GPT-5.6发布可取代八成工作，普通用户用不了，Claude Mythos 5同步开放

编辑 | 王凤枝

2025年6月27日凌晨，OpenAI正式发布了一套全新的AI模型系列——GPT-5.6，三款型号分别命名为Sol、Terra和Luna。其中，旗舰模型Sol在命令行操作、漏洞挖掘、生物分析等多个基准测试中全面刷新了纪录，效率较前代模型大幅提升。值得关注的是，Sol仅消耗对手三分之一的输出token量，便与Anthropic的Claude Mythos Preview模型打成了平手。

一位提前获试用资格的知名博主表示，这款模型几乎替代了他80%的日常工作，即便是称为“GPT-6”也毫不为过。然而问题在于：如此强大的模型，普通用户目前根本无法使用。OpenAI仅向约20个经过政府严格审查的合作方开放访问权限，全面公开发布预计还需等待数周。

OpenAI CEO山姆·奥特曼在社交媒体上无奈地回应：模型能力毋庸置疑，但当前局面并非我们能掌控，这是美国政府的明确要求。

OpenAI最新公开的博客内容直言不讳：他们并不认为这种政府介入的审批流程应该成为长期惯例，它使得最顶尖的工具无法抵达真正需要的用户手中。然而，当前采取这一短期限制步骤，是基于一个判断——这或许能让模型以最快速度到达更广泛的人群。这种分阶段的发布方案，既回应了特朗普总统于6月2日签署的行政命令中关于模型安全评估的合规要求，也有效避免了重蹈Anthropic的覆辙——后者因在发布后遭到政府强制叫停而陷入尴尬境地。

同样在当天下午，另一家AI明星公司Anthropic也迎来了初步解禁令。美国政府解除了对Claude Mythos 5长达两周的出口管制，批准其向超过100家美国机构推送。美国商务部长霍华德·拉特尼克在致Anthropic的正式信函中表示，已确认相关机构采取了适当的保障措施。然而，Mythos的姊妹模型Fable 5仍处于受限状态，解禁时间表尚未明确。

将这两件事联系在一起，释放的信号已十分明确：美国政府正将前沿AI模型的发布权牢牢掌控在自己手中。谁能第一时间获得最强模型，谁需要排队等待——决策权已从硅谷转移至华盛顿。换言之，OpenAI此次选择了一条更为稳妥的策略：在全面放开之前，主动向政府提交发布计划及模型能力说明，并按要求启动有限预览。这并非在看到Anthropic受罚后的仓促应对，而是早有布局的精心准备。可以说，GPT-5.6不仅在产品能力上，更在发布节奏上精准踩准了监管的节拍。

01 Sol实力几何？以对手三分之一的输出量实现旗鼓相当

GPT-5.6系列共包含三款模型：Sol（太阳）、Terra（大地）和Luna（月亮）。命名方式彻底变革，不再沿用过去的nano、mini等后缀，而是采用更持久的能力层级来区分。Sol定位旗舰，Terra主打平衡性能，Luna则侧重快速响应与经济实惠。OpenAI解释称，新的命名体系旨在为开发者和用户提供关于智能水平、运算速度及使用成本的更清晰选择。据VentureBeat援引了解OpenAI内部运作的消息人士透露，新名称的灵感部分来自宇宙与自然元素，同时Sol也与公司一项名为“Daybreak”的网络防御计划形成了巧妙呼应。

Sol究竟强悍在哪里？最直观的突破体现在效率上。OpenAI最新公布的数据显示：在ExploitBench基准测试中，GPT-5.6 Sol仅使用了大约三分之一的输出token，就与Anthropic的Claude Mythos Preview模型打成平手。

美国知名AI博主@swyx在试用后指出，这是一条信息量极其丰富的描述。他解释说，这表明OpenAI的后训练团队大幅推进了推理能力的帕累托前沿——而这正是当前企业级智能体模型竞争中最关键的优势领域。团队未公开具体实现方法，完全在情理之中。

在衡量命令行自动化能力的TerminalBench 2.1测试中，Sol开启“超极模式”后拿到了91.91%的分数，刷新了行业纪录。即便不开启超极模式，其得分为88.76%，也显著超越了GPT-5.5的83.4%以及Claude Mythos 5的88%。中端型号Terra获得了82.5%的分数，性能已接近前代旗舰模型的水平。

在评估专业工作流能力的Agent's Last Exam测试中，Sol是唯一一款在代码模式下完成超过一半任务的模型，得分高达50.9%。即便是最廉价的Luna，在该项测试中的表现也勉强超过了GPT-5.5。

@swyx还分享了他的实际使用体验。

他表示自己已对GPT-5.6进行了较长时间的测试，这绝非普通的网络版模型，而是一款全新的顶尖工作模型，直接替代了他在80%任务中使用的Claude Opus。他甚至认为，这次改进的幅度远超从5.4到5.5的跃升——而5.5本身已是自4o和o1以来OpenAI最成功的发布。团队在这个版本上倾注了全力，直接称之为“GPT-6”也毫不夸张。

02 能力不止于代码：生物与基因分析同样实现跃升

OpenAI新模型的能力远不止于编程和网络安全领域。在评估基因组学与定量生物学分析的GeneBench v1测试中，Sol和Terra的准确率均高于GPT-5.5，并且Sol所需的输出token更少，效率提升十分明显。

OpenAI在官方博客中表示，GPT-5.6 Sol是迄今他们在网络安全防御方面能力最强的模型，显著改变了长期安全任务中性能与效率的边界。然而有趣的是，能力越强，模型在安全方面的自我约束也越多。在针对Chromium和Firefox代码库的测试中，Sol能够识别出漏洞及利用原语，但在当前测试条件下，尚无法自主拼接出一套功能完整的全链利用程序。OpenAI强调，该模型更擅长协助防御者发现和修复漏洞，而非可靠地执行端到端攻击。其定位非常清晰：就是作为安全研究人员的高效助手而存在。

03 安全审查拖慢发布进程：首批仅向20家合作方开放

此次发布最令人意外之处，当属其发售方式。按照OpenAI的原始计划，GPT-5.6本应直接面向公众开放访问。然而，特朗普总统于6月2日签署的行政命令要求联邦机构制定全新的AI模型能力基准与评估流程，截止日期为7月2日，导致整个框架尚在搭建之中。因此，美国政府要求OpenAI暂缓全面铺开，仅向一小批可信赖的合作伙伴提供有限预览。

OpenAI照做了。他们在博客中表示，已在发布前向政府提交了模型计划及能力详情，并应政府要求先向合作方开放，这些合作方的具体信息也已同步给政府。合作方数量约为20家，具体名单未予公开。全面公开发布被推迟至未来数周，具体时间将取决于与政府的沟通进展。

奥特曼在社交媒体上发文解释了这一情况。他表示，好消息是Sol聪明、高效，是一项重要的进步，且定价与GPT-5.5保持一致。坏消息则是，应美国政府要求，今天只能以有限预览的形式推出，而非原本计划的开放访问。奥特曼认为，以这种方式推出模型是合理的，也符合公司长期坚持的迭代部署策略，但这并非他认为最优化的流程。他还意味深长地补充了一句：我相信政府与我们共享大部分目标，并且他们在这样一个极其困难的局面中总体上表现出色。

OpenAI最新博客的措辞则更为直接。他们明确写道：“我们认为这种政府接入流程不应成为长期的默认做法，它使得最佳工具无法触及最需要的用户、开发者、企业、网络防御者以及全球合作伙伴。”但紧接着又表示，采取这一短期步骤，是因为我们相信这是在未来几周内实现更广泛可用性的最有力途径。

在安全方面，OpenAI此次投入了巨大精力。最新披露的信息显示，他们投入了超过70万个A100等效GPU小时的算力，专门用于对GPT-5.6进行自动化红队测试。目标并非找出单个提示的变通方法，而是识别出通用越狱方法——即那些能在不同上下文情境中反复起作用的系统性攻击向量。防护体系分为多个层次：模型本身经过训练，会拒绝提供被禁止的网络帮助，包括有人试图掩饰意图或进行越狱操作。此外，还部署了实时的滥用筛查分类器，独立监控网络和生物相关内容的输出。对于Sol和Terra这两个能力更强的版本，OpenAI还额外增加了一层激活分类器，用于在推理过程中监控内部信号。一旦检测到风险模式，输出流可以暂定，由另一个更大的推理系统审查内容与上下文，若判定违规，答案将在到达用户之前被拦截。

然而，这套严密的防护也存在一定的副作用。OpenAI在系统卡中承认，由于合法的防御性工作与攻击行为在代码原语上常常相似，分类器可能会出现定期误报。数据显示，监控栈在生物安全评估上的整体召回率为94.8%，在网络安全方面则为81.6%——这表明它并非滴水不漏，既可能漏掉风险，也可能误拦合法工作。被持续标记的活动还可能触发跨历史对话的账户级自动审查。OpenAI表示，正在与企业客户商讨长期的安全合规控制方案，包括由客户自行操作的安全覆盖以及能够保护企业数据不被人工审查看到的隐私检测机制。

04 AI圈争议四起：政府是否在挑选赢家？

OpenAI新模型的发布方式迅速引发了广泛讨论。独立研究员约书亚·克拉托奇维尔公开表达了他的担忧。他认为，将模型访问权限对公众设限，仅授予企业和机构，是在开创一个危险的先例。这会延续社会中已经滋生的许多问题，听起来就像赛博朋克式的反乌托邦——政府与企业掌控一切。

他进一步批评道，这种做法限制了小企业的发展机会，阻碍了初创公司获取最顶尖的工具，现有巨头从中获益最多，而有潜力的初创公司却因此受到惩罚。他提议，未来或许可以设计一个申请表单，也允许小企业、美国公民以及小型实验室提交访问权限申请。

X平台用户KevinOffScript说得更为直白。他评论说，这实际上是政府在决定谁能够获得最宝贵的资源，他不希望由政府来挑选和决定市场赢家。他认为AI公司应当自行实施“了解你的客户”政策，只限美国公司使用，除此之外，政府不应干预。

但也有人持有相对平衡的看法。AI博主swyx认为，为扩展红队测试而设置一个强制预览期，本身并非坏主意，真正让人感到不适的只是由政府来挑选客户这一环节。ID为HaiyuWu1的X用户则提出了另一种质疑：他表示奇怪的是，OpenAI有这么多方面可以宣传其新模型，却选择突出一个基准测试结果和一些花哨的名称，实用性与在单一基准测试上表现良好之间还存在着不小的差距。

05 三款模型怎么选？价格相差五倍，定位各不相同

三款模型的定价差异十分清晰。Sol每百万输入token价格为5美元，输出为30美元，与GPT-5.5持平。Terra的定价为Sol的一半，每百万输入token为2.5美元，输出为15美元。Luna最为经济实惠，输入价格为1美元，输出为6美元。从Sol到Luna，输出价格相差了五倍。

OpenAI表示，Terra的性能与GPT-5.5相当，但成本仅为其一半。Luna定位为最快、成本最低的选项，在多项测试中表现接近GPT-5.5的水平。换句话说，如果不需要追求最顶级的性能，选择价格更低的版本已经足够满足需求。

在成本控制方面，OpenAI还推出了一项新功能。GPT-5.6 API引入了更可预测的提示缓存机制。开发者可以设置明确的缓存断点，系统保证至少30分钟的最小缓存生命周期。首次缓存写入时的费用为标准未缓存输入费率的1.25倍，但之后再次读取即可享受90%的折扣。对于那种反复将大量上下文或代码库回传至模型的系统，这提供了一个有效的财务安全屏障。

在速度方面，OpenAI计划于今年7月在Cerebras硬件上推出GPT-5.6 Sol，声称处理速度可达每秒750个token，主要面向对延迟敏感且需要前沿推理能力的专业企业应用。

结语：接下来会发生什么？

GPT-5.6发布当天，Anthropic也收到了一份来自政府的正式信函。商务部长拉特尼克正式通知Anthropic，解除对Mythos 5长达两周的出口管制，但Fable 5仍处于限制状态，解禁时间未定。

至此，美国政府的新角色已经彻底明朗化。商务部发言人本诺·卡斯表示，在短短两周内，政府勤奋工作，确保美国在保障安全的同时，保持全球AI领导者地位。拉特尼克在信中则说得更为直白：他称这标志着一个全新监管制度的开端，政府从此掌握了前沿AI模型发布的控制权。

行业内对此早有不满。许多AI分析师批评白宫正在选择性扶持赢家，并且让过去与Anthropic的争执影响了决策。而另一边，OpenAI政府在针对Anthropic下达禁令之前，就已经在讨论GPT-5.6的发布事宜，奥特曼和拉特尼克周三还专门进行了会谈。商务部下属的AI标准与创新中心（CAISI）一直在审查GPT-5.6。知情人士透露，最近的行政命令让网络安全和国家安防官员在模型评估中发挥了更大作用，这也让那些一直推动CAISI保持重要存在的公司——其中就包括OpenAI——感到担忧。

GPT-5.6全面公开发布的具体时间尚未确定，OpenAI给出的说法是“未来几周”。奥特曼发文表示，目前他们正在与政府合作，尝试建立一个透明、可靠的早期访问流程，确保只要安全措施按预期运作，即可实现广泛发布。他希望成为可靠、值得信赖的合作伙伴，同时坚守造福全人类的使命。

对于普通用户而言，GPT-5.6目前仍无法使用。对开发者和小型企业来说，能否获得访问权限、何时获得，都是未知数。而对整个行业而言，此次发布的意义可能已经超越了模型本身。这一切都指向同一个事实：最先进的AI模型发布流程，已经从硅谷的董事会会议室，搬到了华盛顿的谈判桌上，并且短期内看不到回归的迹象。