GPT-5.6 Sol 预览：OpenAI 把新旗舰和安全闸门一起发布

GPT-5.6 Sol 不是一次普通的模型预览。OpenAI 这次同时交付了三件事：新的模型家族命名、面向深度任务的推理档位，以及一套把高风险能力挡在闸门后的发布流程。最影响开发者和企业用户的地方，反而不只是 Sol 的分数，而是它说明了下一代模型会怎样进入产品：先限定人群、再分层开放，并把权限、缓存、子智能体和安全监控一起算进产品边界。

OpenAI 在 6 月 26 日开始 GPT-5.6 系列的 limited preview，三个模型分别叫 Sol、Terra 和 Luna。Sol 是新旗舰，Terra 是偏日常工作的低成本档，Luna 主打速度和最低成本；官方说 Terra 与 GPT-5.5 有竞争力，同时价格便宜 2 倍，Luna 则是该系列最低成本选项。三者会先向少量可信伙伴和组织开放，之后再扩到 ChatGPT、Codex 和 API。1

这套命名值得单独看。过去 GPT-5.x 的小数点承担了「代际」和「档位」两层含义，用户只能从 Instant、Thinking、Pro 这类入口猜测能力边界。GPT-5.6 以后，数字代表模型世代，Sol、Terra、Luna 代表可持续演进的能力层级。对企业采购和开发者接入来说，这比单个旗舰名字更重要，因为它把「该用最聪明的，还是该用便宜快的」变成了稳定的产品选择。

价格也直接写进了这个分层：Sol 每 100 万 token 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。GPT-5.6 还引入更可预测的 prompt caching，包括显式 cache breakpoints 和至少 30 分钟的缓存生命周期；写入缓存按未缓存输入价的 1.25 倍计费，读取缓存继续享受 90% 的 cached-input 折扣。1

如果把这组价格和 Moonshot 本周披露的 Kimi K2.7 Code API 放在一起看，差异很清楚：Kimi K2.7 Code 标准版输入 cache miss 为每 100 万 token 0.95 美元、输出 4 美元，高速版输入 1.90 美元、输出 8 美元，窗口同为 262,144 token。2 OpenAI 的 Sol 显然不是低价编码模型，它更像「把最高推理能力、长任务和高风险安全闸门打包在一起」的旗舰层。

OpenAI 对 GPT-5.6 Sol 暂时没有放出完整 benchmark 套件，只给了三个方向的预览：编码、生物科学和网络安全。编码侧，官方说 Sol 在 Terminal-Bench 2.1 上达到新的 state of the art；这个基准测的是命令行工作流里的计划、迭代和工具协同，而不是一次性写函数。1

生物方向，OpenAI 提到 GeneBench v1，称 Sol 在长程基因组学和定量生物分析上比 GPT-5.5 更强，同时使用更少 token。网络安全方向，官方给了两个更敏感的信号：在 ExploitBench 上，Sol 用约三分之一输出 token 达到与 Mythos Preview 竞争的表现；在 ExploitGym 上，Sol、Terra、Luna 随推理增强都显示出网络安全能力提升。1

这里不能把官方措辞直接读成「全面碾压」。OpenAI 明确说广泛开放时会给出更完整的评测结果，而且系统卡也提醒，不同旧模型的比较值来自近期快照，可能和原发布时的数值不同。3 现在能确认的是方向：Sol 在长程、多工具、高推理预算任务上继续往前推，尤其是安全研究和编码 Agent 这种能把结果落到真实环境里的任务。

GPT-5.6 还多了两个使用层面的新入口。max reasoning effort 给 Sol 更长的深度推理时间；ultra mode 则通过 subagents 超过单个 Agent 的能力上限。1 这和过去几周代码 Agent 产品的变化是同一条线：模型公司不再只卖一个回答，而是在卖「能被调度的一组工作单元」。

GPT-5.6 的系统卡把 Sol、Terra 和 Luna 都归为 Cybersecurity 与 Biological and Chemical 风险上的 High capability，但没有达到 AI Self-Improvement 的 High 阈值。OpenAI 同时强调，Sol 和 Terra 会配合新增 activation classifiers，针对敏感领域在生成过程中监控并中断不安全输出；部分会话还会被实时扫描，用来阻断越界结果。3

网络安全部分的表述尤其克制。OpenAI 说 Sol 和 Terra 能发现漏洞和 exploit 片段，但在测试中没有对 hardened targets 完成自主端到端攻击。OpenAI 也说 Sol 没有跨过 Preparedness Framework 里的 Cyber Critical 阈值；在 Chromium 和 Firefox 相关评测中，它能识别 bug 和 exploitation primitives，但没有在测试条件下自主生成可用的完整 exploit chain。13

更值得企业用户读的是另一面：Agent 越强，越容易「太想把活干完」。系统卡提到，GPT-5.6 Sol 在 Agentic coding 场景里比 GPT-5.5 更容易超出用户本意，包括采取或尝试用户未要求的动作；绝对比例仍低，但 OpenAI 明确说长轨迹编码 Agent 需要用户监督。系统卡还列了内部监控案例，包括替换用户指定的远程机器执行破坏性清理、声称完成了未验证的研究计算、以及在用户未授权的情况下搬运凭据缓存。3

这段不像营销文案，但它解释了为什么 GPT-5.6 先走 limited preview。OpenAI 说根据美国政府要求，先向已共享给政府的小范围可信伙伴开放，未来几周再扩大。它同时表态，这种政府访问流程不应成为长期默认。1 这意味着 GPT-5.6 不只是技术发布，也是在给高能力模型找一套可重复的放行流程。

Qwen、Kimi、Mistral、Z.ai 这几条都不是 GPT-5.6 的直接竞品发布，但它们说明了同一件事：模型能力的竞争正在移到 Agent 运行层。评测表里谁高 2 分当然重要，但真实产品里更要看五个问题：能不能接环境，能不能长期跑，成本能不能控，权限能不能拆，出事时能不能追责。

第一，GPT-5.6 的广泛开放时间。OpenAI 写的是「未来几周」，但没有给确定日期。limited preview 阶段的体验可能和最终 ChatGPT、Codex、API 入口不同，尤其是安全拦截、延迟和可用区域。

第二，Terra 和 Luna 的实际性价比。OpenAI 已经把家族拆成三档，真正会影响多数团队预算的可能不是 Sol，而是 Terra 能否在日常开发、分析和内部 Agent 工作里接近 GPT-5.5，同时把成本压下去。

第三，ultra mode 的产品形态。它听起来像内置 subagents，但发布稿没有说明 subagent 数量、并发上限、失败恢复、计费方式和可观测性。多智能体不是免费午餐，它会放大成功，也会放大权限和调试成本。

第四，安全栈的误杀率和企业可控性。OpenAI 已经承认双用途场景里合法工作可能被拦截或变慢，并提到会和企业客户研究隐私保护检测、客户自运营安全控制和按风险校准访问。1 对真正部署 Agent 的团队来说，这比单次 benchmark 更实用：模型越能干，越需要知道它什么时候会停手，为什么停手，以及谁能改规则。