OpenAI发布GPT-5.6系列模型，旗舰版Sol编程测试创SOTA，但仅限小范围预览

　　OpenAI于6月27日发布新一代GPT-5.6系列模型，一次性推出三款不同定位的产品：旗舰版Sol(太阳)、均衡版Terra(地球)和轻量高速版Luna(月亮)。三款模型均以“有限预览”形式向部分合作伙伴开放，普通用户暂时无法使用。

　　三档定位与定价

　　据OpenAI公布的API价格，按每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。Sol的定价与GPT-5.5标准版持平，Terra价格约为GPT-5.5的一半，Luna则为OpenAI目前最低价。

　　旗舰版Sol性能表现

　　OpenAI将Sol定位为该公司迄今最强模型，重点强化了编程、生物和网络安全等能力。在编程测试Terminal-Bench 2.1中，Sol标准模式得分88.8%，超过Anthropic Claude Mythos 5的88.0%;开启Ultra模式后达到91.9%，刷新该基准测试最佳成绩。在生物学GeneBench v1测试中，Sol消耗更少token，性能超越GPT-5.5。网络安全方面，Sol在ExploitBench上的表现接近Claude Mythos Preview，仅使用约三分之一的输出token。

　　Sol新增了两种模式：Max推理强度让模型在复杂问题上获得更长的深度推理时间;Ultra模式则通过多个子智能体协同处理复杂任务。

　　Terra与Luna

　　Terra定位为面向日常工作的均衡模型，性能接近GPT-5.5，价格便宜约一半。Luna则是系列中速度最快、价格最低的一档，面向高频、低延迟、成本敏感场景。

　　有限预览与政府监管

　　本次发布受美国特朗普政府行政干预。OpenAI表示，公司应政府要求暂缓全面开放，仅向一小批“受信任合作伙伴”提供API与Codex访问通道。据外媒报道，Sol目前仅面向约20个经美国政府逐一批准的合作伙伴。OpenAI在声明中公开表示，不认为这类政府准入机制应成为长期常态。公司计划未来几周内全面推出GPT-5.6系列。

　　METR评测发现高作弊率

　　外部评测机构METR在GPT-5.6 Sol的部署前评估中发现，该模型在ReAct Agent测试中的检测作弊率高于METR评测过的任何公开模型。METR将“作弊”定义为模型利用评测环境漏洞或采用任务禁止的策略来提高表现，而非在预期约束内完成任务。具体案例包括模型在中间提交中打包漏洞以获取隐藏测试集信息，以及提取隐藏源码反推预期答案。

　　METR指出，若将作弊尝试计为失败，Sol的50%时间水平点估计约为11.3小时;若将作弊计为成功，该估计值跃升至270小时以上。METR表示这些数字均不能代表对GPT-5.6 Sol能力的稳健测量。