There is no item in your cart
一、GPT-5.6 三款模型同步上線
六月二十六日，OpenAI 正式開啟 GPT-5.6 限量預覽，今次一口氣推出三款分層模型，採用全新命名方式區分效能等級，與 Claude 的 Opus / Sonnet / Haiku 分層概念相近，三款型號日後可各自獨立迭代更新。
以 Anthropic 同檔位 Claude Fable 5（輸入 10 美元、輸出 50 美元）作為比較，Sol 的整體定價僅為對手的一半。
二、三大專業測試全面刷新行業紀錄
1. 代碼測試：Terminal-Bench 2.1
此測試專門考核 AI 智能代理完成命令列全流程工作的能力，涵蓋任務規劃、工具調度、循環調試等完整鏈路，實測成績如下：
- GPT-5.6 Sol Ultra：91.9%（行業第一）
- GPT-5.6 Sol Max：88.8%
- Claude Mythos 5：88.0%
- GPT-5.6 Terra、Claude Fable 5：84.3%
- GPT-5.5：83.4%
2. 生物科研：GeneBench v1
Sol 在處理長片段基因組數據、定量生物學分析方面，相比 GPT-5.5 有大幅提升，同時生成同等結果所消耗的 tokens 更少。OpenAI 特別說明，該模型僅能輔助科研分析，不能直接作為醫療或實驗室權威結論使用，並配套增設了生物場景專屬安全限制。
3. 網絡安全：ExploitBench + ExploitGym
在漏洞挖掘、攻擊鏈路分析等安全任務中，Sol 能夠兼顧效能與 tokens 消耗效率，輸出同等分析內容僅需 Claude Mythos 約五分之一的 tokens。由伯克利聯合打造的 ExploitGym 測試中，Sol、Terra、Luna 三款模型的安全分析能力均有明顯提升。
安全風險分級判定
OpenAI 內部 AI 風險評估體系（Preparedness）將 GPT-5.6 全系列劃分為「High」級，Sol 雖在安全領域能力最強，但未達到最高「Critical」風險等級。在 Chrome、Firefox 相關漏洞測試中，Sol 能夠識別漏洞成因、解析利用原理，但無法獨立生成完整可執行攻擊鏈路。官方同時坦言，現有測試基準無法覆蓋所有組合使用場景，這亦是模型分階段開放、配套多層安全限制的核心原因。
三、Sol 專屬兩種高級推理模式
GPT-5.6 為旗艦 Sol 新增兩套推理檔位，Terra、Luna 不支援：
- Max 模式：延長單任務思考時間，深度拆解複雜邏輯，Terminal-Bench 得分 88.8%；
- Ultra 模式：支援並行調度多個子智能代理協同工作，拆分多環節任務同步處理，最終以 91.9% 的成績奪冠。
這種模式已非簡單的一問一答對話，更像是一站式工作會話：AI 自主讀取完整代碼倉庫、執行命令、調試報錯、並行處理多項子任務並匯總結果。後續 Codex 產品將優先搭載這套能力。
四、政府管控：限量預覽，分階段放開
本次發布最受業界關注的，便是前置政府審核的開放規則。據 Axios、Fortune 等媒體證實，這套限制源於美國總統特朗普於六月二日簽署的第 14409 號《促進先進人工智能創新與安全》行政命令。
文件要求聯邦機構在六十天內搭建前沿 AI 自願評估體系，劃定高風險模型判定標準，企業在發布頂尖模型前，需向政府開放三十天預訪問通道。規定僅為自願框架，並無強制審批許可，但 OpenAI 選擇配合執行。
OpenAI 官方公開態度
- 明確表示這種前置管控不適合長期常態化運行，將限制企業開發者、網絡安全從業人員正常使用頂尖 AI 工具；
- 現階段限量預覽僅屬短期過渡方案，目的是完成政府安全評估，數週後將全面放開；
- Altman 在內部會議透露，已向商務部門明確企業立場，不希望這套審核流程長期延續。
當前開放範圍
預覽階段僅開放 API 與 Codex 接口，僅約二十家通過政府核驗的機構可申請使用。Altman 已於六月二十五日與商務部長 Lutnick 會面，完成全部前置審核流程。此時間點相當微妙：競爭對手 Anthropic 的 Mythos 5、Fable 5 早在六月十二日便因出口管制而下線，OpenAI 正好在對手停服窗口期，以合規路徑推出主打安全與編碼能力的 Sol。
五、GPT-5.6 配套史上最強安全防護體系
OpenAI 表示本次全系搭載目前最完善之分層安全護欄，三款模型按能力強弱匹配對應防護策略，核心設計思路為：優先協助安全人員查找、修補漏洞，而非降低攻擊製作門檻。
四層疊加防護機制
- 模型原生層：訓練階段已限制網絡攻擊、生化危害相關請求，攔截各類越獄、偽裝誘導指令；
- 實時動態檢測：生成內容時同步評估風險，涉及網絡、生化高危需求會暫停輸出，交由更強推理模型二次覆核；
- 帳戶行為監測：跨多輪對話追蹤用戶風險行為，區分安全研究合法需求與持續惡意濫用；
- 分級權限管控：根據客戶行業、使用場景調整功能開放範圍，高危能力默認關閉。
大規模自動化紅隊測試
OpenAI 投入超過七十萬 A100 等效 GPU 小時開展自動化安全測試，專門挖掘通用越獄手段（即能跨多輪對話、多種輸入繞過限制的攻擊方式），同時搭配外部安全專家進行人工紅藍對抗。只要發現新繞過漏洞，便會快速重現、修復並納入常態化檢測庫。
六、定價、緩存與推理速度優化
配套功能更新
- 提示詞緩存升級：支援自訂緩存節點，緩存最短留存三十分鐘；寫入緩存按原單價 1.25 倍收費，讀取緩存可享九折優惠；
- 硬件加速落地：七月 Sol 將接入 Cerebras 專用推理硬件，最高可達每秒 750 tokens，初期僅對受邀客戶開放，大幅縮短複雜任務等待時間。
七、使用時間線：當前預覽 vs 全面開放
現階段（限量預覽）
僅約二十餘家政府審核通過之合作機構，可通過 API、Codex 調用三款模型；普通 ChatGPT 用戶及中小開發者暫時無法體驗 Sol / Terra / Luna。
數週後（計劃全量開放）
面向所有 ChatGPT、Codex、API 使用者放開權限，同步完整發布全套行業基準測試報告。在醫療專項 HealthBench 測試中，Sol 得分相比 GPT-5.5 提升 8.7 至 60.5 分，醫療輔助分析亦為產品重點發力方向。
不同人群使用建議
- 開發團隊：重點關注 Codex 接入與 AI 智能代理自動化工作流；
- 成本敏感企業：Terra 效能對標舊版 GPT-5.5，價格直接減半，日常業務可優先選用；
- 高併發輕量化場景：Luna 性價比最高，七月 Cerebras 加速版 Sol 則適合重度複雜任務。
八、客觀行業理性分析
測試分數不能完全等同於真實業務能力：Sol Ultra 在編碼測試中僅領先 Mythos 不到 4 個百分點，且高分依賴多子智能代理並行模式，實際生產環境的穩定性、延遲、使用成本仍需大量真實項目驗證。
政府前置審核開創行業先例，長期規則有待觀察：OpenAI 雖配合短期管控，但明確不認可該模式常態化。七月二日為行政命令三十天評估節點，八月初六十天行業框架落地後，全球前沿 AI 的發布規則或將迎來重大變化。
雙重用途工具的防護平衡是最大難點：漏洞挖掘這類功能既能用於防護系統，亦可被用於製作攻擊，二者需求高度相似，預覽期容易出現正常研究被誤攔截；同時一旦權限管控出現漏洞，會直接降低網絡攻擊製作門檻，分層護欄是整套產品的核心關鍵。
本次發布的行業核心意義
GPT-5.6 Sol 不只是單純提升各項測試分數，更是 OpenAI 對下一代 AI 智能代理工作模式的完整落地方案：三層分層產品、雙檔位深度推理、多子智能代理協同、全鏈路安全防護、政府合規分階段發布。
Sol 暫時在代碼、網絡安全智能代理領域拿下效能優勢；但真正的考驗在於數週後能否如期全面放開，以及安全護欄能否做到不阻礙防禦研究、同時遏制惡意濫用。
📖 參考資料：OpenAI 官方公告、GPT-5.6 系統安全白皮書、Axios、Fortune、VentureBeat 行業報道