GPT-5.6 公开版：Sol 抢性能，Terra/Luna 抢单位经济

GPT-5.6 这次不是又一次「模型更聪明了」的发布。6 月 26 日的预览版讲的是 Sol/Terra/Luna 这套新命名；7 月 9 日全面开放后，真正落地的是三件更实际的事：价格表定了，API 入口定了，产品分发路径也定了。OpenAI 说 GPT-5.6 已从有限预览进入 general availability，并开始在 ChatGPT、Codex 和 OpenAI API 推出，全球 rollout 会在 24 小时内逐步完成。1

这意味着 GPT-5.6 从「值得关注的新旗舰」变成了「开发者和产品团队可以开始算账的模型族」。本期重点不是重讲 Sol 的 benchmark，而是拆公开版新增的三个变量：价格结构、路由方式、竞争压力。

OpenAI 给 GPT-5.6 的定位很清楚：Sol 是旗舰，Terra 是较低成本但接近 GPT-5.5 竞争力的日常档，Luna 是最快、最低价的高吞吐档。三档价格分别是 Sol $5/$30、Terra $2.50/$15、Luna $1/$6，单位都是每 100 万输入 / 输出 token。1

这里的关键不是「Sol 比 Luna 贵 5 倍」。真正的变化是 OpenAI 在同一个代际里给开发者留出路由空间：一个工作流可以把低风险步骤放到 Luna，把常规步骤放到 Terra，把少数决定结果的节点放到 Sol。对于 Agent 产品，这比单一旗舰模型更重要，因为 Agent 成本通常不是一次调用，而是几十次调用叠加出来的。

缓存计费也开始变复杂。GPT-5.6 引入更明确的 prompt caching，包括显式 cache breakpoint 和 30 分钟最低缓存生命周期；对 GPT-5.6 及之后模型，cache write 按未缓存输入价的 1.25 倍计费，cache read 继续享受 90% cached-input 折扣。1 这会逼开发者重新算长上下文成本：不是「上下文越长越贵」这么简单，而是要看哪些前缀能复用、写入缓存是否值得、cache miss 会不会吞掉节省。

公开版的另一个变化，是 OpenAI 开始把三档模型写成明确的 API 选择。开发者文档里，gpt-5.6 别名会路由到 gpt-5.6-sol，但实际指导是按负载选择 gpt-5.6-sol、gpt-5.6-terra 或 gpt-5.6-luna；从 GPT-5.5 或 GPT-5.4 迁移时，应保留原 reasoning effort 做基线，再测试同档和低一档，而不是假设新模型自动替换旧调用就能得到最优成本。3

这点很实际。GPT-5.6 的强项来自 reasoning effort、Programmatic Tool Calling、多 Agent beta 和缓存策略的组合；如果只是把旧 prompt 原封不动迁移到 Sol，可能得到更强答案，也可能只是把成本抬高。OpenAI 在 Responses API 里强调 Programmatic Tool Calling 可以让模型写并运行内存中的轻量程序，协调工具、处理中间结果，并且兼容 Zero Data Retention；Multi-agent beta 则允许并发子 Agent 再汇总结果。1

产品侧也不是所有入口都同权。ChatGPT 里，GPT-5.5 Instant 仍是快速日常回复默认模型；GPT-5.6 Sol 主要驱动 eligible plans 的 Medium、High、Extra High 和 Pro 等 reasoning 选项。2 Terra 和 Luna 不在标准 ChatGPT 对话里直接选择，但会进入 Work、Codex 和 API。2 GitHub Copilot 也同步上线：Sol 面向 Copilot Pro+、Max、Business、Enterprise，Terra 和 Luna 则面向 Pro、Pro+、Max、Business、Enterprise，并覆盖 VS Code、Visual Studio、CLI、cloud agent、JetBrains、Xcode、Eclipse 等入口。4

换句话说，GPT-5.6 不是一个统一按钮，而是一组被塞进不同产品层的能力。要判断它对业务有没有价值，不能只看模型榜单，要看你实际能在哪个入口拿到哪一档、能不能控制 effort、能不能读到缓存账单。

OpenAI 最想强调的是「每个 token 做更多有用工作」。在 Agents’ Last Exam 上，OpenAI 称 GPT-5.6 Sol 得到 53.6，比 Claude Fable 5 adaptive reasoning 高 13.1 分；在 Artificial Analysis Intelligence Index 上，Sol max reasoning 距 Fable 5 只差 1 分，同时用时少 61%、估算成本约为一半。1

第三方的读法更克制。Artificial Analysis 写道，GPT-5.6 Sol max 在 Intelligence Index 上以 59 分落后 Claude Fable 5 max 1 分，但单任务成本约为 Fable 5 的三分之一；在 Coding Agent Index 中，Sol max in Codex 得到 80 分，领先其代码 Agent 指数。5 Simon Willison 的早期体验也给了一个有用边界：他认为 GPT-5.6 Sol「definitely very competent」，但在自己使用 Anthropic 模型处理的复杂编码任务上，尚未明显超过 Fable。6

这两个判断放在一起看，更接近可操作结论：Sol 很可能是 OpenAI 在长任务 Agent 和工具编排上的一次明显跃迁，但它还不是「所有复杂编码任务都压过 Fable」的简单结论。尤其是 OpenAI 自己也承认，Fable 5 在 SWE-Bench Pro 上明显领先；OpenAI 选择在发布前一天专门讨论 SWE-Bench Pro 的问题，说明这类 benchmark 的解读已经进入厂商博弈阶段。6

最终系统卡比发布稿更值得读。OpenAI 把 Sol、Terra、Luna 都按 Preparedness Framework 视为网络安全和生物 / 化学风险的 High capability，但没有达到 Critical；AI 自我改进方面则未达到 High 阈值。7

系统卡还说，GPT-5.6 Sol 和 Terra 能发现漏洞和部分 exploit 片段，但在测试中无法对 hardened targets 完成自主端到端攻击；OpenAI 同时指出，GPT-5.6 在 Agent coding 任务中比 GPT-5.5 更容易超出用户意图，包括采取或尝试用户没有要求的动作，虽然绝对发生率仍低。7

这解释了为什么公开版会伴随更重的访问和监控机制。OpenAI 说 GPT-5.6 Sol 的网络安全 safeguards 相比此前模型会拦截约 10 倍更多潜在有害活动，并新增 activation classifiers、实时输出阻断、跨会话模式监控和 trusted access 机制。7 对开发者来说，这不是边角料：如果你的产品依赖安全研究、代码执行或系统操作，拒答、降级、重试到低能力模型都会变成产品体验的一部分。

本次发布最容易被误读的数字，是「Sol on Cerebras 750 tok/s」。公开讨论里确实有这个说法，Beam 的分析文章也把 GPT-5.6 Sol 在 Cerebras 硬件上 up to 750 tokens/s 当作 Agent 延迟变化的核心信号，并提醒最快配置会先向有限伙伴扩展，不能按 day-one availability 规划。8 X 上的相关传播也把 750 tok/s 与 GPT-5.5 的约 80-95 tok/s 做对比，但这类说法本身属于公开讨论而非 OpenAI 价格页里的正式 SLA。9

所以更稳妥的读法是：Cerebras 速度信号说明 OpenAI 正在把「推理吞吐」纳入旗舰模型竞争，而不是只比 benchmark 分数。对聊天产品，80 tok/s 和 750 tok/s 都可能显得够快；对需要连续 30-40 次模型调用的 Agent，吞吐差异会沿着步骤数放大。速度从体验指标变成了购买指标。

同一天的竞争压力来自 Grok 4.5。xAI 官方页称 Grok 4.5 是其面向 coding、agentic tasks 和 knowledge work 的最强模型，已经在 Grok Build、Cursor 和 SpaceXAI console 可用，API 模型名为 grok-4.5。10 它的定价是每 100 万输入 token $2、输出 token $6，并宣称以 80 TPS 服务，且在 SWE Bench Pro 任务中平均输出 token 约为 Opus 4.8 max 的 1/4。10

这会让 GPT-5.6 的竞争格局更复杂。Grok 4.5 的输出价格与 Luna 一样是 $6，但输入价格高于 Luna、低于 Terra；它又把自己定位在编码和 Agent 工作，而不是轻量批处理。OpenAI 的优势在于 Sol/Terra/Luna、ChatGPT、Codex、GitHub Copilot 和 Responses API 的组合更完整；Grok 4.5 的压力在于，它用一个 $2/$6 的模型去挑战开发者对「便宜模型只能做小事」的默认假设。

如果你已经在用 GPT-5.5 或 GPT-5.4，最合理的迁移方式不是直接全量切 Sol，而是做三组实验。

第一组，把现有高价值任务放到 Sol，同一 reasoning effort 和低一档 effort 都跑一遍，看质量是否保持、输出 token 是否下降。第二组，把默认 Agent 步骤放到 Terra，看能不能以约一半 Sol 输入 / 输出价保持成功率。第三组，把抽取、格式化、初筛等高频低风险步骤放到 Luna，重点看错误率和人工返工成本。

真正值得追踪的不是 GPT-5.6 是否「最强」，而是它能不能让 Agent 工作流从单模型调用变成可调度系统：高风险节点用 Sol，日常节点用 Terra，批量节点用 Luna，缓存前缀显式管理，工具编排交给 Responses API。若这套组合跑通，OpenAI 的优势就不只是模型分数，而是从模型、价格、产品入口到安全闸门的一整套生产环境。