每次 OpenAI 发新模型，标题基本都是”更强了”。看多了确实会有点麻木——尤其是当你已经在用 GPT-5.5，日常任务跑得挺顺的时候。但 GPT-5.6 这次有点不一样：它不只是强了一档，而是从”一个模型打天下”变成了三条产品线分工，每一档都有清晰的定位。
6 月底，OpenAI 在官方博客发布了 GPT-5.6 系列。三款模型同时亮相：Sol 是旗舰，Terra 是均衡选择，Luna 是轻量入门。Terra 的性能可与 GPT-5.5 竞争，成本仅为其一半；Luna 在极低成本下提供了之前轻量模型不具备的推理能力。预览期间通过 API 面向部分可信合作伙伴开放，计划在未来几周内让三者普遍可用。
GPT-5.6 这次带来几个值得关注的变化：编码基准 Terminal-Bench 2.1 上树立新 SOTA、生物分析 GeneBench 用更少 Token 超 GPT-5.5、网安 ExploitBench 仅用 1/3 输出 Token 追平 Mythos Preview。架构上新增 ultra 模式——让模型激活子智能体协作，相当于一个人干活变成了一个团队。安全侧投入了超过 70 万 GPU 小时的自动化红队测试，配合四层嵌套防护栈。命名体系也从数字堆叠变成了 Sol/Terra/Luna 的三层级结构，每个层级可以按自己的节奏演进。
目录
- 一、三项评测先看数：编码更强、生物更省、网安更狠
- 二、模型更强了，安全怎么办？OpenAI 选了另一条路
- 三、四层防护怎么叠：从模型拒答，到账号级盯梢
- 四、七十万 GPU 小时砸在红队上：安全不靠运气
- 五、多少钱、什么时候能用：三档怎么选
- 常见问题
- 总结
一、三项评测先看数：编码更强、生物更省、网安更狠
GPT-5.6 Sol 是 OpenAI 目前能力最强的模型。预览中放出的评估聚焦编码、生物学和网络安全三个方向，更全面的评估将在模型广泛可用后发布。在此之前，GPT-5.6 引入两个新推理机制：max 推理强度——给 Sol 最充足的时间做深度推理；ultra 模式——通过激活子智能体超越单模型能力上限，加速复杂工作。
考虑到很多人在日常开发中已经在用 AI 编码工具，这三个基准的提升方向都有实际的落地价值。
编码：命令行任务刷新纪录
Terminal-Bench 衡量的是命令行工作流能力——要求模型规划步骤、调用工具、根据中间结果迭代调整。不是写好一个函数，是自主完成一个多步骤工程任务。GPT-5.6 Sol 在上面刷新了最佳水平。对于日常在终端里做开发工作的人来说，这意味着模型在处理”改完这个文件去跑测试，测试失败了回去查日志再改”这类闭环任务时，成功率明显提升。
生物学：更少 Token，更好成绩
GeneBench 评估长周期基因组学和定量生物学分析。GPT-5.6 Sol 在比 GPT-5.5 使用更少 Token 的前提下，拿下了更好的成绩。Token 更少意味着推理路径更直接——在科学分析场景中，这意味着模型给出的结论更有条理、中间推理链更干净，而不只是分数高。
网络安全：Token 砍到三分之一，能力还在涨
GPT-5.6 Sol 在 ExploitBench 上仅使用约 1/3 的输出 Token，即与 Mythos Preview 竞争。在 ExploitGym（UC Berkeley 与 OpenAI 等前沿实验室联合创建）上，Sol、Terra 和 Luna 全系列随着推理强度提高，网络安全能力均出现显著提升。1/3 Token 这个数字值得注意——它暗示模型在漏洞分析上的推理效率有了质变，不是靠”多想一点”来堆分数。
GPT-5.6 在 Terminal-Bench、GeneBench、ExploitBench 三大基准上的性能对比
二、模型更强了，安全怎么办？OpenAI 选了另一条路
能力越大，配套的安全投入就越重。OpenAI 的策略不是限制能力，而是让被禁止的攻击性使用变得更困难、更不确定、更可检测，同时保留代码审查、漏洞研究、补丁开发、安全教育和防御性测试等合法工作。这个平衡不好拿捏——你不能因为一把刀能伤人就不让人用它切菜。
一个关键发现：GPT-5.6 Sol 更擅长帮人发现和修复漏洞，而不是可靠地执行端到端攻击。在涉及 Chromium 和 Firefox 的评估中，Sol 识别出了漏洞和利用原语（漏洞利用的构建模块），但在测试条件下并未自主生成可用的完整攻击链。根据 OpenAI 的准备框架评估，Sol 未跨越网络安全”危急”阈值。但官方也坦承，基准阈值无法涵盖模型可能被使用或与其他工具结合的每一种方式——这种坦诚反而比”绝对安全”的说法更可信。
三、四层防护怎么叠：从模型拒答，到账号级盯梢
面对有决心或会适应变化的滥用者，单一防护不够。GPT-5.6 采用四层嵌套防护，各模型配置不同，全部经过真实攻击的压力测试。
第一层：模型训练层面的拒绝
GPT-5.6 经训练会拒绝被禁止的网络安全协助——包括用户试图伪装意图或越狱。这是模型行为的底层倾向，而非外部过滤。换句话说，拒绝不是事后加的一层”门卫”，而是模型本身就不愿意做这些事。
第二层：实时输出分类器
生成过程中，网络安全和生物滥用分类器持续评估输出。高风险案例触发暂停，由更大推理模型审阅对话上下文，不允许的内容在到达用户前被拦截。
第三层：账号级信号审查
单次对话被标记后，OpenAI 会跨对话分析行为模式。这里的设计比较巧妙——安全研究员做漏洞挖掘和攻击者武器化漏洞，在单次对话里可能看起来完全一样。但拉长时间线看问题类型、频率和上下文就能区分。这一层保合法双重用途，抓持续恶意。
第四层：差异化访问控制
企业客户获得更灵活的策略，安全研究员进入更开放的沙箱，普通用户默认更严格的安全配置。避免一刀切误伤合法使用。OpenAI 特别强调了预览期的测试目标——不仅要看防护是否约束滥用，还要看合法用户是否能可靠高效完成正常工作。预览期间的反馈将直接用于减少不必要的阻止和延迟。
GPT-5.6 四层嵌套防护栈——从模型训练层到差异化访问控制
四、七十万 GPU 小时砸在红队上：安全不靠运气
当攻击者调整策略时，防护也必须跟得上。只对固定已知攻击有效的保护，对前沿模型来说不够。
GPT-5.6 的安全投入量级值得单独列出来：超过 700,000 个 A100 等效 GPU 小时，用于自动化红队测试。目标不是复现已知攻击，而是发现”通用越狱”——可以跨许多提示或上下文生效的攻击方式，而非针对某个狭窄场景。这个数字放在训练成本的语境下看会更直观：它接近于训练一个中等规模模型的算力量级，但全部花在了”攻击自己”上。
自动化红队的优势是覆盖面和速度：可以探索远超人工测试的攻击模式，更早识别故障模式，缩短从发现弱点到解决的路径。作为补充，OpenAI 还与第三方测试人员合作开展了广泛的人类专家红队测试，由有创造力的专家尝试以系统无法预见的方式滥用模型。另外，OpenAI 维持一套快速响应流程，用于复现、评估、排序并修复新越狱问题，修复后加入持续评估以测试未来类似故障。
五、多少钱、什么时候能用：三档怎么选
命名体系这次也做了调整。数字表示模型代际，Sol/Terra/Luna 表示可按各自节奏演进的稳定能力层级。选择时不用再纠结版本号微调了——想清楚你要智能、速度还是成本，直接对号入座。
| 模型 | 输入价格（每百万 Token） | 输出价格（每百万 Token） |
|---|---|---|
| Sol（旗舰） | $5 | $30 |
| Terra（均衡） | $2.50 | $15 |
| Luna（轻量） | $1 | $6 |
提示缓存升级。GPT-5.6 支持显式缓存断点和 30 分钟最低缓存生命周期。缓存写入按未缓存输入费率的 1.25 倍计费，缓存读取享受 90% 折扣。对于反复使用同一系统提示或文档集的应用，成本下降会比较明显。如果你在用 AI 开发工具做生产级应用，这个升级带来的成本优化可能比模型降价本身更实际。
Cerebras 加速。7 月在 Cerebras 上推出 GPT-5.6 Sol，最高每秒 750 Token。随着容量扩展，初始访问仅限部分客户。750 token/s 是一个值得关注的数字——它意味着长文本生成、代码补全等场景的等待时间会大幅缩短。
时间线。预览期间通过 API 和 Codex 面向部分可信合作伙伴开放。按 ChatGPT 帮助中心对 GPT-5.6 可用性的说明，计划很快向 ChatGPT、Codex 和 API 用户更广泛开放。”未来几周”是官方口径，考虑到预览阶段已经开始，普遍可用大概率在 7 月底到 8 月初。
常见问题
GPT-5.6 和 GPT-5.5 的最大区别是什么？
能力上，Sol 在编码工作流（Terminal-Bench）、生物分析（GeneBench）和漏洞研究（ExploitBench/ExploitGym）上都有显著提升。架构上，GPT-5.6 新增了 max 推理强度和 ultra 模式（子智能体协作）。产品上，从单模型变成了 Sol/Terra/Luna 三个清晰定位的层级。
Terra 真能达到 GPT-5.5 的性能吗？
OpenAI 的官方表述是 Terra 性能可与 GPT-5.5 竞争，成本仅为其一半。如果你的业务当前跑在 GPT-5.5 上，切到 Terra 大概率不会感知降级。
GPT-5.6 什么时候能广泛用上？
OpenAI 表示未来几周内让 Sol、Terra 和 Luna 普遍可用。Cerebras 版 7 月上线，考虑到预览阶段已经开始，普遍可用大概率在 7 月底到 8 月初。ChatGPT 用户预计在 API 开放后不久跟进。
这次延迟发布跟美国政府审查有什么关系？
应美国政府要求，在更广泛发布前先面向小部分可信合作伙伴启动预览。OpenAI 公开表示不认为这种流程应成为长期默认做法——这套流程是走向大规模可用的短期妥协，不是常态。
总结
GPT-5.6 系列传递的信号，比单个评测分数更值得记住。
命名从数字堆叠变成 Sol / Terra / Luna 三档，推理从”多想一会儿”升级到 ultra 子智能体协作，安全从单层过滤拉成四层联防，再叠加 70 万 GPU 小时级的自动化红队——OpenAI 这次交的是一套更成熟的产品矩阵，而不只是”又一个更强的模型”。
落地选型可以很简单：要上限选 Sol，要性价比选 Terra（半价追平上一代旗舰），要成本和速度选 Luna。等 ChatGPT 与 API 全面放开后，再按真实工作负载微调即可。
如果准备体验 GPT-5.6，下面几篇文章可以帮助你完成从安装、注册到使用的整个流程：
- ChatGPT 国内完整使用指南：介绍 ChatGPT 在国内的访问方式、注册准备、常见报错处理，以及 GPT-5.5 Agent 等功能的使用流程。
- 安卓安装 ChatGPT 教程：适用于 Android 手机用户，包含 Google Play 安装、APK 安装及常见问题排查。
- ChatGPT 注册教程：从网络环境准备、AdsPower 浏览器配置到 OpenAI 账号注册，完整演示整个注册流程。
