剛剛，GPT-5.6 正式發布，史上最強但被自己坑慘了

就在剛剛，GPT-5.6 系列正式發布，不過，它并沒有直接全面開放，而是以「有限預覽」的方式先行試水。

作為 OpenAI 最強的一代，GPT-5.6 一口氣端出三款型號，名字起得頗有詩意：

Sol（太陽）是旗艦模型，也是 OpenAI 口中目前最強的模型；

Terra（地球/大地）是面向日常工作的平衡型模型，性能可以與 GPT-5.5 競爭，同時價格便宜一半；

Luna（月亮）主打速度和低成本，是 GPT-5.6 系列中最便宜的模型。

從這命名方式來看，奧特曼私底下沒少學習 Anthropic 營銷的精髓。而借著 GPT-5.6 的發布，OpenAI 也順手把命名體系重新梳理了一遍：

數字表示代際，Sol、Terra、Luna 對應不同能力層級，便于區分智能水平、速度與成本。產品定位上，Sol 面向高難復雜任務，Terra 覆蓋日常工作流，Luna 主打低成本調用。

換句話說，GPT-5.6 不只是一次能力升級，也是 OpenAI 對模型產品線的一次重新分層。

https://openai.com/index/previewing-gpt-5-6-sol/

GPT-5.6 深夜突襲，能力全系霸榜

作為 OpenAI 迄今最強模型。GPT-5.6 Sol 的能力展示，主要集中在編程、生物信息學和網絡安全三個方向。

這三類場景有一個共同特征：

復雜、長鏈條、強依賴上下文。模型需要在任務中持續規劃、推理、調用工具、修正錯誤，并不斷推進流程。OpenAI 把這種能力稱為 agentic capabilities——讓模型更像一個能獨立執行任務的 agent。

在編程場景中，GPT-5.6 Sol 已經不再停留在代碼補全，而是深入到命令行環境中的復雜操作。

OpenAI 稱，Sol 在 Terminal-Bench 2.1 上刷新了表現。Terminal-Bench 2.1 測試的是命令行工作流，任務要求模型具備規劃、迭代和工具協調能力。

基準測試成績顯示，GPT-5.6 Sol Ultra 在 Terminal-Bench 2.1 上得分 91.9%，GPT-5.6 Sol 得分 88.8%。作為對照，GPT-5.5 為 88.0%，GPT-5.6 Terra 為 82.5%，GPT-5.6 Luna 為 84.3%。

橫向對比其它模型，Claude Mythos 5 為 84.3%，Claude Fable 5 為 83.4%，Claude Opus 4.8 為 78.9%，Gemini 3.1 Pro Preview 為 70.7%。

Sol Ultra 的成績，也對應 GPT-5.6 的核心功能。

一方面，max 級別的推理強度讓模型可以投入更多時間進行深度推理；另一方面，新增的 Ultra 模式會調度多個子 Agent，把復雜任務拆分處理，再統一匯總結果。

在真實開發場景里，模型經常需要理解項目結構、讀取文件、修改代碼、運行命令、分析報錯、繼續修改。一個復雜任務通常無法靠一次回答完成。Ultra 模式的方向，是讓多個子 Agent 分別處理不同環節，再把結果匯總起來，從而提高復雜任務的完成效率。

生物方向上，GPT-5.6 Sol 的提升體現在 GeneBench v1 上。這個評測主要面向長周期基因組學和定量生物分析任務。OpenAI 稱，Sol 相比 GPT-5.5 取得了更強結果，而且使用的輸出 tokens 更少。

向左滑動查看更多內容

這一點對科研場景尤為關鍵。生物信息學、基因組學和定量生物分析，經常需要模型持續分析數據、解釋結果、選擇方法、比較假設，并在多輪操作中保持上下文一致。模型能不能完成這類任務很重要，能不能用更低 tokens 成本完成長鏈條分析同樣重要。

如果 Sol 能在更少輸出 tokens 下取得更強結果，意味著它在專業科研工作流中有更好的成本效率。對實驗室、企業研發團隊和生物醫藥場景來說，tokens 消耗直接影響調用成本，也影響模型能否進入大規模工作流。

網絡安全則是 GPT-5.6 Sol 最敏感的能力方向。

OpenAI 稱，Sol 是其迄今最強的網絡安全模型，能夠推進長周期安全任務的性能和效率邊界，包括漏洞研究和 exploitation 相關任務。

在 ExploitBench 上，GPT-5.6 Sol 的表現接近 Mythos Preview，但只使用了大約三分之一的輸出 tokens。

同時，OpenAI 還提到 ExploitGym——一個由 UC Berkeley 聯合多家前沿實驗室打造的評測體系，用于衡量模型在安全任務中的能力。隨著推理能力提升，Sol、Terra、Luna 在這一領域都有明顯進步。

不過，OpenAI 對這部分表述明顯踩了剎車。

官方強調，Sol 更擅長發現和修復漏洞，還不能穩定完成端到端攻擊。在涉及 Chromium 和 Firefox 的評估中，Sol 可以識別 bug 和程序缺陷，也就是漏洞利用的基礎組件，但在測試條件下沒有自主生成可運行的完整攻擊鏈。

基于這些結果，OpenAI 判斷GPT-5.6 Sol 尚未跨過 Preparedness Framework 中的網絡安全關鍵風險閾值。

System Card ：https://deploymentsafety.openai.com/gpt-5-6-preview/introduction

這種踩剎車的判斷顯然是為了避免重走「Mythos」的老路。

一方面，OpenAI 要證明 Sol 在網絡安全任務上確實強了很多；另一方面，它也要說明 Sol 還沒有達到必須極端限制的風險級別。更諷刺的是，這種壓力很大程度上來自 OpenAI 自己參與塑造的 AI 行業炒作敘事。

與此同時，OpenAI 也承認，基準測試無法覆蓋所有現實用法。沒有任何評測可以代表所有產品配置、多步驟攻擊和真實工作流。模型可能被接入其他工具，也可能被放進更復雜的攻擊鏈條里。

正是這種不確定性，讓 GPT-5.6 的發布方式變得格外謹慎。

性能最強，但戲份卻給了 AI 安全

GPT-5.6 的發布說明中，安全罕見地占據了較大篇幅。

OpenAI 為 Sol、Terra、Luna 配置了分級防護體系，能力越強，防護越嚴，目標是在壓制攻擊性用途的同時保留代碼審查、漏洞研究等合法場景。

模型層面，系統被訓練為拒絕違規網絡安全請求，即便用戶嘗試偽裝或繞過。生成階段引入實時分類器，對高風險內容進行檢測與攔截，必要時交由更強模型復核。賬號層面則結合跨對話行為與風險信號，識別持續性濫用。

這套機制被稱為分層安全棧，涵蓋模型拒答、實時檢測、賬號審查、差異化訪問與持續測試。多層協同用于應對復雜濫用，同時盡量減少對正常工作的干擾。

面向企業客戶，OpenAI 還提出了隱私保護檢測、自主安全控制以及風險分級訪問等方案，試圖在安全與數據保護之間找到平衡點。

為了避免重蹈覆轍，OpenAI 在自動化紅隊測試上投入了超過70 萬 A100 等效 GPU 小時，重點尋找通用 jailbreak（越獄），并輔以專家人工測試。OpenAI 還建立快速響應流程，對新漏洞進行復現、評估與修復，并納入持續評測體系。

可用性方面，GPT-5.6 目前仍處于有限預覽階段。

OpenAI 表示，模型將先通過 API 和 Codex 向一部分可信合作伙伴開放，隨后再逐步擴展到 ChatGPT、Codex 和更廣泛的 API 用戶。

同時，OpenAI 也強調，自己相信前沿模型應該盡可能廣泛地開放，并計劃在未來幾周內，讓 GPT-5.6 Sol、Terra 和 Luna 進入更普遍的可用狀態。

看起來評價不太妙

價格體系也同步公布：

按每百萬 tokens 計費，Sol 輸入 5 美元、輸出 30 美元；Terra 輸入 2.5 美元、輸出 15 美元；Luna 輸入 1 美元、輸出 6 美元。

同時，GPT-5.6 引入了更可預測的 prompt caching 機制，支持顯式 cache breakpoints，并提供至少 30 分鐘緩存生命周期。緩存寫入按未緩存輸入價格的 1.25 倍計費，讀取則享受 90% 折扣。

當然，想要用上還需要一些時日，OpenAI 宣布 GPT-5.6 Sol 將在 7 月登陸 Cerebras，最高速度可達每秒 750 tokens。這個版本初期同樣只面向部分客戶開放，后續會隨著容量擴展逐步放開。

換句話說，GPT-5.6 的「有限預覽」并不只是產品灰度發布，更是一套安全驗證流程。OpenAI 需要在能力、風險與開放之間，找到一個可控的平衡點。

前沿模型發布節奏，進入新周期

兩周前，Anthropic 停用了其最強模型之一 Fable 5，因為美國政府要求該公司限制美國境內外外國公民使用相關模型，理由是國家安全。

而在 GPT-5.6 的發布流程中，第一批使用用戶同樣不完全由 OpenAI 自己決定。

OpenAI 在官方博客中披露，在發布前已向美國政府展示 GPT-5.6 的能力與發布計劃。根據美國政府要求，模型將以有限預覽形式上線，僅向少數可信合作伙伴開放，并且這些合作伙伴的信息已與政府共享。

《華盛頓郵報》的報道提到，美國聯邦政府將審核哪些公司可以訪問 OpenAI 的最新技術。且目前只有獲得美國政府批準的公司可以訪問新模型，個人用戶沒有申請通道。

彭博社則報道稱，GPT-5.6 首批開放對象約為 20 家合作伙伴，其中一個入口可能是亞馬遜的 Bedrock 平臺。

對此，OpenAI 的態度顯然是有些模凌兩可。OpenAI 在博客中表示，不認為美國政府參與模型訪問流程應當成為長期默認機制，因為這會讓最好的工具遠離用戶、開發者、企業、網絡防御者和全球合作伙伴。

但現實是，OpenAI 仍選擇接受這一安排，理由是希望爭取更廣泛開放，同時與美國政府共同制定一套可復制的模型發布流程。

這一變化背后，是前沿 AI 模型逐漸被納入國家安全框架。

過去，新模型發布主要是公司產品節奏問題。現在，一旦模型在編程、網絡安全、生物和代理式工作流上跨過新的能力區間，發布節奏就可能被納入安全和出口控制討論。

對 OpenAI 來說，GPT-5.6 既是一次旗艦模型預覽，也是一次政策試探。OpenAI 需要證明 Sol 足夠強，也需要證明安全體系足夠嚴密，還要在美國政府審查和商業開放之間找到可執行路徑。

如此復雜的發布流程，某種程度上也「劇透」了前沿 AI 未來的魔幻走向：當模型能力逼近關鍵閾值，使用資格與使用方式，將成為比性能更為關注的事項。

我們正在招募伙伴

簡歷投遞郵箱hr@ifanr.com

?? 郵件標題「姓名+崗位名稱」（請隨簡歷附上項目/作品或相關鏈接）