全新GPT-5.6系列：Luna、Terra、Sol

OpenAI今天正式發佈了其最新旗艦模型系列GPT-5.6，包含三個不同尺寸的模型：Luna（最小）、Terra（中型）和Sol（最大）。該系列模型現已向公眾開放，定價策略按每百萬輸入/輸出token計算，Luna為$1/$6，Terra為$2.50/$15，Sol為$5/$30。相比之下，Claude Opus系列定價為$5/$25，而Claude Fable 5為$10/$50。不過，由於推理token數量在不同模型間差異巨大，單純的每百萬token價格並不能完全反映實際使用成本。

OpenAI最大的基準測試亮點在於長時代理任務的性能。在Agent's Last Exam評估中，該測試涵蓋55個領域的專業工作流程，GPT-5.6 Sol以53.6分創下新高，比Claude Fable 5（自適應推理模式）高出13.1分。即使在中等推理模式下，Sol也以約四分之一的估計成本領先Fable 5 11.4分。這種效率優勢同樣體現在較小模型上，Terra和Luna以約十六分之一的成本超越了Fable 5。

有趣的是，在一項名為SWE-Bench Pro的編碼基準測試中，Fable 5以80%的得分大幅領先GPT-5.6 Sol的64.6%。這或許解釋了為何OpenAI在昨天發表了一篇專門批評SWE-Bench Pro的文章，指出該基準測試存在約30%的任務缺陷，並建議模型開發者仔細審查結果。

作者西蒙·威利森提前體驗了GPT-5.6 Sol，他認為該模型非常強大，但在複雜編碼任務上尚未覺得比Claude Fable 5更出色。

新模型的API文檔揭示了多項令人興奮的新特性。程序化工具調用允許模型“編寫並運行JavaScript來編排工具調用”，這有望彌合MCP（模型控制協議）與完整終端會話之間的差距，實現CLI工具的組合使用。這一功能類似於Anthropic在其網絡搜索工具中添加的動態過濾機制，可以在單次模型交互中對網絡結果執行代碼。多智能體功能則讓模型能夠“啓動子智能體進行並行、專注的工作”，將子智能體模式直接集成到核心API中。提示緩存斷點功能借鑑了Claude的提示緩存模式，允許開發者顯式設置緩存斷點，而非依賴API自動檢測。此外，新的圖像請求參數“detail: original”可以避免在處理前對圖像進行任何縮放。

為了展示不同模型和推理努力級別下的輸出效果，作者還創建了一個包含18張不同鵜鶘生成圖像的頁面，涵蓋無推理、低、中、高、超高和最大六種努力級別，以及三款模型。成本最低的生成（gpt-5.6-luna，無推理）僅需0.71美分，而最貴的（gpt-5.6-sol，最大推理）則需48.55美分。在OpenAI今早的直播中，還演示了3D鵜鶘騎三輪車、自行車、小馬以及另一隻鵜鶘的趣味場景。