一句话看懂：OpenAI 于 2026 年 7 月 9 日发布 GPT-5.6 系列，共三个尺寸：Luna、Terra 和 Sol。该系列主打长周期智能体任务效率，以更低推理成本在特定基准上超越了 Anthropic 的 Claude Fable 5，但其代码任务表现仍存争议。
事件核心：发生了什么
OpenAI 全新旗舰模型 GPT-5.6 系列于今日正式上线，包括三款型号：最小的 Luna、中等的 Terra 和最大的 Sol。按每百万输入/输出 token 计费，Luna 为 1 美元 / 6 美元，Terra 为 2.5 美元 / 15 美元，Sol 为 5 美元 / 30 美元。作为对比，Claude Opus 系列收费为 5 美元 / 25 美元，Claude Fable 5 为 10 美元 / 50 美元。不过，由于不同模型在同一任务上的推理 token 数量差异巨大，单纯比较单价已不那么有意义。
OpenAI 在智能体长期工作流基准测试 Agents’ Last Exam（覆盖 55 个专业领域）上，宣称所有三款模型均优于 Claude Fable 5：Sol 在最高推理设置下获得 53.6 分，超过 Fable 5（自适应推理）13.1 分；即便使用中等推理，Sol 也以约四分之一的预估成本领先 Fable 5 11.4 分。Terra 和 Luna 更以约十六分之一的成本超越 Fable 5。然而，在 SWE-Bench Pro 代码任务基准上，Fable 5 以 80% 的通过率碾压了 Sol 的 64.6%。OpenAI 昨日提前发布文章质疑该基准的可靠性，称约 30% 的任务存在缺陷。
为什么重要
GPT-5.6 系列标志着 OpenAI 在推理效率上的一次关键调整：不以单一参数规模或绝对性能取胜，而是用更少的 token 完成更多有用工作。这反映了行业从“更大即更好”转向“成本效率竞争”的趋势，尤其在智能体场景下，推理成本控制正成为模型商业化的核心杠杆。同时，它间接证实了 Anthropic 的 Claude Fable 5 在纯代码任务上的领先地位，但 OpenAI 通过挑战基准有效性，试图重新定义评判标准。
对用户/开发者/创作者的影响
对于 API 开发者，GPT-5.6 引入了多种新接口功能，并提供了从“无推理”到“最大推理”六个级别的调参选项，让成本控制更灵活。以最简单的 pelican 测试任务为例，最低成本仅为 0.71 美分（Luna + 无推理），最高成本为 48.55 美分（Sol + 最大推理）。对于需要运行长时间智能体工作流的用户（如自动化调研、多步数据处理），GPT-5.6 可能是更具性价比的选择。但如果你核心依赖复杂代码生成或重构，短期内 Claude Fable 5 可能仍是更稳妥的工具。普通消费者暂时无法直接体验，所有模型均通过 API 提供服务。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 SWE-Bench Pro 基准的争议如何收场，OpenAI 的审计是否获得更广泛认同，这将影响行业对模型代码能力的评价标准。二是价格战如何演变：若 GPT-5.6 Luna 以不足 1 美分的单次推理成本打开市场，Anthropic 是否会跟进推出更低价位型号。三是 OpenAI 展示的“3D pelican 骑车”演示暗示了图像生成与 3D 能力集成，需要观察后续是否开放给第三方开发者。
