新的GPT-5.6系列：Luna、Terra、Sol

# 全新GPT-5.6系列：Luna、Terra、Sol 来源：https://simonwillison.net/2026/Jul/9/gpt-5-6/ 2026年7月9日 OpenAI最新旗舰模型于今早（https://openai.com/index/gpt-5-6/）全面上线，共提供三个尺寸版本：Luna、Terra和Sol（从小到大）。 新模型按每百万输入/输出token定价为：Luna $1/$6、Terra $2.50/$15、Sol $5/$30。作为对比，Claude Opus系列为$5/$25，Claude Fable 5为$10/$50。但由于完成相同任务时，不同模型产生的推理token数量差异巨大，每百万token的单价已无法直接反映实际成本。 三款模型的知识截止日期均为2026年2月16日，支持百万token上下文窗口，最大输出token数为128,000。 OpenAI最引人注目的基准测试结果集中在长期运行的智能体性能上，一项基准测试显示，所有三款模型均超越Claude Fable 5： > 我们训练GPT-5.6让每个token产出更多实用工作。在Agents’ Last Exam（https://agents-last-exam.org/）——一项涵盖55个领域的长期专业工作流评估中，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。即便在中度推理模式下，它仍以约四分之一成本超出Fable 5 11.4分。这种效率同样延伸至更小的模型，这对于让智能更丰富、更廉价至关重要：GPT-5.6 Terra和GPT-5.6 Luna以约十六分之一的成本超越了Fable 5。 有趣的是，Fable 5在SWE-Bench Pro上碾压了GPT-5.6系列，Fable 5得分80%，而GUT-5.6 Sol仅64.6%。这可能解释了为何OpenAI昨日特意发表文章（https://openai.com/index/separating-signal-from-noise-coding-evaluations/），批评SWE-Bench Pro在审核时发现的问题： > 基于这些结果，我们估计SWE-bench Pro中约30%的任务存在缺陷，并建议模型开发者仔细审视结果。 笔者有机会提前体验GPT-5.6 Sol——它确实非常强大，但在复杂编码任务上，截至目前尚未感觉优于Fable（我一直在用Anthropic的模型完成这类任务）。 一如既往，GPT-5.6的使用指南（https://developers.openai.com/api/docs/guides/latest-model?model=gpt-5.6）包含了最有趣的细节。大量新API功能有待探索（并很可能为LLM（https://llm.datasette.io/）添加支持），包括： - **可编程工具调用**（https://developers.openai.com/api/docs/guides/tools-programmatic-tool-calling）允许模型“编写并运行JavaScript来编排工具调用”——在我看来，这有助于弥合MCP与完整终端会话之间的差距，使得后者能以实用的方式组合CLI工具。这也让人联想到Anthropic在其网络搜索工具中新增的**动态过滤**（https://platform.claude.com/docs/en/agents-and-tools/tool-use/web-search-tool#dynamic-filtering）机制，该机制允许在单次模型轮次中对网络结果执行代码。 - **多智能体**（https://developers.openai.com/api/docs/guides/tools-multi-agent）让模型“启动子智能体进行并行、专注的工作”——子智能体模式现已内嵌到核心API中。 - **提示缓存断点**（https://developers.openai.com/api/docs/guides/prompt-caching#prompt-cache-breakpoints）将Claude的提示缓存模式引入OpenAI，允许你明确指定缓存断点位置，而非依赖API自动检测。个人来说我更偏好自动检测（OpenAI仍支持），但显然，如果投入精力手动设置，有望节省优化成本。 - 现在可以为图片请求设置`detail: original`（https://developers.openai.com/api/docs/guides/images-vision#choose-an-image-detail-level），在处理前完全避免图片缩放。 这里是一份包含18只不同鹈鹕的完整页面（https://static.simonwillison.net/static/2026/gpt-5.6-pelicans.html）——对应三种模型在推理努力等级“无、低、中、高、极高、最大”下的输出。同时列出了各自的token数和计算成本——最便宜的是gpt-5.6-luna在“无”努力等级下，花费0.71美分；最贵的是gpt-5.6-sol在最大推理等级下，花费48.55美分。 一张九只骑自行车鹈鹕的网格图，质量参差不齐 有关鹈鹕的更多消息：跳转到今早直播（https://www.youtube.com/live/Wq45rvPGNHs?t=1070s）的17分50秒，你会看到OpenAI自己的演示——3D鹈鹕骑三轮车、自行车、小马，还有另一只鹈鹕！ 直播截图：一只鹈鹕骑着另一只鹈鹕的3D模型