全新GPT-5.6系列：Luna、Terra、Sol

OpenAI今天正式发布了其最新旗舰模型系列GPT-5.6，包含三个不同尺寸的模型：Luna（最小）、Terra（中型）和Sol（最大）。该系列模型现已向公众开放，定价策略按每百万输入/输出token计算，Luna为$1/$6，Terra为$2.50/$15，Sol为$5/$30。相比之下，Claude Opus系列定价为$5/$25，而Claude Fable 5为$10/$50。不过，由于推理token数量在不同模型间差异巨大，单纯的每百万token价格并不能完全反映实际使用成本。

OpenAI最大的基准测试亮点在于长时代理任务的性能。在Agent's Last Exam评估中，该测试涵盖55个领域的专业工作流程，GPT-5.6 Sol以53.6分创下新高，比Claude Fable 5（自适应推理模式）高出13.1分。即使在中等推理模式下，Sol也以约四分之一的估计成本领先Fable 5 11.4分。这种效率优势同样体现在较小模型上，Terra和Luna以约十六分之一的成本超越了Fable 5。

有趣的是，在一项名为SWE-Bench Pro的编码基准测试中，Fable 5以80%的得分大幅领先GPT-5.6 Sol的64.6%。这或许解释了为何OpenAI在昨天发表了一篇专门批评SWE-Bench Pro的文章，指出该基准测试存在约30%的任务缺陷，并建议模型开发者仔细审查结果。

作者西蒙·威利森提前体验了GPT-5.6 Sol，他认为该模型非常强大，但在复杂编码任务上尚未觉得比Claude Fable 5更出色。

新模型的API文档揭示了多项令人兴奋的新特性。程序化工具调用允许模型“编写并运行JavaScript来编排工具调用”，这有望弥合MCP（模型控制协议）与完整终端会话之间的差距，实现CLI工具的组合使用。这一功能类似于Anthropic在其网络搜索工具中添加的动态过滤机制，可以在单次模型交互中对网络结果执行代码。多智能体功能则让模型能够“启动子智能体进行并行、专注的工作”，将子智能体模式直接集成到核心API中。提示缓存断点功能借鉴了Claude的提示缓存模式，允许开发者显式设置缓存断点，而非依赖API自动检测。此外，新的图像请求参数“detail: original”可以避免在处理前对图像进行任何缩放。

为了展示不同模型和推理努力级别下的输出效果，作者还创建了一个包含18张不同鹈鹕生成图像的页面，涵盖无推理、低、中、高、超高和最大六种努力级别，以及三款模型。成本最低的生成（gpt-5.6-luna，无推理）仅需0.71美分，而最贵的（gpt-5.6-sol，最大推理）则需48.55美分。在OpenAI今早的直播中，还演示了3D鹈鹕骑三轮车、自行车、小马以及另一只鹈鹕的趣味场景。