显然这是我们生产过的最好的模型，也是我们写过的最好的博客文章之一：

https://t.co/LtgWH41x6g

GPT-5.6：前沿智能，随你雄心而扩展

来源：https://openai.com/index/gpt-5-6/ 在经过有限预览（https://openai.com/index/previewing-gpt-5-6-sol/）后，我们现面向大众发布 GPT-5.6 模型家族：我们的新旗舰 Sol，适用于日常工作的平衡模型 Terra，以及最经济高效的模型 Luna。

GPT-5.6 Sol 在智能和效率两方面都树立了新标杆，在编码、知识工作、网络安全和科学领域取得了最先进的结果，同时相比之前和竞品的前沿模型，使用了更少的 token 和更低的预估成本。结果是更强的性价比：同样的花费完成更多成功工作，或在更低总成本下获得可比结果。我们还引入了一种加速最艰巨工作的新方式：ultra 是我们的最高能力设置，它能协调多个智能体并行处理工作流，以更快完成复杂任务。更强的计算机使用能力和设计判断力使 GPT-5.6 Sol 成为我们有史以来最精良的协作者，帮助它检查、优化并交付即用型结果。

我们训练 GPT-5.6 是为了让每个 token 产生更多有用工作。在 Agents’ Last Exam（在新窗口中打开）（https://agents-last-exam.org/）上，这是一个涵盖 55 个领域的长期专业工作流评估，GPT-5.6 Sol 以 53.6 分创下新高，比 Claude Fable 5（自适应推理）高出 13.1 分。即使在中等推理水平下，它也以大约四分之一的预估成本，超越 Fable 5 达 11.4 分。这种效率延伸到更小的模型，这些模型对于让智能变得更丰富和更经济至关重要：GPT-5.6 Terra 和 GPT-5.6 Luna 以大约十六分之一的成本超越 Fable 5。在 Artificial Analysis Intelligence Index（在新窗口中打开）（https://artificialanalysis.ai/evaluations/artificial-analysis-intelligence-index）上，这是一项涵盖智能体工作、编码、科学推理和通用能力的广泛智能衡量指标，GPT-5.6 Sol 在最大推理下与 Fable 5 相差不到 1 分，同时完成任务的时间缩短 61%，预估成本大约减半。

GPT-5.6 发布时配备了迄今为止最强大的安全防护措施，旨在抵御坚定且不断演变的滥用行为，同时不广泛限制合法工作。在大众可用之前，我们对该模型和安全防护进行了迄今为止最广泛的评估期，结合了人类红队测试和大规模自动化测试。在预览期间，我们与专家组织以及受信任的合作伙伴密切合作，对防御能力进行了压力测试，并在更广泛发布前加强了安全防护。由此产生的系统将模型内训练的保护措施与实时检查、监控以及根据信任和风险校准的访问权限层叠在一起。

GPT-5.6 Sol 是我们最好的编码模型。在 Artificial Analysis Coding Agent Index 上，GPT-5.6 Sol 在最大推理下以 80 分创下新的最先进水平，比 Fable 5 高出 2.8 分，同时输出 token 减少一半以上，耗时缩短一半以上，成本降低约三分之一。这一优势延伸至整个家族：Terra 略高于 Fable 5，而 Luna 超越 Opus 4.8；每个模型完成时大约耗时缩短三分之二，输出 token 减少约一半，预估成本约为四分之一。它还分别在 Terminal-Bench 2.1 和 DeepSWE 上创下新的最先进结果，这两项评估测试了实际代码库中的复杂命令行工作流和长周期工程。

***Artificial Analysis Coding Agent Index：*一个独立的编码智能体性能指数，涵盖实现、终端使用和实际代码库。

GPT-5.6 可以编写和运行轻量级程序，这些程序能够协调工具、处理中间结果、监控进度，并在工作推进时选择下一步行动。这使得工具密集型任务能够以更少的 token、更少的模型往返和更少的指导来进行。在 Responses API 中，Programmatic Tool Calling（在新窗口中打开）（https://developers.openai.com/api/docs/guides/tools-programmatic-tool-calling）无需开发者编写每一步脚本，也不必将每个工具响应传回模型，它可以过滤大量中间数据，只保留重要内容，并沿途调整其工作流。

对于值得投入更多时间和计算资源的问题，GPT-5.6 可以突破这种高效的默认设置。max 比 xhigh 给 GPT-5.6 更多时间进行推理和探索替代方案、运行检查并修改其方法。ultra 更进一步，默认情况下协调四个智能体并行工作，以更高的 token 使用换取更强的结果和在要求苛刻的任务上更快的实现时间。下面的图表比较了 ultra 的默认四智能体设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。在所有三项评估中，添加并行智能体将得分-延迟前沿向上并向左移动，在更短时间内达到更强结果。在 API 中，开发者可以使用 Responses API 中的多智能体测试版来构建类似 ultra 的体验。

GPT-5.6 在设计判断力上实现了阶跃式变化。仅凭高层方向，GPT-5.6 就能创造出有品味、符合人体工程学和功能性的界面。其更强的计算机使用能力使其能够检查和优化渲染后的结果——而不仅仅是生成底层代码或内容——因此它可以捕捉视觉和功能问题，并在将工作交回之前进行润色。

GPT-5.6 的前端能力还能将自然语言请求转化为 ChatGPT Work 中精良的交互式解释和可视化。

GPT-5.6 为专业任务交付了更好的结果。它将来自你的文档以及 Slack、Notion、Microsoft 365 和 Google Drive 等日常工作流中的杂乱上下文，转化为专家级、可共享的产物。

GPT-5.6 在知识工作上的优势体现在涵盖长期专业分析、浏览、工具使用和计算机使用等评估中。GPT-5.6 Sol 在 BrowseComp 上以 92.2% 的得分和在 OSWorld 2.0 上以 62.6% 的得分创下新的最先进结果；在 OSWorld 上，它超越了 Opus 4.8，同时输出 token 减少了 85%。在这里，性价比的提升延伸至整个 GPT-5.6 家族。Luna 以不到一半的预估成本几乎达到 GPT-5.5 的峰值性能，而 Terra 以更低的成本超越了它。

BrowseComp：GPT-5.6 Sol 在 BrowseComp（包含智能体浏览任务）上取得了新的最先进结果。

GPT-5.6 Sol 提升了演示文稿、文档和电子表格的质量，产出更精良、更准确的内容。它可以从头创建完全可编辑的演示文稿，将提示和源材料转化为连贯的视觉叙事，具有出色的布局、层级结构和设计。

**尤其是在遵循模板和参考演示文稿时，改进尤为显著。**GPT-5.6 可以推断演示文稿的设计系统——布局、排版、间距、颜色和重复内容模式，包括幻灯片母版中嵌入的规则——并将这些约定一致地应用于新材料。在此示例中，当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 则更忠实地遵循了参考结构。

供 GPT-5.6 样式匹配的输入幻灯片

GPT-5.5 样式匹配输出幻灯片

GPT-5.6 样式匹配输出幻灯片

GPT-5.6 还创建了视觉上更精良的文档和电子表格。它更忠实地遵循复杂参考格式，这对于可重复的知识工作活动非常重要。它以更高精度处理方程和财务模型，并更好地利用排版、间距、层级结构以及页面或工作表布局。

早期测试 GPT-5.6 的客户看到了跨领域知识工作输出的改进。

GPT-5.6 是我们迄今为止最强的网络安全模型，以显著更少的 token 实现了前沿性能。在 ExploitBench1 上（衡量从访问易受攻击代码到任意代码执行的进展），它以 73.5% 的得分超越 GPT-5.5 的 47.9%（在可比输出 token 预算下）。在 ExploitGym2 上（要求智能体将现实世界漏洞转化为有效利用），它在两小时限制下几乎将 GPT-5.5 的峰值通过率翻倍，从 15.1% 提升至 24.9%；六小时限制下则达到 33.7%。在 SEC-Bench Pro 上（测试复杂软件上的概念验证生成），它以 71.2% 的得分超越 GPT-5.5 的 45.8%，同时延迟更低。

GPT-5.6 支持重要的防御性任务，如安全代码审查、补丁修复、威胁建模和蓝队活动。OpenAI Daybreak Trusted Access for Cyber（https://openai.com/index/daybreak-securing-the-world/）计划中的合格个人和组织可以通过更精确的安全防护措施，在授权环境中为经过验证的工作获取更多防御能力，包括漏洞分类和验证、恶意软件分析、检测工程和补丁验证。

***ExploitBench：*逐步构建更强大的 V8 利用；GPT-5.6 相比 GPT-5.5 显示出巨大提升。未显示延迟图，因为该基准的延迟估计不可靠。

GPT-5.6 Sol 在 科学研究 方面也展现了广泛的进步。在生命科学评估中，GPT-5.6 在实际生物学、生命科学研究工作流和化学方面表现出相比 GPT-5.5 的帕累托改进。

GeneBench Pro（https://openai.com/index/introducing-genebench-pro/）：长周期基因组学和定量生物学分析；GPT-5.6 以更少的 token 和更短的时间达到更强结果。Claude Fable 5 未包含在内，因为它不回答*（在新窗口中打开）（https://www.anthropic.com/news/claude-fable-5-mythos-5）高级生物学问题，并且在此评估中拒绝回答大多数问题。*

GPT-5.6 是我们加速 AI 研究的最强模型。在 OpenAI 内部，研究人员在开发循环中使用它：诊断故障、优化训练系统、运行实验和解释结果。我们看到 GPT-5.6 的内部测试期间出现了加速和更强的采用，因为每位活跃研究人员的日均输出 token 是 GPT-5.5 最高观察水平的两倍以上。

这种工作方式正在迅速成为标准。在过去的六个月中，用于内部编码推理的研究计算份额增长了 100 倍，而内部智能体 token 使用量增长了约 22 倍。这些采用指标本身并不能衡量研究进展，但它们显示了 AI 辅助在研究以及销售、营销、用户运营、财务等其他团队中的增长速度。

为了直接衡量这种能力，我们根据实际的 AI 研究任务开发了一套内部评估，包括调试研究系统、优化内核和训练配方、运行机器学习实验以及改进另一个模型。

***聚合 RSI 能力：*在一组衡量递归自我改进进展的评估中，我们观察到 GPT-5.6 Sol 比 GPT-5.5 提高了 16.2 个百分点，全面加速了内部研究。

随着模型能力的提升，我们加强了安全堆栈，以便先进的智能能够保持广泛有用，同时对最高风险的使用进行更严格的审查。对于 GPT-5.6，我们构建了迄今为止最强大的安全系统，该系统根据每个模型的能力进行校准，并由比以往更多的计算资源提供支持。

GPT-5.6 模型在生物学和网络安全方面都比我们之前的模型更有能力，但在这两个类别中均未达到关键阈值。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，而不是可靠地针对加固目标进行自主的端到端攻击——这为防御者提供了一个在弱点被利用之前加强系统的机会。在生物学方面，我们的测试表明 GPT-5.6 可以支持合法研究，但不具备创建、工程化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。在网络安全方面，帮助攻击者利用漏洞的相同能力也可以帮助防御者发现漏洞、重现漏洞并构建可靠的修复方案。因此，过度封锁本身会带来安全风险。它可能阻止防御者测试系统和部署补丁，而恶意行为者继续使用其他模型（包括日益强大的开源模型）以及既定工具。有效的安全防护措施会考虑请求的上下文和可能后果，保留合法的防御性工作，同时在证据表明存在严重伤害风险的地方应用更强的控制。

GPT-5.6 的安全防护措施是分层的，以实现更高的准确性和冗余性，并且旨在随着新攻击的出现而快速适应。训练到模型中的保护措施与实时检查、持续监控和账户级强制执行协同工作，即使特定层未能按预期工作，也能帮助系统保持安全。在许多系统中，仅凭分类器标志来决定阻止什么，依赖难以更改的低智能模型来防止伤害。我们的方法增加了一个推理监控器，它审查对话以确定是否存在伤害的可能性。这种设计旨在允许防御性工作的同时阻止严重滥用，最敏感的功能通过 Trusted Access 保留给经过验证的用户。由于某些保护措施使用测试时推理，我们可以快速更新它们以弥合差距，而无需从头重新训练分类器。

我们正在采取更保守的方法，同时继续加强系统以抵御自适应攻击。与之前的模型相比，我们的 GPT-5.6 Sol 网络安全防护措施阻止了大约十倍于潜在的恶意活动。由于这些措施可能会给善意使用带来麻烦，我们在 ChatGPT 和 Codex 中提供了一个选项，可以轻松地在较低能力模型上重试提示，我们将继续减少安全防护措施对善意使用的影响，同时保持高稳健性标准。这反映了我们的迭代部署方法：从保守开始，并根据实际使用中学到的经验进行改进。

在大众可用之前，我们进行了迄今为止最密集的安全评估，包括广泛的红队测试、与外部专家进行的能力和安全防护测试，以及大约 700,000 个 A100e GPU 小时的黑盒自动化红队测试。这使我们能够系统地探测可能的薄弱点，暴露越狱行为，并帮助我们在发布前加强系统。

不存在完美的安全性，我们保护日益强大模型的工作仍在继续。新的弱点将被发现，新的越狱方法也会出现，绕过现有的安全防护。每一代新模型也会创造新的攻击和滥用途径。我们通过分层安全防护、持续监控、快速修复以及防御社区的协作来应对这一现实。对于 GPT-5.6，我们将现有的安全（在新窗口中打开）（https://bugcrowd.com/engagements/openai-safety）和生物学漏洞赏金计划（https://openai.com/index/bio-bug-bounty）与新的快速修复流程以及我们迄今为止最强大的监控工作相结合。来自研究人员、监控和现实世界滥用的发现将反