最强版本的GPT来了。
OpenAI 公开发布了他们有史以来最强的一代大模型 GPT-5.6，为什么老狐要说“公开发布”呢，因为前段时间 OpenAI 就应美国政府的要求，在“一小群值得信赖的合作伙伴”范围内发布了这款模型。
OpenAI 在捂着 GPT-5.6 两个星期后，终于面向全球公布了。
这一次，OpenAI 引进了新的命名体系，把 GPT 分为了三个版本，代号分别是 GPT-5.6 Sol、GPT-5.6 Terra，以及 GPT-5.6 Luna。
根据官方的解释，Sol 代表的是太阳，Terra 代表地球，Luna 代表月亮，这三者关系也反映了 GPT-5.6 三个版本能力的强弱关系。
以太阳命名的 GPT-5.6 Sol 是旗舰模型，也是 OpenAI 迄今为止最强的模型；而 Terra 更适合日常使用，成本更友好，性能与 GPT-5.5 相近；而 Luna 则是以低成本供用户使用，主打一个性价比。
事实上，为了便于全球用户理解， 我认为 OpenAI 应该借鉴 iPhone 的命名方式，分别命名为Pro Max、Pro 以及标准版，未来还可以在此基础上增加 Ultra 版，Air 版，se 版……
即便看起来很复杂，但大家闭眼都知道哪个版本性能更强，哪个版本更有性价比，没毛病吧。
这样以“代际+能力层级”的命名方式，在未来也许会成为大模型产品的常态，依据产品性能对大模型的产品线进行分级，以应对不同的用户人群，降低了用户的选择门槛。
能力提升方面，OpenAI 官方提到 GPT-5.6 Sol 在编程、知识工作、网络安全和科研四个领域取得了最新的成果。
但这不是重点，OpenAI 这次把 GPT-5.6 的经济效益放在了首位。
OpenAI 首先放出了 Agent's Last Exam 基准测试结果，Agent's Last Exam（ALE）是一项新的基准测试，测试的不是代码编写或理论性能，它衡量的是 AI 能不能真正像职场员工一样，独立、端到端地完成具有实际经济价值的数字化工作。
ALE 基准测试涵盖了 55 个行业，收集了 1500 多个任务，大模型要在测试中去完成给定的所有任务。
GPT-5.6 Sol 创下了 56.3 的最高分，比 Claude Fable 5（自适应推理）高出 13.1 分。而且 GPT-5.6 Sol 即使在中等推理水平下，它也比 Fable 5 高出 11.4 分，成本却只有 Fable 的四分之一。
而且在更小的模型上，OpenAI 宣称 GPT-5.6 Terra 和 GPT-5.6 Luna 的性能优于 Fable 5，而成本约为其十六分之一。
可以说是杀人诛心。
而在衡量 AI 在数学、科学、编程和推理能力的 Artificial Analysis Intelligence Index 上，GPT-5.6 Sol 得分仅仅比 Fable 低 1 分，但是完成任务的时间少了 61%，而且成本只有一半。
简而言之，这些基准测试衡量的，就是大模型能不能像真正的职场牛马一样，活既要干得好，干得快，成本还要少。
在GPT-5.6 上，OpenAI 给产品引入了两项新的推理模式，一个被命名为“Max”推理，也就是让模型投入更多的时间进行深度推理，在面对像是数学证明、复杂规划、科研分析等问题时，可以投入更多计算资源进行更长时间的思考，提高复杂任务的完成率。
另一项则是 Ultra 模式，能够并行协调四个子智能体，让多个子智能体分别处理不同的任务，超越单个智能体的能力，更接近真实的团队协作模式。在处理高要求任务时，消耗更高的 token 以换取更优的结果和更快的响应速度。
比如 Terminal-Bench 2.1 基准测试，这是为了衡量 AI 在项目中完成真实工作综合能力的基准测试，GPT-5.6 Sol 四个智能体就要比单个智能体效率更高。
除此之外，在各个场景上，GPT-5.6 在设计上有质的提升，包括游戏页面设计、室内方案展示、前端网页动画设计等方面，大模型能够自我检查，在视觉和功能上去优化方案。
办公层面 GPT-5.6 的能力也有了进一步提升，根据官方描述，GPT-5.6 能生成更精美、更准确的 PPT、Word 和 Excel 表格，如果有参考模板，GPT-5.6 生成的内容会更接近原版。
同时，GPT-5.6 消耗的 token 还更低，在多个体现办公场景的基准测试里，GPT-5.6 系列模型在成本上都有明显的优势。
而网络安全是 GPT-5.6 的重点，尤其是在预览更新说明中，OpenAI 用了将近一半的篇幅来介绍 GPT-5.6 在网络安全方面的进步。
在发掘漏洞和利用漏洞攻击能力的基准测试中，GPT-5.6 系列产品在与竞品（主要是 Anthropic）的对比中，能在消耗更少 token 的情形下，达到与对手相同的得分。
此外，在真实生物学、生命科学研究的工作流以及化学等科学研究领域，GPT-5.6 Sol 在成本和速度上都有明显的优势。
除了 GPT-5.6 面向全球开放，OpenAI 还发布了 ChatGPT-Work，它由 GPT-5.6 驱动，把 Chat、Work 和 Codex 整合在一起。
这相当于字节把豆包、TRAE 和即梦都整合在一起，与之相应的是，OpenAI 将 Codex 下线，这会不会是未来大模型行业的趋势呢？
国外已经有不少网友用上了 GPT-5.6，并拿来跟 Fable 5 进行比较，有不少用户反映，在前端的动画设计上，GPT-5.6 对比 GPT-5.5 有明显提升，但是还是不如 Fable 5。
在 token 消耗上，GPT-5.6 对比 Fable 5 有优势，而且生成成本已经成为许多用户不得不关注的点。
整个发布内容，OpenAI 都在突出 GPT-5.6 的 token 消耗量更低，使用起来更有性价比。
CEO 萨姆·奥特曼也在 X 上发推表示，OpenAI 已经意识到了企业对 AI 成本的担忧，而 GPT-5.6 正是在使用成本上有了巨大的进步。
没错，在全球 token 消耗量暴涨的今天，大模型如何为用户降低 token消耗，节省使用成本，已经成为产品竞争力的重要部分。
老狐在使用 Agent 桌面端的这段时间里，最大的感受就是，在成本和模型性能之间做好权衡很重要。
GPT-5.6三个版本（每百万 token ）的价格分别为：Sol 为输入 5 美元/输出 30 美元；Terra 为输入 2.50 美元/输出 15 美元；Luna 为输入 1 美元/输出 6 美元。
作为对比，Fable 5的价格是输入10 美元/输出 50 美元，由此可见，GPT-5.6 更有性价比。
但坦白讲，这些价格在 DeepSeek、智谱清言、豆包等国产大模型面前，堪称奢侈。
以 DeepSeek V4 为例，每百万 token 输入价格是 3 元（0.44 美元），输出价格是 6 元（0.88 美元），豆包 2.1 Pro，输入价格是 6 元，输出价格 30 元。
最新发布 Grok 4.5，也主打一个低成本，每百万输入价格 2 美元，输出价格 6 美元。
就像马斯克反复强调的，能力、更快的速度以及更低使用成本，三者结合才是大模型真正的产品力。
在未来，这场 AI 大模型混战最终胜者不是最聪明的那个，而是谁能让大多数人低成本地解决那些真实的需求。
显然，OpenAI 试图在 GPT-5.6 产品中体现了这一点，但他面对的还有东大的 DeepSeek 们。
本文来自微信公众号 “科技狐”（ID：kejihutv），作者：老狐；编辑：木易，36氪经授权发布。
发布时间：2026-07-10 21:12
官方微信
© 2020 新唐宝 版权所有 沪ICP备14033197号
立即订购
在线咨询
返回顶部