GPT-5.6 做出了什么新的数学发现？

没有相关报道。 尽管有各种传闻和猜测，但现有资料中没有任何一个描述了GPT-5.6具体的数学发现、定理或证明。该模型的能力完全体现在编码、网络安全、生物学和智能体任务的基准测试表现上。没有来源提及任何新颖的数学发现。

基准测试成绩：GPT-5.6 表现如何

Terminal-Bench 2.1

这项基准测试评估模型的规划、工具使用和命令行智能体能力——对模型在终端环境中自主运行能力的"残酷考验"。报告的成绩如下：

Sol Ultra 的91.9%是一个重大飞跃——比Anthropic最强模型高出约4个百分点，比GPT-5.5高出超过8个百分点。

其他已报告基准测试成绩

• ExploitBench： GPT-5.6 Sol 与Anthropic的Mythos Preview性能相当，但输出token仅用了约三分之一，效率显著提升。
• GeneBench v1（长周期基因组学分析）：GPT-5.6 Sol 相比GPT-5.5，用更少的token取得了更强的结果。
• Agent's Last Exam（代码模式）：GPT-5.6 Sol 得分约50.9%，是首个在55个领域测试中突破50%的模型。
• PostTrainBench Lite： GPT-5.6 Sol 和 Terra 在整理训练数据及执行后训练实验方面优于GPT-5.5。
• 内部研究调试评估： GPT-5.6 Sol 在调试OpenAI内部研究实验中的真实bug时表现强劲。

能力风险等级

OpenAI将GPT-5.6所有三个模型在网络安全和生物风险方面均评定为**"高风险"，但均未达到"临界风险"**阈值。

定价：GPT-5.6 使用成本是多少？

定价按每100万token计算，分为输入和输出：

提示缓存（Prompt Caching）

OpenAI还为GPT-5.6引入了提示缓存功能。缓存写入按模型未缓存输入费率的1.25倍计费，而缓存读取则可享受缓存输入token的90%折扣。GPT-5.6支持显式缓存断点以及最少30分钟的缓存生命周期。

为何发布仅限约20家机构？

主要原因：美国政府直接干预。 特朗普政府明确要求OpenAI在发布前限制访问权限，理由是国家安全担忧。白宫官员逐一审核并批准了大约20家合作伙伴机构。

更广泛的背景

特朗普政府认为GPT-5.6具备与Anthropic的Claude Mythos相当的"Mythos级"能力——其前身Claude Fable 5已于2026年6月12日被美国商务部以出口管制为由在全球范围内强制暂停。对GPT-5.6的限制源于同一政策框架。

OpenAI公开表示，这种政府管控"将最好的工具与需要它们的用户、开发者、企业、网络防御者和全球合作伙伴隔离开来"。

限制机制

• 此次预览并非自助服务项目。参与资格仅限于一小群拥有OpenAI客户代表的受信合作伙伴。
• 合作伙伴名单在获得访问权限前已提交给美国政府。
• 模型仅通过OpenAI API和Codex提供，ChatGPT用户无法使用。

何时才能更广泛地使用？

OpenAI表示其"计划尽快扩大可用范围"，但尚未公布通用的发布日期。Sam Altman表示，他预计"数周内"将实现更广泛的访问。公司的系统卡中写道："我们坚信广泛访问的重要性，并计划在未来几周内让GPT-5.6 Sol、Terra和Luna普遍可用"。

目前，OpenAI有史以来发布的最强大AI模型，只有华盛顿特区批准的那些机构才能使用。

核心要点

• GPT-5.6 Sol Ultra 在Terminal-Bench 2.1中以91.9%的得分领先，超越了Claude Mythos 5和GPT-5.5。
• 尚无关于GPT-5.6取得新数学发现的报道。
• 定价范围从Luna（$1/$6）到Sol（$5/$30）每百万token。
• 访问权限仅限于约20家美国政府批准的机构，预计"未来几周"将扩大可用范围。
• 三个模型在网络安全和生物能力方面均被评为"高风险"，但未达到"临界风险"级别。

GPT-5.6 做出了什么新的数学发现？

没有相关报道。 尽管有各种传闻和猜测，但现有资料中没有任何一个描述了GPT-5.6具体的数学发现、定理或证明。该模型的能力完全体现在编码、网络安全、生物学和智能体任务的基准测试表现上。没有来源提及任何新颖的数学发现。

基准测试成绩：GPT-5.6 表现如何

Terminal-Bench 2.1

这项基准测试评估模型的规划、工具使用和命令行智能体能力——对模型在终端环境中自主运行能力的"残酷考验"。报告的成绩如下：

Sol Ultra 的91.9%是一个重大飞跃——比Anthropic最强模型高出约4个百分点，比GPT-5.5高出超过8个百分点。

其他已报告基准测试成绩

• ExploitBench： GPT-5.6 Sol 与Anthropic的Mythos Preview性能相当，但输出token仅用了约三分之一，效率显著提升。
• GeneBench v1（长周期基因组学分析）：GPT-5.6 Sol 相比GPT-5.5，用更少的token取得了更强的结果。
• Agent's Last Exam（代码模式）：GPT-5.6 Sol 得分约50.9%，是首个在55个领域测试中突破50%的模型。
• PostTrainBench Lite： GPT-5.6 Sol 和 Terra 在整理训练数据及执行后训练实验方面优于GPT-5.5。
• 内部研究调试评估： GPT-5.6 Sol 在调试OpenAI内部研究实验中的真实bug时表现强劲。

能力风险等级

OpenAI将GPT-5.6所有三个模型在网络安全和生物风险方面均评定为**"高风险"，但均未达到"临界风险"**阈值。

定价：GPT-5.6 使用成本是多少？

定价按每100万token计算，分为输入和输出：

提示缓存（Prompt Caching）

OpenAI还为GPT-5.6引入了提示缓存功能。缓存写入按模型未缓存输入费率的1.25倍计费，而缓存读取则可享受缓存输入token的90%折扣。GPT-5.6支持显式缓存断点以及最少30分钟的缓存生命周期。

为何发布仅限约20家机构？

主要原因：美国政府直接干预。 特朗普政府明确要求OpenAI在发布前限制访问权限，理由是国家安全担忧。白宫官员逐一审核并批准了大约20家合作伙伴机构。

更广泛的背景

特朗普政府认为GPT-5.6具备与Anthropic的Claude Mythos相当的"Mythos级"能力——其前身Claude Fable 5已于2026年6月12日被美国商务部以出口管制为由在全球范围内强制暂停。对GPT-5.6的限制源于同一政策框架。

OpenAI公开表示，这种政府管控"将最好的工具与需要它们的用户、开发者、企业、网络防御者和全球合作伙伴隔离开来"。

限制机制

• 此次预览并非自助服务项目。参与资格仅限于一小群拥有OpenAI客户代表的受信合作伙伴。
• 合作伙伴名单在获得访问权限前已提交给美国政府。
• 模型仅通过OpenAI API和Codex提供，ChatGPT用户无法使用。

何时才能更广泛地使用？

OpenAI表示其"计划尽快扩大可用范围"，但尚未公布通用的发布日期。Sam Altman表示，他预计"数周内"将实现更广泛的访问。公司的系统卡中写道："我们坚信广泛访问的重要性，并计划在未来几周内让GPT-5.6 Sol、Terra和Luna普遍可用"。

目前，OpenAI有史以来发布的最强大AI模型，只有华盛顿特区批准的那些机构才能使用。

核心要点

• GPT-5.6 Sol Ultra 在Terminal-Bench 2.1中以91.9%的得分领先，超越了Claude Mythos 5和GPT-5.5。
• 尚无关于GPT-5.6取得新数学发现的报道。
• 定价范围从Luna（$1/$6）到Sol（$5/$30）每百万token。
• 访问权限仅限于约20家美国政府批准的机构，预计"未来几周"将扩大可用范围。
• 三个模型在网络安全和生物能力方面均被评为"高风险"，但未达到"临界风险"级别。