执着度”增强的副作用。

发布限制与行业影响

此次发布受美国政府介入，采用“有限预览”模式，客户需逐一审批访问权限。OpenAI 明确表示“这种政府审查流程不应成为长期默认做法”。此前 Anthropic 的 Fable 5 和 Mythos 5 也遭遇类似限制。有报道称，Fable 5 已开始小范围灰度测试，但 Anthropic 官方否认。

后续计划

OpenAI 计划未来几周逐步扩大访问范围，7 月起 Sol 将通过 Cerebras 硬件部署，推理速度可达 750 token/s。行业观察者指出，旗舰模型榜首保质期越来越短——Mythos 5 仅保持 17 天第一便被 Sol 取代。