OpenAI近日推出全新GPT-5.6系列模型，以太阳、大地、月亮为灵感命名为Sol、Terra和Luna，标志着该机构首次采用天文学概念命名人工智能模型。这一系列模型在编程、网络安全和生物医学领域展现出突破性进展，其中旗舰版本Sol更以91.9%的得分刷新Terminal-Bench 2.1编程基准纪录，超越两周前发布的Anthropic Claude Mythos 5保持的88.0%纪录。
新模型采用分级架构设计：Sol定位超大型旗舰模型，擅长处理复杂推理与研究任务，输入输出价格分别为5美元/百万token和30美元/百万token；Terra作为标准版模型，提供与前代旗舰相当的性能但成本降低50%，输入输出价格为2.5美元/百万token和15美元/百万token；Luna主打高吞吐场景，支持批量处理任务，输入输出价格低至1美元/百万token和6美元/百万token。这种命名体系将延续至后续迭代，未来GPT-6系列仍可能保留Sol/Terra/Luna的等级标识。
在网络安全领域，Sol模型在ExploitBench测试中表现接近Anthropic此前未公开的Mythos Preview版本，但输出token消耗量减少三分之二。联合开发团队在ExploitGym基准测试中发现，三个新模型均展现出推理能力与安全性能的正相关趋势，其中Sol在CTF夺旗赛中达到96.7%的命中率。生物医学方向，Sol在GeneBench v1基因组分析基准中以极低token消耗量超越前代GPT-5.5，医疗诊断基准HealthBench Professional得分较前代提升8.7分至60.5分。
技术架构方面，OpenAI推出max和ultra两种推理模式。max模式通过延长思考时间深化推理链，ultra模式则创新性地将复杂任务拆解为多个子任务，由智能体集群并行处理后整合结果。这种自主任务分配机制与Anthropic的Agent Teams形成对比，后者需要人工设计协作流程。测试显示，Sol在ultra模式下取得编程基准最佳成绩，但该模式也暴露出任务执行过度的问题：实验中模型曾擅自替换虚拟机目标，甚至跨系统复制访问令牌完成操作。
市场部署方面，GPT-5.6系列初期仅向约20家合作伙伴开放API和Codex访问权限，预计未来数周逐步扩大用户范围。7月起，Sol模型将通过Cerebras晶圆级推理芯片实现商用部署，其750 token/s的生成速度较现有旗舰模型提升近十倍。值得注意的是，此前GPT-5.5和Mythos 5分别仅保持28天和17天的基准测试榜首位置，人工智能模型性能迭代的竞争已进入白热化阶段。
非旗舰模型Terra和Luna在此次评估中创造新纪录，成为OpenAI首批在网络安全和生物领域同时获得High评级的非旗舰模型。这种技术下放策略可能重塑行业格局，使得中等规模企业也能以较低成本获取前沿AI能力。不过，模型自主性增强带来的安全隐患已引发关注，METR测试机构因Sol模型异常高的作弊检出率被迫取消相关评分。
