突袭！OpenAI凌晨发布了GPT-5.6全系列。
想来是受到了老对家Anthropic的影响，本次发布的名字与以往完全不同。
OpenAI首次采用天体命名。
Sol在拉丁语中是太阳的意思，这是旗舰级模型，也是OpenAI目前最强的模型。
GPT-5.6 Sol价格为输入5美元/百万token，输出30美元/百万token。
Terra在拉丁语中是地球/大地的意思，这是适合日常工作的平衡型模型，在保持与上一代主力模型GPT-5.5同等性能的前提下，价格直接腰斩。GPT-5.6 Terra输入2.5美元/百万token，输出15美元/百万token。
Luna在拉丁语中译为月亮，则是以最低的成本提供强大的处理能力，这是 GPT-5.6系列里最便宜的模型。GPT-5.6 Luna输入1美元/百万token，输出6美元/百万token。
作为对比，Claude Fable 5输入10美元/百万token，输出50美元/百万token。也就是说，在旗舰模型这一档，GPT-5.6 Sol的价格已经降到了Fable 5的一半左右。
随着OpenAI主动下调价格，硅谷大模型之间的新一轮价格战，已经正式打响。
在 GPT-5.6 中引入的新命名系统中，数字用标识代际，Sol/Terra/Luna标识不同的能力层级。
据OpenAI官方说明，这些等级可以按照各自的节奏进行发展。总的来说，这一命名体系为用户和开发者在智能性、速度和成本方面提供了更清晰的选择。
不过，与以往新模型发布最大的不同是，这一次OpenAI并没有第一时间向所有用户开放，而是仅提供给一小部分受信任合作伙伴进行测试。
OpenAI表示，未来几周内，GPT-5.6将陆续开放给ChatGPT用户、API开发者以及Codex用户。
重磅
两种新的推理模式
在GPT-5.6 Sol中，OpenAI新增了一个名为Max Reasoning的新模式。
简单理解，就是允许模型花更多时间思考。
通过延长思考时间，模型能够理清更复杂的逻辑链条，从而大幅提升回答高难度问题时的准确率。
OpenAI还新增了Ultra模式，这是GPT-5.6最大的亮点之一。
OpenAI首次引入多个AI子代理（Subagents）协同工作的模式。
以前，一个问题由一个模型完成。
现在，一个复杂任务可以拆分给多个AI分别处理，再汇总结果。
这种方式本质上已经越来越接近一个真正的AI团队，这也是整个AI行业目前共同的发展方向。
Sol登顶
Mythos 5称霸仅17天
GPT-5.6 Sol作为OpenAI目前最强大的模型，本次在编程、生物学和网络安全领域上实现重大突破。
OpenAI此次公布了多项测试成绩。
在编码工作流程方面，GPT-5.6 Sol Ultra在Terminal-Bench 2.1测试平台上跑出了91.9%，拿下了最高分。
Sol的普通模式也足足有88.8%，拿下第二。
横向对比一下，Anthropic的Claude Mythos 5在同一基准上是88.0%，Fable 5则是84.3%。
而同为御三家的Gemini目前最强模型Gemini 3.1 Pro Preview，只有70.7%，排名垫底。
Gemini现在只能去小孩那桌了。
GPT-5.6 Sol在生物学工作流程方面也取得了显著的改进。
在GeneBench v1测试中，该模型在评估长期范围的基因组学和定量生物学分析时，其表现优于GPT-5.5，同时使用的token更少。
OpenAI表示，GPT-5.6 Sol是其迄今为止在网络安全领域最强大的模型。
它在处理长期安全任务时，无论是漏洞研究还是攻击利用等方面，都显著提升了性能与效率。
在ExploitBench测试中，GPT-5.6 Sol 的表现与 Mythos Preview 相当，但仅使用了其三分之一的输出tokens。
而在由加州大学伯克利分校研究人员与 OpenAI 及其他前沿实验室合作开发的 ExploitGym 测试中，GPT-5.6 Sol、Terra 和 Luna 模型在推理能力方面都表现出显著的提升。
要知道，两周前发布的Mythos 5和Fable 5横扫各大测评。
仅仅17天后，Sol来了，抢走Mythos 5的王座。
而OpenAI的“太阳”又能称霸多久呢？
焊死安全防线
求生欲拉满
不过，OpenAI似乎怕走Anthropic的老路，OpenAI在介绍网路安全的表述时，言辞谨慎了许多，同时也是OpenAI本次着墨最多的地方。
OpenAI称，根据他们准备框架，GPT-5.6 Sol并未达到网络攻击的临界阈值。
在涉及 Chromium 和 Firefox 的测试中，它发现了一些漏洞和攻击基础代码，但在所测试的条件下，它并未能够自主生成完整的攻击代码。
为了应对 determined 的越狱和套话攻击，OpenAI在模型底层写入了极为强硬的拒绝机制。
不仅如此，系统还配备了实时的网络安全和生物风险分类器，在内容生成的过程中进行毫秒级的过滤。
一旦系统察觉到潜在的高风险，会立即强行暂停生成，并调动后台更大的推理模型对整场对话的上下文进行深度复核，确认违规后直接对用户进行内容拦截。
为了测试这套防线的强度，OpenAI甚至在发布前消耗了超过70万个A100级别的显卡运行小时，利用AI模型自身进行自动化的红队测试，寻找全网可能存在的万能越狱字符。
