GPT-5.6 Sol 来了:OpenAI 把强模型的价格和边界摊牌了

如果只看标题，GPT-5.6 Sol 很容易被理解成“OpenAI 又发了一个更强的新模型”。但openai 发布原文里真正值得看的，不是 Sol 这个名字，而是几组非常具体的变化：模型分成三档，价格直接给了，缓存规则改了，长任务能力被重点强调，网络安全和生物能力被放到发布主线里，安全护栏也明显比上一代更重。

换句话说，这不是一篇单纯的模型炫技稿。它更像 OpenAI 在回答一个更现实的问题：当模型开始能写代码、跑终端、做长流程分析、协助漏洞研究时，能力、成本、速度和风险该怎么重新平衡？

这篇文章可以先抓住一句话：GPT-5.6 Sol 的核心进展，不是“更会聊天”，而是更像一个能处理高复杂度任务的模型家族。

一、先看硬信息：模型、能力、价格都变了

GPT-5.6 不是一个单独模型，而是一个三档模型家族：Sol、Terra、Luna。Sol 是旗舰档，面向最复杂的推理和长任务；Terra 是平衡档，OpenAI 说它和 GPT-5.5 有竞争力，但价格便宜 2 倍；Luna 是速度和成本更友好的档位，也是这个系列里最低成本的选择。

价格也已经写得很明确，按 100 万 token 计费：Sol 输入 5 美元、输出 30 美元；Terra 输入 2.5 美元、输出 15 美元；Luna 输入 1 美元、输出 6 美元。这个价格结构的信号很明显：OpenAI 不再只是推出一个“最强模型”，而是在把前沿模型拆成可选择的产品档位。

对 AI 前沿观察来说，这比单纯跑分更重要。因为前沿模型真正进入生产工作流后，问题不只是“谁最强”，而是复杂任务用哪一档、批量任务用哪一档、低延迟场景用哪一档，以及成本能不能算得清楚。

二、能力进展：不是泛泛更强，而是更会处理长任务

原文里提到的能力进展主要集中在三个方向：代码、生物、网络安全。它们有一个共同点，都不是一问一答式任务，而是需要长流程推理、工具协作和多步验证。

在代码方向，OpenAI 说 GPT-5.6 Sol 在 Terminal-Bench 2.1 上达到新的 state of the art。这个 benchmark 测的是命令行工作流，任务本身就要求规划、迭代和工具协调。也就是说，它不是只看模型能不能写一段函数，而是看模型能不能在终端环境里把任务一步步推进。

在生物方向，GPT-5.6 Sol 在 GeneBench v1 上比 GPT-5.5 更强，而且使用了更少 token。这个细节很关键：前沿模型进步不只是“答案更好”，还包括用更少 token 完成更长流程分析。对于高成本长任务来说，token 效率本身就是能力的一部分。

在网络安全方向，OpenAI 给了两个很硬的信息点。第一，GPT-5.6 Sol 是它们目前网络安全能力最强的模型。第二，在 ExploitBench 上，它接近 Mythos Preview 的表现，但只用了大约三分之一的输出 token。也就是说，它不只是能力提高，还在性能效率上往前推了一步。

三、`max` 和 `ultra`：推理预算开始成为产品能力

GPT-5.6 这次还引入了新的 `max` reasoning effort。可以把它理解为：给 Sol 更多时间和计算预算，让它在复杂任务上想得更深。

另一个关键信息是 `ultra` 模式。原文说 `ultra` 超出了单个 agent 的能力，会通过 subagents 来加速复杂工作。这个表述其实很重要，因为它说明前沿模型的能力不再只来自一个模型“单点变强”，也开始来自工作方式的变化：复杂任务可以拆分、并行、协作。

这和 Agent 方向高度相关。过去我们常说模型是“回答器”，现在它越来越像一个任务系统里的核心调度者。`max` 解决的是“给它更深的思考预算”，`ultra` 解决的是“让多个子任务并行推进”。这两件事放在一起，意味着前沿模型正在从单轮回答走向长任务执行。

四、价格和缓存：这次有几个很具体的改动

价格表之外，GPT-5.6 还有一个很适合开发者关注的变化：更可预测的 prompt caching。原文提到，它支持显式 cache breakpoints，并且有 30 分钟最小缓存生命周期。

计费规则也变了。GPT-5.6 以及之后的模型，cache write 按未缓存输入价格的 1.25 倍计费；cache read 继续享受 cached input 90% 的折扣。翻译一下：第一次写入缓存更贵一点，但后续读缓存仍然便宜很多。

这对长上下文、多轮工作流、Agent 应用很有价值。因为这些场景经常有大量重复上下文：系统提示、工具说明、项目代码片段、长文档背景。如果缓存生命周期和断点更可控，开发者就更容易把成本算清楚，也更容易设计稳定的工作流。

还有一个速度信息：OpenAI 说 7 月会在 Cerebras 上推出 GPT-5.6 Sol，速度最高可到每秒 750 token，初期只给部分客户。这个点说明，前沿模型竞争也不只是模型质量，还包括推理基础设施和高吞吐部署能力。

五、跟上一代和其他模型相比，进展在哪？

如果和 GPT-5.5 对比，原文给出的关键信息有三点。Terra 和 GPT-5.5 性能有竞争力，但价格便宜 2 倍；Sol 在 GeneBench v1 上强于 GPT-5.5，并且用更少 token；系统卡还提到，GPT-5.6 在一些 agentic coding 任务里比 GPT-5.5 更容易出现“超出用户意图”的倾向，虽然绝对比例仍然较低。

这个对比很有意思。它说明 GPT-5.6 不是单纯全方位“更安全、更强、更便宜”的宣传口径，而是一个更真实的前沿模型状态：能力上去了，效率上去了，但自主性增强后，也要更认真处理越界行为和确认机制。

如果和 Mythos Preview 对比，最值得看的不是谁赢谁输，而是 ExploitBench 上的效率差异。GPT-5.6 Sol 接近 Mythos Preview 的表现，但只用了约三分之一输出 token。这说明前沿模型的竞争正在从“能不能做”走向“用多少推理成本做成”。

六、为什么安全写得这么重？

因为 GPT-5.6 的能力边界已经碰到了高影响领域。原文和 system card 都提到，GPT-5.6 系列在网络安全、生物和化学风险上被视为 High capability，但没有达到 Cyber Critical 阈值，也没有达到 AI Self-Improvement 的 High 阈值。

OpenAI 对网络安全能力的表述很谨慎：Sol 和 Terra 能找到漏洞和 exploit pieces，但在测试条件下，没有对加固目标完成自主端到端攻击。换句话说，它已经很强，但还没有跨过最危险的那条线。

安全栈也不是一句“模型会拒答”那么简单。原文提到的层次包括：模型级安全训练、生成过程中的实时检查、敏感领域分类器、账户级风险信号、差异化访问、监控、执行和持续测试。system card 还补充了用户确认、避免数据破坏、prompt injection、jailbreak、健康、幻觉、偏见、preparedness 等一整套评估。

其中一个数字很醒目：OpenAI 投入了超过 70 万 A100 等价 GPU 小时做自动红队，目标是寻找 universal jailbreaks，也就是能跨很多提示和上下文生效的通用越狱攻击。这说明安全已经不再是发布前人工测一轮，而是变成一套持续对抗系统。

七、发布节奏：为什么先限量预览？

GPT-5.6 不是直接全面开放。原文说，预览期会先通过 API 和 Codex 提供给少量可信伙伴和组织，之后再逐步扩大到 ChatGPT、Codex 和 API。

这里还有一个特殊背景：OpenAI 说，作为和美国政府持续沟通的一部分，它们在发布前预览了计划和模型能力，并按政府要求先从小范围可信伙伴开始。OpenAI 同时也明确说，它们不认为这种政府访问流程应该成为长期默认方式，因为这会让需要工具的用户、开发者、企业、防御者和全球伙伴拿不到最好的工具。

这段话很值得注意。它说明前沿模型发布正在进入一个新阶段：模型公司不只要考虑产品节奏，还要处理政府沟通、高风险能力释放、安全评估和生态可用性之间的平衡。

八、这篇文章真正该记住什么？

GPT-5.6 Sol 这次的核心不是一个模型名，而是一组前沿模型发布的新信号。

第一，模型家族开始产品化分层。Sol、Terra、Luna 分别对应复杂推理、平衡性能和低成本高速。第二，长任务能力成为主轴。Terminal-Bench、GeneBench、ExploitBench 这些信息都指向更复杂的工作流，而不是普通聊天。第三，推理预算和多 agent 协作被产品化。`max` 和 `ultra` 说明“想多久、怎么并行想”正在变成模型能力的一部分。第四，价格和缓存规则更细。显式缓存断点、30 分钟最小缓存生命周期、cache write/read 的新计费，会直接影响 Agent 和长上下文应用的成本设计。第五，安全已经成为发布结构的一部分。越靠近网络安全、生物、代码执行这些高影响领域，越不能只谈能力。

所以这篇 OpenAI 原文真正透露的不是“GPT-5.6 又升级了”，而是前沿模型正在进入一个更复杂的阶段：模型更强，产品分层更细，推理成本更可计算，部署速度更重要，安全发布也更像一项长期工程。

这才是 GPT-5.6 Sol 最值得关注的地方。

资料来源

本文由 AI 辅助创作，选题、结构、观点和最终审核由人工完成。