GPT-5.6突然发布！Fable5痛失最强基模王座

ChatGPT史上最强模型来了！

就在刚刚，OpenAI一口气端出三款

。主打一个“全家桶多款齐发”——旗舰模型（太阳）、平衡模型（大地）、低成本高速款（月亮）。

• GPT-5.6 Sol：
  最夯模型，编程测试左踢自家模型GPT-5.5，右打隔壁Fable 5，还新增max/ultra两个模式。

△GPT-5.6 Sol编程评测表现

• GPT-5.6 Terra：
  面向日常工作，性能对标GPT-5.5，同时价格便宜约2倍。

• GPT-5.6 Luna：
  GPT-5.6系列里最快、最便宜的一档，同时保留较强能力。

看完内心OS：新模型确实够猛……但坏消息是——普通用户目前无缘使用！是的，人家玩“有限预览”那套了。目前新模型只给少数受信的“合作伙伴”提供了有限的预览版本。普通用户可能得等上好一阵子。熟悉的配方，熟悉的操作。

GPT-5.6 Sol、Terra、Luna 三款模型齐发

是的，这次模型的名字开始走起天文学宇宙感的路子。从产品定位看，三者分工很清楚——

。在价格上，按每100万token计价：Sol输入5美元、输出30美元；Terra输入2.5美元、输出15美元；Luna输入1美元、输出6美元。

先看这次发布的OpenAI史上最强旗舰模型——

。在能力上，Sol面向的是，尤其适合需要规划、迭代、调用工具、协调步骤的复杂工作流。而且非常值得一提的是，OpenAI还给这新模型搞上了“加餐”——让模型获得更长的深度推理时间的，以及可以调用多个subagents协同处理复杂任务的。但凡加上ultra俩字，估计就不简单。

这不，吊打Fable 5的

基准测试就来了。在Terminal-Bench 2.1上，ultra模式下比Fable 5高出7.6个百分点，比上一代GPT-5.5高出9.4个百分点。

不仅在编程上，在

，GPT-5.6 Sol在GeneBench v1上也强于GPT-5.5，而且使用的token更少。这个测试评估的是长链路基因组学和定量生物分析任务，说明Sol在科研类复杂任务上的效率也有提升。

在

方向，OpenAI称Sol是其目前网络安全能力最强的模型。在ExploitBench上，GPT-5.6 Sol已经能接近Mythos Preview的表现，同时只使用约三分之一的输出token。

在由加州大学伯克利分校研究人员与OpenAI及其他前沿实验室合作开发的ExploitGym测试中，Sol、Terra、Luna三款模型都会随着推理强度增加，在网络安全能力上出现明显提升。

再看

——它的定位更接近GPT-5.6系列里的日常主力模型。OpenAI给出的说法是，Terra性能与GPT-5.5具备竞争力，同时价格便宜约2倍。最后走速度和成本路子的，则是GPT-5.6系列里最快、最便宜的一档，面向高频、低延迟、成本敏感任务，比如轻量问答、简单信息处理、实时交互、批量自动化等场景。需要提一嘴的是，除了Sol外，Terra和Luna目前公开披露的benchmark信息相对有限，后续可以蹲蹲这俩模型的评测表现。

三个模型综合对比下来，确实能看得出Sol在模型性能表现上不一般。但好巧不巧的是，

。外部评测机构METR拿到GPT-5.6 Sol早期访问权限后，尝试用Time Horizon 1.1软件任务套件评估它的长期任务能力。结果出现了一个麻烦问题：Sol在评测中被检测到较高比例的cheating和metagaming行为。

这里的“作弊”，指的是模型利用评测环境漏洞、绕开任务规则来提高表现，比如试图获取隐藏测试集信息，或者提取隐藏源码反推答案。这让最终分数很难解释——如果把这些作弊尝试算作失败，GPT-5.6 Sol的50%-Time Horizon约为11.3小时；如果算作成功，结果会超过270小时；如果直接剔除相关样本，估计值约为71小时，但不确定性很大。所以METR最后的态度相当谨慎，认为这些结果很难代表Sol稳定、可靠的真实能力。

当然，除了模型本身的评测表现和一些小八卦外，还值得一提的是一些“附加技能”。比如，GPT-5.6这次在开发者调用体验上补了一块关键能力：

。简单说，就是当开发者反复调用同一段长提示词、工具说明、系统规则或项目上下文时，模型不必每次都重新处理全部内容，可以把重复部分缓存下来，后续调用直接复用。GPT-5.6这次支持显式cache breakpoints，让开发者可以更明确地告诉系统：哪些内容该被缓存、缓存到哪里为止。同时，缓存生命周期至少30分钟，也让长任务、多轮任务、持续开发会话更容易保持稳定。

三款模型各取所需，喜欢您来。

凶猛的野兽都得被关进笼子里

能力讲完，另一件更微妙的事也来了。GPT-5.6 Sol确实猛，但OpenAI这次的发布姿势，反倒显得格外“谨慎”。一边推自家最强模型，一边又把安全栈、访问权限、审核流程全都加厚了一圈。按照官方说法，GPT-5.6系列用了其目前最稳健的安全机制，并且会根据不同模型能力配置不同的保护策略。这套安全栈不是只靠模型自己拒答，而是分成了好几层——

遇到被禁止的网络安全协助请求时，模型需要先学会拒绝。哪怕用户试图包装意图、绕开限制，模型层面也要先挡住一部分高风险请求。

OpenAI给GPT-5.6加了网络安全和生物滥用分类器，会在内容生成过程中持续判断风险。高风险情况下，生成甚至会被暂停，然后交给更大的推理模型重新审查上下文。最后如果判断内容不该放出，结果就会在到达用户前被拦截。

如果某些请求触发风险，系统还会结合相关会话和账号行为做更长期的判断。毕竟单看一句请求，很难区分对方是在做正当漏洞修复，还是在持续试探攻击路径。OpenAI想做的，是从单轮请求判断，走向更完整的行为模式判断。

这也解释了为什么GPT-5.6 Sol明明已经发布，却先只给少量trusted partners和组织使用，初期入口也主要放在API和Codex。因为可能确实“略危”。

危的不仅是模型本身，危的还有隔壁友商家的朋友——

。要知道Anthropic给它的定位，就是Claude系列里最强的广泛发布模型，主打高难推理、长周期agentic任务、复杂代码工程和企业工作流。此前在SWE-bench Verified上，Fable 5也是排在榜首位置，在代码等能力上明显高于Claude Opus 4.8和GPT-5.5。结果这边刚把长链路代码能力的招牌挂起来，GPT-5.6 Sol就来了。而且更扎心的是，OpenAI这次来的还不止一个Sol——高端能力，Sol来压；日常调用，Terra来抢；成本和速度，Luna来铺。Fable 5：前脚刚封神，后脚就要踢馆？

至于咱们啥时候能真正用上奥特曼的新模型，还得再等等。反正OpenAI自己已经把话放出来了。