核心概念

2026 年 7 月 9 日，OpenAI 正式發布 GPT-5.6 模型家族，以「前沿智能，隨野心而擴展」為主軸。這次發布確立了 OpenAI 新的雙軸命名架構——數字（5.6）代表世代，名稱（Sol/Terra/Luna）代表能力層級——允許各層級未來獨立升級，避免過去「Instant」命名造成的市場混淆。

Sol（旗艦） 是本次最核心的突破。在涵蓋 55 個專業領域長期工作流的 Agents' Last Exam 評測中，Sol 以 53.6 分超越 Claude Fable 5 整整 13.1 分，確立 AI 代理任務的新基準。在 Artificial Analysis Intelligence Index，Sol 最大推理模式與 Fable 5 僅差 1 分，但完成任務速度快 61%、估算成本約一半。在 Artificial Analysis Coding Agent Index，Sol 得 80 分，超越 Fable 5（77.2 分），且消耗更少 Token。

此外，Sol 在終端機與指令列工作流的 Terminal-Bench 2.1 評測中得 88.8%，ultra 模式（啟用子代理編排）可達 91.9%，大幅領先 Claude Fable 5（83.4%）與 Gemini 3.1 Pro Preview（70.7%）。專域增益則體現在 GeneBench v1（生物研究）、ExploitBench 與 ExploitGym（網路安全）等領域，Sol 在這些高專業度場景尤為突出。

Terra（均衡） 定位日常生產力層——效能略超 GPT-5.5，且比 GPT-5.5 便宜 50%，也微幅超越 Claude Fable 5。

Luna（快速） 主打低延遲、高吞吐量場景，效能超越 Claude Opus 4.8，且成本最低。需注意：因多任務平均機制，Luna 在部分單一基準（如 Terminal-Bench）的表現可能接近甚至超越 Terra，反映「能力層級是多任務綜合加權，非個別基準的保證」。

關鍵要點

定價（每百萬 Token）

模型 輸入 輸出 定位
Sol $5 $30 旗艦・最高智能・max/ultra 推理
Terra $2.50 $15 均衡・日常生產力・半價 GPT-5.5
Luna $1 $6 快速・低延遲・超越 Opus 4.8

技術規格（三款共用）

  • 上下文窗口：100 萬 Token
  • 最大輸出：128,000 Token
  • 知識截止：2026-02-16
  • Sol 在 Cerebras 硬體可達每秒 750 Token 推論速度

API 開發者新功能

  • 程式化工具呼叫（programmatic tool calls）
  • 多代理協作架構原生支援
  • 可自訂斷點的 Prompt Caching
  • 原始解析度影像輸入選項（不自動下採樣）

安全設計：迄今最嚴格安全堆疊，強化高風險活動、敏感網路安全請求與重複濫用場景的防護，採人工紅隊結合大規模自動化測試的最長評估週期。

實務應用

跨平台整合：GPT-5.6 同步上線 ChatGPT、Codex 與 OpenAI API，Microsoft 365 Copilot 同步採用 GPT-5.6 作為 Word、Excel、PowerPoint、Teams、Outlook 五大應用的首選模型。

成本計算警示：由於推理 Token 數量依任務複雜度差異極大，跨模型的成本比較不能只看表訂價，需以實際工作流的 Token 消耗測試為準。高推理密度任務中，Sol 的每次任務實際成本可能比 Luna 高出數倍以上。

政府協調發布：這是 AI 前沿模型發布進入新阶段的信號——OpenAI 主動向美國政府通報，發布前接受外部協調，安全堆疊優先於最大化商業可及性。

延伸觀點

三篇文章的共同核心（simonwillison.net、DataCamp、WebSearch 多源合成）

兩個普遍認同的觀點支撐本次發布的意義：第一，Terra 的 CP 值重塑主力部署選擇——以「上一代旗艦品質、當代中階定價」的模式，Terra 對多數企業工作流而言是最理性的預設選項，而非 Sol。Sol 的旗艦地位更多體現在代理任務（agentic workflows）而非常規問答或文件處理。

第二，Sol 的優勢在「代理密度」而非「平均智能」。在需要長期規劃、多工具調用、跨會話持久記憶的工作流中，Sol ultra 模式的子代理能力才是真正差距所在。Agents' Last Exam 設計本身就是針對此類長跑場景——13.1 分的超越幅度，在常規問答基準上不一定重現。

獨特視角（來自 DataCamp，僅 1 篇提及）：Luna 在部分單項基準超越 Terra 的現象，揭示了多層模型命名的根本矛盾：「層級排名是加權平均，非逐項保證」。在高吞吐量但技術難度中等的應用中，實際測試 Luna 可能比直觀判斷更具競爭力。

延伸閱讀：GPT-5.6 Sol 預覽：OpenAI 下一代旗艦模型 | GPT-5.6 成為 Microsoft 365 Copilot 首選模型 | GPT-5.5 Instant：ChatGPT 預設模型的幻覺減半與個人化升級

反向連結

以下頁面引用了本頁：