GPT-5.6 前沿智能随你雄心壮志扩展

GPT-5.6 模型家族今日正式发布——在历经有限预览之后，旗舰模型 Sol、面向日常工作的平衡模型 Terra，以及最具成本效益的 Luna 全面开放。这次并非简单的版本迭代，而是对效率与品质的一次系统级重塑。

旗舰 Sol 在智能与效率两个维度同时树立了新标杆。在编码、知识工作、网络安全和科学领域，它以更少的 token 消耗和更低的预估成本，全面超越以往模型乃至当前最强竞品。这意味着：同样的预算能完成更多高质量工作，或者以更低总成本获得接近甚至更优的结果。更值得一提的是，针对最棘手的高负荷任务，Sol 引入了一个全新工作模式——ultra。它将多个 agent 编排成并行工作流，协同完成复杂任务，大幅缩短从需求到交付的周期。配合更强的计算机操作能力和设计判断能力，Sol 已然成为最精致的协作助手——能自主检查、优化并交付可直接使用的成果。

GPT-5.6 的核心设计理念是让每一个 token 都产出更大效用。在覆盖 55 个专业领域的长期工作流评测 Agents’ Last Exam 中，Sol 以 53.6 分刷新纪录，领先 Claude Fable 5（自适应推理模式）13.1 分。即便使用中等推理强度，Sol 也以约四分之一成本领先 Fable 5 达 11.4 分。这种效率优势同样体现在更小的模型上——Terra 和 Luna 在约十六分之一的成本下即可超越 Fable 5。在 Artificial Analysis Intelligence Index v4.1 这项涵盖 agent 工作、编码、科学推理与通用能力的综合评测中，Sol（最高推理）距离 Fable 5 仅不足 1 分，但完成任务的时间缩短了 61%，预估成本仅为后者的一半左右。

此次发布也搭载了迄今为止最可靠的安全防护体系。这套机制并非一刀切地限制正常使用，而是针对恶意行为的适应性与强度进行了针对性加固。在正式公开前，我们投入了最大规模的评估工作：结合人类红队测试与大规模自动化测试，并与顶级专家机构及可信合作伙伴共同压力测试防御能力。最终系统将模型内置的保护、实时监控、以及基于信任与风险的动态权限访问结合在一起。

Efficient by default, maximum performance on demand

GPT-5.6 Sol 是有史以来最优秀的编码模型。在 Artificial Analysis Coding Agent Index 上，Sol 以最高推理强度拿下 80 分——高于 Fable 5 2.8 分，而输出 token 不到后者一半，耗时少一半，成本低约三分之一。这一优势贯穿整个家族：Terra 略高于 Fable 5，Luna 则超过 Opus 4.8，各自用时约三分之一、输出 token 约一半、成本约四分之一。在 Terminal‑Bench 2.1 和 DeepSWE 这两项测试复杂命令行与长期工程任务（真实代码库）的基准上，Sol 同样刷新了最高纪录。

GPT-5.6 的另一项创新是 Programmatic Tool Calling：模型能够在运行过程中编写轻量程序，协调工具、处理中间结果、监控进度并自主决策下一步。对于工具密集型任务，这显著减少了 token 消耗、模型往返次数以及人工引导。开发人员无需一步步编写脚本或把每个工具响应都传回模型——Response API 中的这一功能可以直接过滤大量中间数据，仅保留关键信息并动态调整工作流。

对于愿意投入更多时间与算力来换取更高产出的问题，GPT-5.6 提供了更灵活的配置：max 比 xhigh 给予模型更长的推理时间，以探索更多备选方案、自我检查并修正。而 ultra 则更进一步——默认协调 4 个 agent 并行工作，通过更多 token 投入来获取更强结果和更快的任务完成时间。以下图表对比了 ultra 默认 4 agent 配置与单 agent 基线的表现（涵盖 BrowseComp、SEC-Bench Pro 和 Terminal-Bench 2.1；前两项还展示了 16 agent 配置）。在全部三项评测中，增加并行 agent 都将得分-延迟曲线向左上方推移——用更短时间得到更强结果。在 API 中，开发者可以通过 Response API 中的多 agent beta 构建类似 ultra 的体验。

“GPT‑5.6 is one of the strongest models we’ve tested on CursorBench, delivering solid results in early evals. It’s an exciting step forward for developers for persistence, intelligence and overall efficiency. We are looking forward to bringing this model to our Cursor users.” — Oskar Schulz, President at Cursor

A leap forward in design

GPT-5.6 在设计判断上实现了一次质的飞跃。仅凭高层方向指引，它就能生成美观、符合人体工程学且功能合理的用户界面。更强的计算机操作能力使其不仅生成代码或内容，还能实际渲染并检查效果——捕捉视觉和功能问题，并在交付前完成最后的润色。

在前端能力方面，GPT-5.6 还能够在 ChatGPT Work 中将自然语言需求直接转化为可交互的说明和可视化内容。

End-to-end knowledge work

GPT-5.6 在专业任务上的表现更上一层楼。它能够处理来自文档、Slack、Notion、Microsoft 365、Google Drive 等日常工作中的杂乱上下文，并将其转化为具备专家水准、可分享的交付件。知识工作方面的强大能力体现在覆盖长期分析、浏览搜索、工具使用和计算机操作的评测中。Sol 在 BrowseComp 上取得 92.2%，在 OSWorld 2.0 上达到 62.6%——在 OSWorld 上以 85% 更少的输出 token 超过 Opus 4.8。效率红利同样惠及整个家族：Luna 以不到一半成本接近 GPT-5.5 的峰值表现，Terra 则以更低成本超越 GPT-5.5。

在演示文稿、文档和电子表格方面，Sol 输出的质量和准确性都有显著提升。它能从零开始创建完全可编辑的演示文稿，将提示词和源材料转化为具有清晰布局、层次和设计的视觉叙事。

（展示一个收购提案演示文稿的示例）

当要求参照模板或参考文件时，提升尤为明显。Sol 能够推断出一份演示文稿的设计体系——布局、排版、间距、颜色、重复内容模式（包括 Slide Master 中嵌入的规则），并一致地将这些规则应用于新内容。例如，当要求根据参考文件更新数字时，GPT-5.5 的输出会遗漏主幻灯的关键组件，而 GPT-5.6 则更忠实地遵循了参考结构。

Reference file

GPT‑5.5 output

GPT‑5.6 output

除此之外，GPT-5.6 在处理方程、财务模型、排版和页面布局上的精细程度也上了一个台阶。

（展示股权研究文档和杠杆收购模型的示例）

“GPT‑5.6 is notably efficient on the long, complex workflows behind building production-grade apps. As one of the models now used by Lovable, it delivers for users with roughly 25% fewer steps and 35–48% fewer tool calls than the prior model, while improving project success and reducing stuck runs by 15%.” — Fabian Hedin, Co-Founder at Lovable

Pushing the frontier on cyber and science

GPT-5.6 是迄今最强的网络安全模型。在 ExploitBench2（衡量从接触漏洞代码到任意代码执行的进展）上，它以可比输出 token 预算取得 73.5%，而 GPT-5.5 为 47.9%。在 ExploitGym3（要求 agent 将真实漏洞转化为实际利用）上，两小时限制下它几乎将 GPT-5.5 的峰值通过率从 15.1% 翻倍至 24.9%；延伸至六小时则达到 33.7%。在 SEC-Bench Pro（测试复杂软件的概念验证生成）上，它以更优延迟取得了 71.2%，对比 GPT-5.5 的 45.8%。

同时，GPT-5.6 在安全代码审查、补丁编写、威胁建模和蓝队防御等任务上同样出色。通过 OpenAI Daybreak 的 Trusted Access for Cyber 计划，经过验证的个人和组织可以在授权环境中获得更精确的安全防护，以使用其更强的防御能力——包括漏洞分类与验证、恶意软件分析、检测工程和补丁验证。个人可通过验证身份并申请可信访问，组织可为其团队提交申请。需注意：成员需要在 9 月 1 日前启用硬件支持的密钥（Advanced Account Security）以保留对最高网络能力模型的访问权，否则将回退至默认访问。未持有硬件密钥的用户可通过合作伙伴 Yubico 获得优惠价格。此外，针对高风险实体和地区，将实施额外限制。

在科学研究方面，Sol 在生命科学评测中相比 GPT-5.5 实现了 Pareto 改进——涵盖真实生物学、生命科学研究工作流和化学等方向。

GPT‑5.6 accelerates OpenAI

GPT-5.6 也是加速 AI 研究的最强模型。在 OpenAI 内部，研究人员将其用于整个研发闭环：诊断失败、优化训练系统、运行实验、解读结果。内部测试期间，GPT-5.6 的使用量就已显著增长——活跃研究员日均输出 token 数超过 GPT-5.5 最高水平的两倍。这种工作方式正迅速成为标配：过去六个月中，内部编码推理所消耗的研究算力份额增长了 100 倍，内部 agent token 用量增长了约 22 倍。这些采纳数据虽不能直接衡量研究进展，但清晰地显示了 AI 辅助在研发以及销售、市场、用户运营、财务等团队中渗透速度之快。

为了直接衡量这种能力，我们建立了一套基于真实 AI 研究任务的内部评测套件，包括调试研究系统、优化内核和训练方案、运行机器学习实验以及改进另一个模型。

Scaling safety and security with capability

随着模型能力提升，安全体系也必须同步加强。对于 GPT-5.6，我们构建了迄今最坚固的安全系统，使之在保持广泛可用性的同时，对最高风险用途施加更严格的审查。系统由多个保护层组成：模型内置的训练后防护、实时推理监控、持续监测，以及账户级别的执行策略。其中关键创新是引入了一个推理监视器——它能够审核对话上下文，判断是否存在潜在危害，从而在允许防御性工作的同时阻止严重滥用。最敏感的能力则通过 Trusted Access 保留给经过验证的用户。

在生物学和网络安全两个领域，GPT-5.6 的能力虽然超过以往模型，但并未跨越“临界”阈值。网络安全方面，测试显示其在发现和修复漏洞方面优于自主、端到端攻击——这为防御方在漏洞被利用之前提供了加固系统的窗口。生物学方面，它能够支持合法研究，但尚不具备制造或合成高度危险新威胁的端到端能力。双重用途的特性意味着过度封锁本身就是一种安全风险——它可能阻止防御者测试系统和部署补丁，而恶意行为者仍可通过其他模型或工具继续攻击。

相较前代，GPT-5.6 Sol 的网络安全防护层阻止了近十倍于潜在有害活动的尝试。为了减少对正常使用的干扰，在 ChatGPT 和 Codex 中提供了轻松切换至低能力模型的选项，以便在不影响质量的前提下重试提示词。我们将持续在维持高鲁棒性的前提下优化防护对良性使用的影响——这体现了渐进式部署的理念：从保守开始，根据实际使用情况不断改进。

正式发布前，我们执行了有史以来最密集的安全评估：包括广泛的红队测试、与外部专家的能力及防护评估，以及约 70 万 A100e GPU 小时的黑盒自动化红队测试。这种系统性探测帮助我们在上线前定位弱点、发现越狱手段并加固系统。

完美安全并不存在，每个新模型都会带来新的攻击面和误用途径。我们通过多层防护、持续监控、快速修复和防御社区协作来应对这一现实。GPT-5.6 配套了现有的安全与生物学漏洞悬赏计划，并新增了快速修复流程和迄今最强大的监控体系。来自研究人员、监控和真实世界误用的发现将不断反馈至新一轮评估和更强防护之中。详情可查阅更新的 GPT‑5.6 system card。

A vailability and pricing

GPT-5.6 分为三个 tier：Sol（旗舰）、Terra（低成本，性能接近 GPT-5.5）和 Luna（最快、最实惠）。数字代表代际，而 Sol、Terra、Luna 是持久的能力层级，各自可按自己的节奏进化。

即日起通过 ChatGPT、Codex 和 OpenAI API 可用，全球正在逐步推送，预计 24 小时内完全覆盖。

• Chat：Plus、Pro、Business、Enterprise 用户可在中等及更高强度设置下使用 GPT-5.6 Sol。Pro 和 Enterprise 用户还可选择 Sol Pro 获取复杂任务的最佳结果。
• ChatGPT Work & Codex：Free 和 Go 用户使用 Terra。Plus 及以上用户可在 Sol、Terra、Luna 间选择并设置 effort 等级。max 对所有用户开放（需在设置中开启），ultra 在 ChatGPT Work 中仅限 Pro 和 Enterprise；在 Codex 中从 Plus 计划起可用。
• API：开发者可调用 Sol、Terra、Luna。Response API 中的 Programmatic Tool Calling 支持零数据保留（ZDR）。多 agent 功能（beta 可用）允许 Sol 运行并发子 agent 并在一次请求中整合结果。

定价（每 1M tokens）：Sol：$5 输入 / $30 输出；Terra：$2.50 / $15；Luna：$1 / $6。同时引入更可预测的提示缓存机制，包括显式缓存断点和至少 30 分钟的缓存生命周期。缓存写入按模型未缓存输入价的 1.25 倍计费，缓存读取继续享受 90% 折扣。

Professional

Coding

Science and health

Computer use

Cybersecurity

Self-improvement

Multimodal

Academic

Tool use

Long context

Abstract reasoning

• 2026

Author

OpenAI

Footnotes

1. Cyber capabilities are evaluated with reduced safeguards. Users can join OpenAI Daybreak’s Trusted Access for Cyber program for increased access to defensive cyber capabilities.

2. All models are evaluated using the ExploitBench API harness with 5 seeds and reasoning continuity.

3. We ran ExploitGym on our alpha API, which outputs responses faster than our public API, and then rescaled to match our public API. When rescaling latencies to the speeds expected for our public API, this causes some estimated latencies to exceed the two- and six-hour time limits, despite being correctly obeyed in the evaluation run.

4. We estimate latency and API cost by looking at the production beha vior of our models, and simulating offline. These estimates account for tool call details, sampled tokens, and input tokens. Real-world results may vary.

5. Models without reported output tokens, latency or cost are plotted as horizontal dotted lines.

6. For multi-agent, latency is derived from the root agent, while output token and API-cost totals include all tokens. Ultra is run with 4 agents.

7. We compute scores with the official scoring approach described in the HealthBench Professional paper, which is not comparable to results reported in Anthropic system cards.

8. ARC-AGI-3 for Opus 4.8 was run on high and not max reasoning effort, as this is the only published ARC-AGI-3 result.

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：GPT-5.6 前沿智能随你雄心壮志扩展要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题