「AINews」OpenAI 发布 GPT 5.6 Sol/Terra/Luna，Codex 成为 ChatGPT 超级应用

OpenAI 在 2026 年 7 月 8 日至 9 日期间发布重大更新，推出了新一代 GPT-5.6 系列模型，包含 Sol、Terra 和 Luna 三个尺寸，分别对应太阳、地球和月亮。这是继政府批准后，OpenAI 首次推出主线性前沿模型。与此同时，OpenAI 还整合了产品线，将 Codex 融入 ChatGPT，推出新的桌面应用 ChatGPT Work，标志着其超级应用战略的进一步推进。

新模型在多个基准测试中表现优异。OpenAI 宣称，Sol 在 Agents' Last Exam 上获得 53.6 分，比 Claude Fable 5 高出 13.1 分。Terra 性能略高于 Fable 5，而 Luna 则超越 Opus 4.8，三者均以约三分之一的时间和一半的输出 Token 数实现，成本仅为四分之一。在 Terminal-Bench 2.1 和 DeepSWE 等复杂工程基准上，GPT-5.6 也刷新了纪录。此外，模型在计算机使用、文档生成和科学研究方面也有显著改进。

定价方面，Sol 每百万输入/输出 Token 为 5/30 美元，Terra 为 2.5/15 美元，Luna 为 1/6 美元，并首次引入缓存写入定价，保留 90% 的缓存读取折扣。OpenAI 将这一系列定位为性价比阶梯，Sol 代表最高天花板，Terra 提供类似 GPT-5.5 的能力但成本更低，Luna 则是最快最便宜的高容量选项。

产品层面，ChatGPT Work 桌面应用将 Codex 和 ChatGPT 功能合并，支持持久多标签会话、文件下载和跨设备切换。Sites 功能进入测试阶段，允许付费用户托管和认证 GPT 构建的应用。此外，Responses API 新增了程序化工具调用和多代理测试版，进一步强化了代理编排能力。

最引人注目的技术声明是，OpenAI 称 GPT-5.6 Sol 自主后训练了 Luna。但这一说法迅速引发争议。多位技术观察者指出，这更可能是 Sol 在内部基础设施上执行了部分后训练流程，如修改配置、编辑调度文件并启动运行，而非完全自主的端到端后训练。内部人士 Aidan McLau 则表示，他经常使用 5.6 完成整个强化学习流程，暗示模型已具备有意义的内部工作流自动化能力。

独立评估机构给出了积极但谨慎的评价。Artificial Analysis 报告称 Sol（最大推理）在智能指数上得分为 59，仅比 Claude Fable 5 低 1 分，但成本仅为后者约三分之一。在编码代理指数上，Sol 以 80 分领先 Fable 5 和 Opus 4.8。Vals AI 将 GPT-5.6 排在 Vals 指数第二位，称其与 Fable 5 处于同一级别，并在多个基准上排名第一。然而，也存在一些弱点：ParseBench 显示模型在图表和布局方面仍有困难，且幻觉率略高于 GPT-5.5。

OpenAI 还分享了内部效率提升数据：自年初以来，每位研究员的实验吞吐量翻倍；活跃研究员的日均输出 Token 数超过 GPT-5.5 内部测试期间最高水平的两倍；过去六个月，内部编码推理的计算份额增长了 100 倍，代理 Token 使用量增长约 22 倍。这些数据被视为模型改进能力提升的信号。

总体而言，GPT-5.6 系列在性能、成本和效率方面实现了显著进步，尤其是 Sol 在代理和编码任务上的表现。OpenAI 的超级应用策略也通过 ChatGPT Work 迈出了关键一步，而自主后训练的争议则凸显了当前 AI 模型在完全自主研究能力上的局限。