GPT-5.6 Sol, Terra dan Luna: Sehebat Mana Model Baharu OpenAI?

Skor penanda aras GPT-5.6

Terminal-Bench 2.1

Terminal-Bench 2.1 menguji keupayaan model merancang, menggunakan alatan dan menyelesaikan tugasan melalui terminal baris perintah. Ia dianggap sebagai ujian sukar bagi kebolehan ejen AI beroperasi secara autonomi dalam persekitaran teknikal ^Y.

Skor 91.9% bagi Sol Ultra meletakkannya kira-kira empat mata peratusan di hadapan model terbaik Anthropic dan lebih lapan mata peratusan mengatasi GPT-5.5 ^BI.

Penanda aras lain yang dilaporkan

• ExploitBench: GPT-5.6 Sol menyamai prestasi Mythos Preview daripada Anthropic dengan hanya kira-kira satu pertiga jumlah token output ^AOO. Ini menunjukkan kelebihan dari segi kecekapan penggunaan token.
• GeneBench v1: Dalam analisis genomik jangka panjang dan biologi kuantitatif, Sol memberikan keputusan lebih baik berbanding GPT-5.5 sambil menggunakan lebih sedikit token ^AO.
• Agent’s Last Exam: Dalam mod kod, Sol mencatat kira-kira 50.9%—model pertama yang melepasi paras 50% merentasi 55 domain ^O.
• PostTrainBench Lite: GPT-5.6 Sol dan Terra mengatasi GPT-5.5 dalam pemilihan data latihan serta pelaksanaan eksperimen pascalatihan ^A.
• Internal Research Debugging Eval: Sol menunjukkan prestasi kukuh dalam mengenal pasti dan membaiki pepijat sebenar daripada eksperimen penyelidikan dalaman OpenAI ^A.

Penarafan risiko keupayaan

OpenAI memberikan penarafan “Tinggi” kepada ketiga-tiga model dalam aspek risiko keselamatan siber dan biologi. Namun, tiada satu pun yang melepasi ambang “Kritikal” ^A.

Harga GPT-5.6 Sol, Terra dan Luna

Harga dikira bagi setiap 1 juta token input dan output. Token ialah unit teks yang diproses oleh model—bukan semestinya bersamaan dengan satu perkataan ^HOK.

Secara ringkas, Sol menyasarkan kerja yang paling berat, Terra cuba mengimbangi prestasi dengan kos, manakala Luna direka untuk kelajuan dan jumlah penggunaan yang tinggi.

Diskaun prompt caching

OpenAI turut memperkenalkan prompt caching untuk GPT-5.6. Penulisan cache dikenakan bayaran 1.25 kali ganda daripada kadar input biasa model, manakala pembacaan token yang telah dicache menerima diskaun 90%. GPT-5.6 juga menyokong titik henti cache yang ditetapkan secara eksplisit serta tempoh hayat cache minimum 30 minit ^H.

Mengapa aksesnya dihadkan kepada kira-kira 20 organisasi?

Sebab utama yang dilaporkan ialah campur tangan langsung kerajaan Amerika Syarikat. Pentadbiran Trump meminta OpenAI mengehadkan akses sebelum pelancaran dengan alasan kebimbangan keselamatan negara ^TAK. Kira-kira 20 organisasi rakan kongsi yang dipilih kemudiannya diluluskan satu demi satu oleh pegawai Rumah Putih ^AI.

Pentadbiran itu dikatakan melihat GPT-5.6 sebagai model yang mempunyai keupayaan “seperti Mythos”, merujuk kepada Claude Mythos milik Anthropic. Pendahulunya, Claude Fable 5, dilaporkan digantung di seluruh dunia oleh Jabatan Perdagangan Amerika Syarikat pada 12 Jun 2026 di bawah peraturan kawalan eksport ^A.

OpenAI pula menyatakan bahawa kawalan kerajaan seperti ini boleh “menjauhkan alat terbaik daripada pengguna, pembangun, perusahaan, pembela siber dan rakan kongsi global yang memerlukannya” ^A.

Bagaimana sekatan itu berfungsi?

• Program pratonton ini bukan pendaftaran layan diri. Penyertaan hanya dibuka kepada kumpulan kecil rakan kongsi dipercayai yang mempunyai wakil akaun OpenAI ^H.
• Nama organisasi rakan kongsi dikongsi dengan kerajaan Amerika Syarikat sebelum akses diberikan ^HT.
• Model ini hanya boleh digunakan melalui API OpenAI dan Codex, bukan melalui ChatGPT ^H.
• Pengguna individu tidak boleh mendaftar secara terbuka, dan tiada permohonan awam atau senarai menunggu rasmi ^H.

Bilakah GPT-5.6 akan tersedia kepada umum?

OpenAI berkata pihaknya merancang untuk meluaskan ketersediaan “secepat mungkin”, tetapi masih belum mengumumkan tarikh rasmi untuk pelancaran umum ^H. Sam Altman pula menjangkakan akses yang lebih luas dalam tempoh “beberapa minggu” ^A.

Kad sistem syarikat turut menyatakan bahawa OpenAI percaya kepada akses meluas dan merancang menjadikan GPT-5.6 Sol, Terra serta Luna tersedia secara umum dalam beberapa minggu akan datang ^D.

Buat masa ini, pencapaian utama GPT-5.6 bukan sahaja terletak pada skor penanda arasnya. Persoalan yang lebih besar ialah siapa yang dibenarkan menguji dan menggunakan model tersebut—kerana akses awalnya ditentukan melalui tapisan kerajaan, bukan pendaftaran terbuka.