GPT-5.6全量开放 三档定价碾压竞品 AI开发进入性价比新阶段
GPT-5 6全量开放,推出Sol、Terra、Luna三款模型,定价每百万Token分别为五美元比三十、二点五比十五、一比六美元,Luna单价仅为AnthropicFable5的十六分之一。Sol在Agents LastExam基准测试中领先Fable5达十三点一个百分点,中等推理成本仅四分之一,编程能力得八十分且Token量减半。但Sol在SWE-Ben
先说几个核心判断:OpenAI今天正式全面上线了GPT-5.6系列,一口气放出三款定位截然不同的模型——旗舰级的Sol、均衡型的Terra,以及主打高性价比的Luna。24小时内,这些模型会陆续接入ChatGPT、Codex和API平台。定价方面,三款模型分别为5/30美元、2.5/15美元和1/6美元(每百万Token输入/输出)。其中最值得关注的,是入门款Luna的单价,竟然只有Anthropic旗舰模型Fable5的十六分之一。

这次发布最大的亮点,其实是“极致性价比”这个标签。在覆盖55个行业的Agents' Last Exam基准测试中,Sol以53.6分的成绩领先Claude Fable5高达13.1个百分点。即便启用中等推理配置,它的得分依然高出Fable5达11.4分,而成本却只有后者的四分之一左右。更让人惊讶的是,定位更低的Terra和Luna,在成本压缩到Fable5十六分之一的前提下,基准表现依然稳稳超过了Anthropic的旗舰产品。尤其在编程能力方面,Sol在Artificial Analysis编程智能体指数中拿下了80分的新高,生成的Token数量还不到Fable5的一半——响应时长和综合成本同步获得了大幅优化。
但话说回来,GPT-5.6并非全维度制霸。在SWE-Bench Pro评测中,Sol得分为64.6%,明显低于Fable5的80%以及Mythos5的80.3%。而在最具挑战性的FrontierMath Tier4数学难题上,Sol只取得了65.9%的准确率,甚至不如前代GPT-5.5的72.5%,而Fable5则达到了87.8%。这些数据清楚地表明,在复杂工程推演与前沿数学建模这类深度场景中,Anthropic仍保有显著的技术壁垒。此外,GPT-5.6新增了ultra模式,支持最多16个智能体协同运行,在BrowseComp测试中达成了92.2%的准确率新纪录;网络安全方向的ExploitBench评分,也从47.9%一下子跃升到了73.5%。
国产GLM-5.2强势崛起,三方对峙格局已然确立
这场全球AI竞速中,中国力量也在加速入场。智谱AI于6月底开源发布的GLM-5.2,在编程能力与长程任务处理方面已经跻身国际第一梯队,原生支持百万级Token上下文长度。据The Verge报道,多位海外研究人员指出,GLM-5.2在部分漏洞挖掘与网络安全攻防测试中,表现已经可以比肩Anthropic旗下的Mythos系列。这印证了中国大模型在垂直专业领域,正在快速追赶美国头部水平。当Fable5因美国出口管制被迫全球下线的背景下,GLM-5.2坚持开源、稳定可用的策略,为全球开发者提供了关键的替代方案,也让“三足鼎立”的竞争态势越来越清晰。
GPT-5.6的全面开放,标志着AI产业迈入了一个全新阶段:模型参数与单项指标不再是唯一的衡量标准。企业在同等预算约束下,究竟能交付怎样的实际产出与业务价值,已经成了真正的核心关切。当OpenAI以“降维打击”式的定价策略持续挤压竞品的生存空间,Anthropic坚守深度推理的护城河,而智谱则依托开源生态开辟差异化路径——AI大模型领域的“三国争霸”,已经进入前所未有的胶着与激烈阶段。
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全量开放 三档定价碾压竞品 AI开发进入性价比新阶段要求:
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
游乐网为非赢利性网站,所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系youleyoucom@outlook.com。
相关热点佑驾创新与乐动机器人达成战略合作,围绕技术、产品、场景、数据四维度展开深度协同,旨在加速物理AI规模化落地,拓展无人车与机器人场景边界,推动具身智能商业化进程。
Meta开放AI算力租赁业务,市场反应从算力过剩转向算力商业运营。GPU从自用转向对外出租,算力从成本中心转为利润中心。AI云竞争核心从拥有GPU数量转向稳定跑满GPU的能力,依赖同步与参考时钟等底层基础设施的长期稳定运行。
针对大型多仓库工程(30+微服务、10+前端微应用),搭建包含规则、技能、子代理、13阶段工作流与门禁脚本的Harness系统,解决PRD不可信、方案与代码脱节、改完无人验证、交付环节琐碎等痛点,使AI在真实业务中稳定跑完需求。
部署MCP Toolbox前,先看清它的适用场景与安全边界,避免在权限管理不完善时接入敏感数据。 核心内容: 1 MCP Toolbox的核心功能与两种使用路线 2 项目适合与不适合的团队场景分析 3 实际验证的安全检查与关键限制 先说结论 MCP Toolbox 很适合小团队研究“让 AI
- 日榜
- 周榜
- 月榜
热点快看
