GPT-5.6 正式发布：Sol、Terra、Luna 三款模型全面开放

2026 年 8 月 21 日更新： OpenAI 将 GPT‑5.6 Sol 的 API 与额度价格下调 20% 以上，为期 3 个月。

2026 年 7 月 30 日更新： OpenAI 将 GPT‑5.6 Luna 降价 80%，GPT‑5.6 Terra 降价 20%。 点此了解详情。

继限量预览⁠之后，我们正式向所有用户开放 GPT‑5.6 系列模型：全新旗舰 Sol，面向日常工作的均衡型模型 Terra，以及性价比最高的 Luna。

GPT‑5.6 Sol 在智能与效率两方面都树立了新标杆：在编程、知识工作、网络安全和科学领域取得了最先进（state-of-the-art）的成绩，并且以更少的 token、更低的预估成本，超越了此前的以及竞争对手的前沿模型。这意味着更高的单位成本性能：同样的花费能完成更多有效工作，或者以更低的总成本获得相当的结果。我们还引入了一种加速最高强度工作的新方式：ultra 是我们能力最强的档位，会协调多个智能体并行处理不同工作流，更快完成复杂任务。更强的计算机操作能力和设计判断力，让 GPT‑5.6 Sol 成为迄今最得力的协作伙伴，能够检查、打磨并交付可直接使用的成果。

我们训练 GPT‑5.6，是为了让每个 token 都产出更多有用的工作。在评估 55 个领域长时间专业工作流的 Agents’ Last Exam⁠ 上，GPT‑5.6 Sol 取得 53.6 分的新高，领先 Claude Fable 5（自适应推理）13.1 分。即便在中等推理强度下，它也领先 Fable 5 11.4 分，而预估成本仅约为后者的四分之一。这种效率也延伸到了更小的模型，而小模型对于让智能更充裕、更便宜至关重要：GPT‑5.6 Terra 和 GPT‑5.6 Luna 以约十六分之一的成本超越了 Fable 5。在 Artificial Analysis Intelligence Index⁠（涵盖智能体工作、编程、科学推理和通用能力的综合智能指标）上，最高推理强度的 GPT‑5.6 Sol 与 Fable 5 的差距在一分以内，完成任务的时间少 61%，预估成本约为其一半。

Agents’ Last Exam⁠：跨专业领域的长周期智能体工作流。

GPT‑5.6 发布时带有我们迄今最稳健的安全防护，旨在抵御执着且不断变换手法的滥用，同时不会广泛限制正当工作。正式开放之前，我们对模型和防护措施进行了迄今最广泛的评估，结合了人工红队测试与大规模自动化测试。预览期间，我们与专家机构和可信合作伙伴密切合作，对防御进行压力测试，并在更大范围发布前强化防护。最终形成的体系将训练进模型的保护机制，与实时检查、监控以及按信任与风险程度校准的访问权限分层叠加。

默认高效，按需拉满性能

GPT‑5.6 Sol 是我们迄今最好的编程模型。在 Artificial Analysis Coding Agent Index 上，最高推理强度的 GPT‑5.6 Sol 以 80 分刷新最先进水平，比 Fable 5 高 2.8 分，同时输出 token 不到后者的一半，耗时不到一半，成本低约三分之一。这一优势覆盖整个系列：Terra 的表现略高于 Fable 5，Luna 则超过 Opus 4.8；二者耗时都只有大约三分之一，输出 token 约为一半，预估成本约为四分之一。它还在 Terminal‑Bench 2.1 和 DeepSWE 上刷新了最先进成绩，这两项基准分别测试复杂的命令行工作流，以及真实代码库中的长周期工程任务。

Artificial Analysis Coding Agent Index： 一项独立的编程智能体表现指数，涵盖功能实现、终端使用和真实代码库。

GPT‑5.6 能够编写并运行轻量程序，用来协调工具、处理中间结果、监控进度，并在工作推进过程中选择下一步行动。这让重度依赖工具的任务可以用更少的 token、更少的模型往返和更少的人工引导向前推进。开发者无需为每一步编写脚本，也不必把每个工具的返回结果都送回模型；Responses API 中的程序化工具调用（Programmatic Tool Calling）⁠可以过滤大量中间数据，只保留重要内容，并在过程中调整工作流程。

对于值得投入更多时间和算力的问题，GPT‑5.6 可以突破这一高效默认值。max 让 GPT‑5.6 比 xhigh 有更多时间去推理、探索替代方案、运行检查并修正思路。ultra 则更进一步，默认并行协调四个智能体，以更高的 token 消耗换取更强的结果，并在高难度任务上更快得到结果。下方图表比较了 ultra 默认的四智能体配置与单智能体基线在 BrowseComp、SEC-Bench Pro 和 Terminal-Bench 2.1 上的表现；BrowseComp 和 SEC-Bench Pro 还展示了 16 智能体配置。在这三项评测中，增加并行智能体都会让得分与延迟的前沿曲线向左上方移动，即用更短时间取得更强结果。在 API 中，开发者可以借助 Responses API 的多智能体（multi-agent）⁠测试版构建类似 ultra 的体验。^{4, 5, 6}

第 1 项，共 11 项

“GPT‑5.6 是我们在 CursorBench 上测试过的最强模型之一，早期评测结果扎实。在持续性、智能和整体效率方面，它对开发者来说是令人兴奋的一步。我们期待把这款模型带给 Cursor 用户。”

——Oskar Schulz，Cursor 总裁

设计能力的飞跃

GPT‑5.6 在设计判断力上实现了质变。只需高层级的方向说明，GPT‑5.6 就能创建有品位、符合人体工学且功能完备的界面。更强的计算机操作能力让它不仅能生成底层代码或内容，还能检查并打磨渲染后的结果，从而发现视觉和功能上的问题，在交还成果之前完成收尾润色。

▶ Interactive demo of a game generated by GPT-5.6

GPT‑5.6 的前端能力还能在 ChatGPT Work 中，把自然语言请求变成精美的交互式讲解和可视化。

端到端的知识工作

GPT‑5.6 为专业任务带来更好的结果。它能从你的文档以及 Slack、Notion、Microsoft 365 和 Google Drive 等日常工作流中提取杂乱的上下文，并转化为专家级、可分享的成果。

GPT‑5.6 在知识工作上的优势，体现在涵盖长周期专业分析、浏览、工具使用和计算机操作的各项评测中。GPT‑5.6 Sol 在 BrowseComp 上以 92.2%、在 OSWorld 2.0 上以 62.6% 刷新最先进成绩；在 OSWorld 上，它超过了 Opus 4.8，输出 token 却少 85%。在这里，单位成本性能的提升同样覆盖整个 GPT‑5.6 系列：Luna 以不到一半的预估成本，几乎追平 GPT‑5.5 的峰值表现，而 Terra 则以更低成本超过了它。

BrowseComp：GPT‑5.6 Sol 在由智能体式浏览任务构成的 BrowseComp 上取得新的最先进成绩。

GPT‑5.6 Sol 提升了演示文稿、文档和电子表格的质量，产出更精致、更准确。它可以从零创建完全可编辑的演示文稿，把提示词和源材料转化为连贯的视觉叙事，版式、层次和设计都很出色。

在遵循模板和参考演示文稿时，提升尤为明显。GPT‑5.6 能推断出一份演示文稿的设计体系——版式、字体、间距、配色以及反复出现的内容模式，包括嵌入在幻灯片母版（Slide Master）中的规则——并将这些规范一致地应用到新材料上。在这个示例中，要求根据参考文件更新数字时，GPT‑5.5 的输出缺少母版幻灯片中的关键组件，而 GPT‑5.6 更忠实地遵循了参考结构。

参考文件

GPT‑5.5 输出

GPT‑5.6 输出

GPT‑5.6 生成的文档和电子表格在视觉上也更精致。它能更忠实地遵循复杂的参考格式，这对可重复的知识工作很重要。它处理公式和财务模型更精确，也更善于运用字体、间距、层次以及页面或工作表布局。

测试 GPT‑5.6 的早期客户发现，各领域的知识工作产出都有所改善。

第 1 项，共 9 项

“GPT‑5.6 在构建生产级应用所需的长而复杂的工作流上效率突出。作为 Lovable 目前使用的模型之一，它比上一代模型少用约 25% 的步骤、少 35–48% 的工具调用，同时提高了项目成功率，并将卡死的运行减少了 15%。对于想从创意走到可运行应用的人来说，这是实实在在的差别。”

——Fabian Hedin，Lovable 联合创始人

推进网络安全与科学的前沿

GPT‑5.6 是我们迄今最强的网络安全模型，以显著更少的 token 达到前沿水平。ExploitBench² 衡量从触达存在漏洞的代码到实现任意代码执行的进展，在输出 token 预算相当的情况下，它得分 73.5%，GPT‑5.5 为 47.9%。ExploitGym³，要求智能体把真实世界的漏洞转化为可用的利用程序，在两小时上限下，它的通过率从 GPT‑5.5 峰值的 15.1% 提升到 24.9%，几乎翻倍；给足六小时则达到 33.7%。SEC-Bench Pro 测试针对复杂软件生成概念验证（proof-of-concept），它得分 71.2%，GPT‑5.5 为 45.8%，且延迟更低。¹

GPT‑5.6 支持安全代码审查、修补、威胁建模和蓝队演练等重要的防御性任务。OpenAI Daybreak 的网络安全可信访问（Trusted Access for Cyber）⁠计划中的合格个人和组织，可以通过针对授权环境中已验证工作的更精准防护措施，使用它更多的防御能力，包括漏洞分诊与验证、恶意软件分析、检测工程和补丁验证。

个人可以验证身份并申请可信访问⁠，组织可以为其团队提交申请⁠。个人成员需要在 9 月 1 日之前启用带有硬件级通行密钥（passkey）的高级账户安全（Advanced Account Security）⁠，才能继续使用我们网络能力最强的前沿模型；未启用者将恢复为默认访问权限。尚无硬件级通行密钥的用户，可以从我们的合作伙伴 Yubico 获得优惠价格⁠。我们还在采取额外措施，限制高风险实体以及高风险司法辖区的访问。

ExploitBench： 构建能力逐级增强的 V8 漏洞利用程序；GPT‑5.6 相比 GPT‑5.5 有大幅提升。由于该基准的延迟估算不可靠，因此未展示延迟图表。

GPT‑5.6 Sol 在科学研究方面也取得了广泛的进步。在生命科学评测中，GPT‑5.6 在真实世界生物学、生命科学研究工作流和化学上，相比 GPT‑5.5 实现了帕累托改进。

GeneBench Pro⁠： 长周期的基因组学与定量生物学分析；GPT‑5.6 以更少的 token 和更短的时间取得更强的结果。图中未包含 Claude Fable 5，因为它 不回答⁠ 高级生物学问题，并拒绝了该评测中的大部分问题。

GPT‑5.6 加速 OpenAI 自身

GPT‑5.6 是我们迄今加速 AI 研究能力最强的模型。在 OpenAI 内部，研究人员在整个开发循环中使用它：诊断故障、优化训练系统、运行实验、解读结果。在 GPT‑5.6 的内部测试期间，我们就已经看到了这种加速和更强的采用度：每位活跃研究员的日均输出 token 量，超过 GPT‑5.5 所观察到最高水平的两倍。

这种工作方式正在迅速成为标准。过去六个月，用于内部编程推理的研究算力占比增长了 100 倍，内部智能体 token 用量增长了约 22 倍。这些采用指标本身并不能衡量研究进展，但它们表明，AI 辅助在研究以及销售、市场、用户运营、财务等其他团队中正在以多快的速度增长。

为了直接衡量这种能力，我们基于真实的 AI 研究任务开发了一套内部评测，任务包括调试研究系统、优化内核（kernel）和训练配方、运行机器学习实验，以及改进另一个模型。

RSI 综合能力： 在一组衡量递归自我改进（recursive self-improvement）进展的评测中，我们观察到 GPT‑5.6 Sol 比 GPT‑5.5 提高了 16.2 分，全面加速了内部研究。

安全与防护随能力同步扩展

随着模型能力提升，我们不断强化安全体系，使先进智能在保持广泛有用的同时，对最高风险的用途施加更严格的审查。对于 GPT‑5.6，我们构建了迄今最稳健的安全系统，按每个模型的能力进行校准，并投入了前所未有的算力。

GPT‑5.6 系列模型在生物学和网络安全方面都比我们之前的模型更强，但在这两个类别中都没有越过“严重（Critical）”阈值。在网络安全方面，我们的测试表明，GPT‑5.6 更擅长发现和修复漏洞，而不是可靠地对加固后的目标发动自主的端到端攻击——这为防御者在弱点被利用之前加固系统留出了机会。在生物学方面，我们的测试表明，GPT‑5.6 可以支持正当研究，但不具备创造、改造或合成高度危险的新型威胁所需的端到端能力。

这两个领域本质上都是双重用途。在网络安全中，能帮助攻击者利用漏洞的同一种能力，也能帮助防御者发现漏洞、复现漏洞并构建可靠的修复。因此，过度拦截本身就会带来安全风险：它会妨碍防御者测试系统和部署补丁，而恶意行为者则继续使用其他模型（包括能力日益增强的开源模型）以及成熟的工具。有效的防护需要考虑请求的上下文和可能的后果，在保护正当防御工作的同时，对有证据表明存在严重危害风险的情形施加更强的管控。

GPT‑5.6 的防护措施采用分层设计，以提高准确性和冗余度，并能在新型攻击出现时快速调整。训练进模型的保护机制与实时检查、持续监控和账户级执法协同工作，即使某一层未按预期发挥作用，系统仍能保持安全。在许多系统中，仅由分类器标记来决定拦截什么，依赖的是智能较低、更难修改的模型来防止危害。我们的方法增加了一个推理监控器，审查对话以判断是否存在潜在危害。这一设计旨在支持防御性工作，同时拦截严重滥用，最敏感的能力则通过可信访问保留给已验证用户。由于部分保护机制使用测试时推理，我们可以快速更新以堵住漏洞，而无需从头重新训练分类器。

随着我们继续针对自适应攻击强化系统，我们采取了更保守的做法。与之前的模型相比，GPT‑5.6 Sol 的网络安全防护会拦截约十倍的潜在有害活动。由于这些措施可能给正常使用带来阻碍，我们在 ChatGPT 和 Codex 中提供了选项，可以方便地改用能力较低的模型重试提示词；我们也将在保持高稳健性标准的同时，继续降低防护措施对正常使用的影响。这体现了我们迭代式部署的方法：先从保守起步，再根据真实使用中的经验不断改进。

正式开放之前，我们进行了迄今最密集的安全评估，包括大量红队测试、与外部专家一起进行的稳健的能力与防护测试，以及约 700,000 个 NVIDIA A100 Tensor Core GPU 等效小时的黑盒自动化红队测试。这使我们能够系统地探查可能的薄弱环节、发现越狱手法，并在发布前加固系统。

世上没有完美的安全，我们为保护日益强大的模型所做的工作仍在继续。新的弱点会被发现，绕过现有防护的新越狱手法也会出现。每一代新模型还会带来新的攻击和滥用途径。我们通过分层防护、持续监控、快速修复以及与防御社区的协作来应对这一现实。针对 GPT‑5.6，我们把现有的安全⁠和生物学漏洞赏金计划⁠，与新的快速修复流程以及我们迄今最强的监控力度结合起来。来自研究人员、监控和真实滥用的发现，将持续转化为新的评测和更强的防护。

想进一步了解我们的防护措施，请阅读更新后的 GPT‑5.6 系统卡（system card）⁠。

可用性与定价

GPT‑5.6 涵盖三个模型档位：旗舰 Sol；成本更低、性能可与 GPT‑5.5 比肩的 Terra；以及速度最快、价格最实惠的 Luna。数字代表代际，而 Sol、Terra、Luna 是长期存在的能力档位，可以按各自的节奏演进。

GPT‑5.6 即日起在 ChatGPT、Codex 和 OpenAI API 中提供。目前正在全球范围内启动推送，并将在未来 24 小时内逐步实现全面开放。

• 对话（Chat）：Plus、Pro、Business 和 Enterprise 用户可通过中等及更高的强度设置使用 GPT‑5.6 Sol。Pro 和 Enterprise 用户还可以选择 GPT‑5.6 Sol Pro，在复杂任务上获得最高质量的结果。
• ChatGPT Work 与 Codex：免费版和 Go 用户可使用 GPT‑5.6 Terra。Plus、Pro、Business 和 Enterprise 用户可在 GPT‑5.6 Sol、Terra 和 Luna 中选择，并为每个模型设置强度级别。max 面向所有在 ChatGPT Work 和 Codex 中可使用 GPT‑5.6 的用户开放，可在设置中开启。在 ChatGPT Work 中，ultra 面向 Pro 和 Enterprise 用户开放；在 Codex 中，Plus 及更高级别的套餐可用。
• API：开发者可以通过 OpenAI API 使用 Sol、Terra 和 Luna。在 Responses API 中，程序化工具调用（Programmatic Tool Calling）让 GPT‑5.6 可以在内存中编写并运行程序来协调工具、处理中间结果，因此兼容零数据留存（Zero Data Retention，ZDR）。多智能体（Multi-agent）功能最初以测试版提供，让 GPT‑5.6 能在单个请求中运行并发的子智能体并综合它们的工作成果。

GPT‑5.6 按每 100 万 token 计价，三种规格分别为：Sol 输入 $5 / 输出 $30；Terra 输入 $2.50 / 输出 $15；Luna 输入 $1 / 输出 $6。GPT‑5.6 还引入了更可预测的提示词缓存，包括对显式缓存断点⁠的支持和 30 分钟的最短缓存时长。对于 GPT‑5.6 及之后的模型，缓存写入按该模型未缓存输入价格的 1.25 倍计费，缓存读取则继续享受缓存输入 90% 的折扣。

^{7, 8}

专业工作

编程

科学与健康

计算机操作

网络安全

自我改进

多模态

学术

工具使用

长上下文

抽象推理