OpenAI GPT-5.6家族登场：Sol、Terra与Luna三款模型深度解读

基准测试表现：编程、生物学与网络安全

OpenAI称GPT-5.6 Sol在编程、生物学和网络安全三个关键领域树立了新的标杆 。

编程 — Terminal-Bench 2.1

Terminal-Bench 2.1测试需要多步规划、工具协调和迭代的命令行工作流 。该基准包含89个复杂编程任务 。具体成绩如下：

GPT-5.6 Sol Ultra以91.9%的成绩创下新的最高纪录 。标准版Sol的88.8%也以近一个百分点的优势，击败了Anthropic的受限前沿模型Claude Mythos 5（88.0%）。

生物学 — GeneBench v1

在GeneBench v1基准测试中，该测试主要评估长周期基因组学和定量生物学分析任务，OpenAI报告称Sol在比GPT-5.5使用更少输出token的情况下获得了更好的结果 。这代表着科研工作流在效率上的重大提升。

网络安全 — ExploitBench 和 ExploitGym

在网络安全研究基准ExploitBench上，GPT-5.6 Sol几乎与Anthropic的Mythos Preview性能相当，但所用输出token仅为其约三分之一 。

在由加州大学伯克利分校的研究人员与OpenAI及其他前沿AI实验室合作开发的ExploitGym基准测试上，随着推理能力的增强，所有三款GPT-5.6模型在网络安全方面的能力均有提升 。

重要的是，OpenAI表示，根据其准备框架，GPT-5.6 Sol未越过网络安全关键阈值 。在涉及Chromium和Firefox的评估中，该模型识别出了漏洞和利用原语（即构成漏洞利用的基础组件），但在测试条件下并未自主生成一个可用的全链漏洞利用 。整个GPT-5.6系列模型在内部被评定为“高”风险（针对网络安全和生物武器能力），但未达到最高的“临界”级别 。

安全堆栈：OpenAI称“史上最稳健”

OpenAI表示GPT-5.6 Sol搭载了其“史上最稳健的安全堆栈” 。安全措施包括：

• 强化实时保护，抵御高风险网络活动和反复滥用 。
• 新增激活分类器，可监控敏感领域，并在生成过程中介入以阻止不安全的答案 。
• 人工红队测试和超过70万A100等效GPU小时的自动化测试，以发现越狱技术并加固系统 。
• 结合训练、实时监控、账户级别信号和分层访问控制的多层安全系统 。

在预览阶段，某些提示可能会被放慢或屏蔽以进行额外审查，因为OpenAI正在微调误报率和漏报率 。

分阶段发布与美国政府协调

GPT-5.6的推出方式与OpenAI以往任何一次发布都截然不同。应美国政府要求，OpenAI最初将访问权限限制在一小部分经信任的合作伙伴和组织——据Axios报道，预览阶段仅包含约20家获批公司——同时模型正在接受额外的国家安全审查 。

这次预览并非广泛的自我服务项目。在此期间，GPT-5.6 Sol、Terra和Luna仅通过OpenAI API和Codex向这一受限群体开放 。预览期间，这些模型在ChatGPT中不可用 。OpenAI表示，计划“在未来几周内”在ChatGPT、Codex和API中提供更广泛的可用性 。

OpenAI明确表示，将政府把关的方式视为临时措施：“我们相信广泛访问，这个过程不应成为长期的默认模式” 。在一份内部备忘录中，CEO Sam Altman告诉员工，政府将“在此预览期间逐个客户地审批访问权限”，并希望几周后能进行更广泛的发布 。

此次发布是OpenAI与网络总监办公室和科技政策办公室会谈的结果 ，体现了特朗普政府正在测试的新前沿模型框架 。

API定价

OpenAI官方帮助中心确认了每百万token的定价 ：

Sol的定价与GPT-5.5相同，而Terra的成本大约是GPT-5.5的一半 。作为参考，Sol的定价更接近Claude Opus 4.8（5美元/25美元），而非Anthropic的受限模型Mythos 5（10美元/50美元）。

提示缓存更新

GPT-5.6引入了更可预测的提示缓存，包含以下几项关键变化 ：

• 支持显式缓存断点，允许开发者控制缓存的提示部分 。
• 30分钟的最低缓存存活期 。
• 缓存写入定价为模型未缓存输入价格的1.25倍 。
• 缓存读取继续享有90%的缓存输入折扣 。

Cerebras部署

OpenAI还宣布，GPT-5.6 Sol将于7月份部署在Cerebras硬件上 ，推理速度最高可达每秒750个token 。

核心要点

GPT-5.6系列标志着OpenAI此前发布策略的重大转变。三层架构（Sol、Terra、Luna）引入了可持续的品牌体系，将模型系列与能力层级解耦。基准测试结果——尤其是Sol在Terminal-Bench 2.1上创下新高的编程得分，以及在ExploitBench上的效率提升——展示了有意义的进步，尤其是在网络安全和生物学领域。然而，这次发布最具标志性的一点或许是政府要求的访问限制，这代表了前沿AI部署的一种全新范式。