OpenAI 发布三种规格的 GPT-5.6
Simon Willison··作者 Simon Willison
关键信息
文中给出的价格分别是 Luna 每百万输入/输出 token 1 美元/6 美元，Terra 为 2.50 美元/15 美元，Sol 为 5 美元/30 美元，但文章也指出，由于不同模型的推理 token 消耗差异很大，单纯按 token 计价并不容易直接比较。OpenAI 还加入了 Programmatic Tool Calling、多代理支持、prompt cache breakpoints，以及可保留原始分辨率的图像细节选项。
资讯摘要
OpenAI 的 GPT-5.6 系列已经正式可用，并提供三种规格：Luna、Terra 和 Sol。它们按每百万输入和输出 token 分别定价，从最便宜的 Luna 到最贵的 Sol。文章同时提醒，单看 token 价格并不能完全说明问题，因为不同模型在同一任务上消耗的推理 token 数量可能差异很大。OpenAI 最重要的主张是它在长时间运行的代理式工作流上取得了领先：在 Agents’ Last Exam 上，GPT-5.6 Sol 据称拿到 53.6 分，比 Claude Fable 5 高 13.1 分；在中等推理设置下，也以大约四分之一的估算成本领先 11.4 分。
OpenAI 还表示，更小的 Terra 和 Luna 也能以大约十六分之一的成本超过 Fable 5。文章还指出一个有趣的反差：Fable 5 在 SWE-Bench Pro 上的自报成绩明显优于 GPT-5.6 Sol，而 OpenAI 也在前一天专门发文质疑 SWE-Bench Pro 的可靠性，称大约 30% 的任务可能有问题。作者提到，自己对 GPT-5.6 Sol 的早期体验显示它确实很强，但在复杂编程任务上还没有明显优于 Anthropic 的模型。除了模型本身，这次发布更值得关注的也许是新的 API 指南和工具，包括 Programmatic Tool Calling、多代理编排、prompt cache breakpoints，以及更灵活的图像处理能力。
资讯正文
OpenAI 最新的旗舰模型今天上午已<a href="https://openai.com/index/gpt-5-6/">正式全面可用</a>，并提供三种规格：Luna、Terra 和 Sol（从小到大）。
新模型的定价按每 100 万输入/输出 token 计算，分别为：Luna 1 美元/6 美元，Terra 2.50 美元/15 美元，Sol 5 美元/30 美元。相比之下，Claude Opus 系列为 5 美元/25 美元，Claude Fable 5 为 10 美元/50 美元，但如今每百万 token 的单价并不能说明太多，因为不同模型在完成同一任务时所消耗的推理 token 数量可能差异很大。
OpenAI 最重大的基准测试说法涉及长时间运行的 agentic 性能，其中一项基准显示这三款模型都优于 Claude Fable 5：
我们训练 GPT-5.6 以便让每个 token 产出更多有用工作。在 <a href="https://agents-last-exam.org/">Agents’ Last Exam</a> 上——这是一项覆盖 55 个领域、评估长时间专业工作流程的测试——GPT-5.6 Sol 取得了 53.6 的新高，领先 Claude Fable 5（自适应推理）13.1 分。即使在中等推理设置下，它也以大约四分之一的估算成本领先 Fable 5 11.4 分。这种效率同样延伸到更小的模型，而更小的模型对于让智能更普及、更可负担至关重要：GPT-5.6 Terra 和 GPT-5.6 Luna 以大约十六分之一的成本领先 Fable 5。
有趣的是，Fable 5 在一项自报基准上对 GPT-5.6 家族实现了碾压，那就是 SWE-Bench Pro；Fable 5 得分 80%，而 GUT-5.6 Sol 为 64.6%。这或许有助于解释为什么 OpenAI 选择在昨天专门<a href="https://openai.com/index/separating-signal-from-noise-coding-evaluations/">发布这篇文章</a>，点名 SWE-Bench Pro，并指出他们在审计该基准时发现的问题：
鉴于这些结果，我们估计 SWE-bench Pro 任务中约有 30% 是有问题的，并建议模型开发者仔细审查结果
我已经有机会提前试用 GPT-5.6 Sol——它显然非常能干，不过到目前为止，在我使用 Anthropic 模型进行的那类复杂编码任务上，它还没有让我觉得比 Fable 更好。
和往常一样，<a href="https://developers.openai.com/api/docs/guides/latest-model?model=gpt-5.6">关于如何使用 GPT-5.6 的模型指南</a>里有最有意思的细节。这里面有一堆我需要去研究的新 API 功能（而且大概还要在 <a href="https://llm.datasette.io/">LLM</a> 中增加支持），包括：
<a href="https://developers.openai.com/api/docs/guides/tools-programmatic-tool-calling">Programmatic Tool Calling</a> 允许模型“组合并运行 JavaScript，以编排工具调用”——在我看来，这听起来可能有助于弥合 MCP 与完整终端会话之间的差距，后者可以以有用的方式组合 CLI 工具。这也让人想起 Anthropic 为其网页搜索工具加入的<a href="https://platform.claude.com/docs/en/agents-and-tools/tool-use/web-search-tool#dynamic-filtering">动态过滤</a>机制，它允许在单次模型轮次中对网页结果执行代码。
Multi-agent 让模型“为并行、聚焦的工作启动子代理”——这种子代理模式现在已经内置到核心 API 中。
Prompt cache breakpoints 把 Claude 的提示缓存模式带到了 OpenAI，让你可以明确指定缓存断点在哪里，而不必依赖 API 自动检测。就我个人而言，我更喜欢自动检测（OpenAI 仍然支持），但如果你愿意投入这部分工作，想必这里会有一些优化成本上的收益。
你现在还可以在图像请求中设置 detail: original，从而在处理之前完全不对图像进行缩放。
这里有一个包含 18 只不同鹈鹕的完整页面，展示了三种不同模型在 reasoning effort 设为 none、low、medium、high、xhigh 和 max 时的表现。页面还列出了它们的 token 数和计算得出的成本——最便宜的是 gpt-5.6-luna，在 effort none 下只要 0.71 美分；最贵的是 gpt-5.6-sol，在 max 推理等级下达到 48.55 美分。
在更多鹈鹕新闻中，如果你把时间跳到他们今天上午直播的 17:50，就能看到 OpenAI 自己演示的 3D 鹈鹕：有的骑着三轮车，有的骑着自行车，有的骑着小马，还有一只鹈鹕骑着另一只鹈鹕！
来源与参考
收录于 2026-07-10