GPT-5.6 三模型 Sol/Terra/Luna 实测

 

 

OpenAI 这回总算把憋了很久的 GPT-5.6 全家桶端出来了，正好赶上对手 Claude Fable 5 风头正盛。三款模型分别叫 Sol（太阳）、Terra（地球）、Luna（月亮），名字挺浪漫。

 

 

全量开放是 7 月 9 日，我这一周基本都泡在 Codex 里拿这三个模型干活，下面聊聊真实体感。

 

三档到底怎么分

 

官方的说法是：Sol 负责天花板，Terra 管日常，Luna 管省钱。他们还特意点明，5.6 只是代号，Sol、Terra、Luna 会长期保留、各走各的进化路线，往后可能就是中杯、大杯、超大杯那套打法了。

 

 

定价反而成了亮点

 

这代价格收得很克制，能力和 GPT-5.5 比明显涨了，钱包却没跟着涨：旗舰档不提价，中端直接腰斩，入门更是打到两折。

 

 

横向看 Claude Fable 5 标价 10 美元和 50 美元，Sol 这边的性价比就显出来了。摆明了是冲着 Anthropic 去的，效果也立竿见影。5.6 开放当晚，Claude 那头连夜给用户重置了额度。

 

跑分我更信第三方的

 

官方发布会上的数字先放一边，我更认 Artificial Analysis（业内相对中立的跑分站）的数据。下面三张图从智力、编程、Agent 三个维度给这代定了位。

 

先是 Intelligence Index（综合智力指数），它聚合了 GPQA Diamond、Humanity's Last Exam、Terminal-Bench、SciCode 等 9 项高难度评测，覆盖推理、知识、数学、编程，相当于模型的「综合素质高考分」。

 

 

这一项适合拿来做整体规划、深入调研。5.6 Sol 已经非常贴着 Fable 5，只差 1 分，但成本只有人家一半（当然纯比效果确实还差一口气）。

 

再看 Coding Index（编程指数），由 SWE-Bench-Pro-Hard、Terminal-Bench、SWE-Atlas-QnA 三个子测试等权平均，全是程序员真实场景，比刷题式跑分含金量高。

 

 

这是程序员最在意的指标：5.6 Sol 把 Fable 5 干掉了，而且三款模型全站在帕累托最佳拐点上，也就是效果价格最优。可以说 GPT 头一回在编程上压过 Claude，这也是 Fable 5 一再延期还加送 token 的主因。另外 5.6 Luna 和 GLM-5.2 价格基本持平，得分却高一截，重性价比的直接选 Luna 就行。

 

 

压轴是 Agentic Index（智能体指数），衡量模型当「数字员工」的本事：自主规划、调工具、跨多步跑长链路任务，正是这代竞争的主战场。

 

 

论分，5.6 Sol 还是顶格；而 5.6 Luna 成了整条帕累托曲线上斜率最大的点，翻译成人话：每多花一块钱，它涨的分最多。

 

还有两个新玩法值得一提：max 推理档让 Sol 在难题上想得更久更深；ultra 模式直接派出多个子 Agent 并行。我用 ultra 跑过一次复杂任务，看它同时开四条工作流（当然 token 也烧得飞起）。

 

我实际用下来的感受

 

跑分之外，说点看不出来的。

 

长任务终于扛住了。以前跑长链 Agent，梳理大代码库、重构、跑测试一条龙，模型常干到一半「失忆」或开始敷衍，你得全程盯着。Sol 是真接了活不撒手：自己定计划、调工具、查结果，中途报错会主动回头排查，几小时的任务一口气跑完，我拿手机远程偶尔瞄一眼就行。最长一次跑了 12 小时，还是额度耗尽才停。

 

它不只是能干活，是真「懂」项目。有次我把一个被别的模型反复拷打过的项目丢给 Sol，它直接从架构层面彻底优化，还抛出一堆我从没想过的问题。看完方案那刻，恍然加「真牛」两种感觉一起上来，它已经不是执行我的想法，而是在补我的盲区。

 

网络安全同理：拿它做代码审计和漏洞排查，它能沿调用链一路追下去，把权限校验缺口、注入点这类藏得深的问题挖出来，还顺手给修复方案和验证步骤。这也是 GPT-5.6 没第一时间发布、被美国政府审批几天才面向公众的原因。

 

提示词和 skills 可能没那么重要了。不少之前的提示词、skills「失效」了，不是不管用，而是模型能力上来后，那些规范行为的工具反而成了累赘。比如业界出名的 superpowers，Claude 时代的王者，5.6 出来后很多人发现它反倒成了 token 爆炸的元凶。

 

当然缺点也有：Sol 烧额度真猛。我用 GPT-5.6 Sol Ultra 跑俩任务，合并 10 份 PDF、整理 700 个 Markdown 文件，当天额度直接清零，等于「Plus 订阅 = 每天允许欣赏模型 12 分钟」。好在 OpenAI 发布 48 小时后临时取消 5 小时限制，一周内给付费用户重置至少五次额度，还承诺优化推理效率后同额度可用量再加 10%。额度不宽裕就别轻易开 Ultra。

 

几句题外话

 

模型之外，再说点感想。

 

AI 时代用户没什么忠诚度，哪家好用就用哪家。5.6 出来前我一直深度用 Claude，Fable 5 的效果让我吹了很久；5.6 一出我立马换 Codex 还充了 Pro。这不是善变，是与时俱进，工具就是工具，别谈感情。

 

点子比能力更值钱了。5.6 出来后，脑子里又冒出一堆想做的小项目。这年代能力能按 token 租，想法没人替你出。有想法就有收获。

 

为 AI 付费不亏。哪怕浪费点额度也不是打水漂，每次「浪费」都在指你未来的方向。

 

上面这些关于 GPT-5.6 的实测和选型思路，其实也是很多团队当下在跟进的方向。如果你想把这类 AI 工具和数字化能力真正用进自己的业务，可以咨询云巴巴。云巴巴是国内领先的企业数智服务平台，覆盖 AI 大模型、智能体、协同办公、营销获客、安全合规等多个领域的企业级产品与方案，能按你的行业、规模和预算比对选型、匹配资源、协助落地。欢迎咨询云巴巴，获取更多产品方案与专属服务。