推荐语

GPT-5.6 Sol震撼发布，不仅以更低价格和更强性能挑战Claude 5，更标志着AI从单一聊天工具转向能处理复杂工程任务的多智能体协作系统。

核心内容：
1. GPT-5.6 Sol的核心定位与多模型组合策略
2. 在终端工作流基准测试中的性能表现与价格优势
3. 对开发者工作流的深远影响与未来Agent任务范式

杨芳贤

53AI创始人/腾讯云(TVP)最具价值专家

大家好，我是创意猎人。

刚刚，传言变成现实：

OpenAI 放出了其最新最强的模型 GPT-5.6 Sol。

看起来像一次很正常的新模型发布，但味道明显不一样：模型很强，发布很谨慎，甚至谨慎到美国政府也进了流程。

GPT-5.6 这次不是单枪匹马出来的，而是一套模型组。

Sol 是旗舰，Terra 是平衡档，Luna 是低成本档。

Sol 主打代码、网络安全、生物工作流和长任务 Agent。

它已经不仅仅是陪你聊天的模型，它更适合进 Codex、API、企业工作流里干复杂活。

Sol 最狠的地方，它是一个能干活的 Agent

Sol 还多了两个新模式：max 和 ultra。

max 给模型更多推理时间，ultra 会调用子 Agent 来处理复杂任务。

这个信号很直接：后面的强模型，不再只是“一个大脑回答问题”，更像一组小队协作。

这对开发者很关键。

以前你让 AI 改项目，它常见的问题是看得懂局部代码，但撑不住完整任务。Sol 的方向，是让模型能读仓库、跑测试、定位 bug、继续追错、给补丁。

它考验的不是一句回答多漂亮，考验的是能不能在真实工程环境里把事情做完。

最能说明问题的是 Terminal-Bench 2.1。

GPT-5.6 Sol Ultra 拿到 91.9%，GPT-5.6 Sol 是 88.8%，略高于 Claude Mythos 5 的 88.0%。

这个差距看起来不大，但放在终端工作流这种高难度任务里，已经足够说明 Sol 的核心方向：它的价值不止是写几段代码，更在于把一串工程动作连起来做。

如果你用 Codex，这种变化会很直接。

以后别只说“帮我修 bug”，更好的方式是把任务写成可检查的流程：先阅读相关模块，列出可能根因；再写最小复现；然后做最小修改；跑测试；补充说明还有哪些风险没覆盖。

强 Agent 吃的就是这种任务描述。

GPT-5.6 压着 Claude 5 打

拿 Claude 5 系列来比，最直接的差距先出现在价格上。

Claude Fable 5 的 API 价格是每百万 token 输入 10 美元、输出 50 美元；GPT-5.6 Sol 是输入 5 美元、输出 30 美元。只看这一项，Sol 已经明显便宜一截。

能力定位上，两边都在抢长任务、代码和 Agent 工作流。

Claude Fable 5 强调长上下文、复杂知识工作和编码；Sol 则把代码、网络安全、生物工作流、子 Agent、Codex 入口一起端出来。

Claude 5 还是很强，但 Sol 这次不只是模型参数更新，它把“模型能力 + 工具入口 + 分级价格 + 安全发布”一起打包了。

所以标题里说“碾压”，不是说 Claude 5 不能用，而是这轮发布的综合压迫感更强。

Sol 价格更低，产品入口更完整，还直接绑定 Codex 和 API 的 Agent 场景。对开发者和企业来说，这比单纯榜单高一点更重要。

真正敏感的，是它碰到了攻防边界

Sol 真正敏感的地方，在网络安全和生物分析。能力越强，双用途问题越绕不过去。你让模型帮你分析漏洞，可能是公司在做防御，也可能是攻击者在找突破口。模型越弱，这个问题越不尖锐；模型越强，边界越难管。

Sol 更擅长帮人发现和修复漏洞，但还不能稳定完成端到端攻击。系统卡里也把 GPT-5.6 系列按高风险能力处理，但没有达到 Cyber Critical 阈值。

说白了，它还没到最危险那档，但已经强到不能随便放。

ExploitBench 这张图也把问题说得很清楚：Sol 在更少输出 token 下，把漏洞研究和利用相关任务的能力曲线拉得更高。

这个点很关键，因为安全任务不是写一段答案就结束，它往往要连续推理、验证、修正。模型越能省 token、越能持续推进，实际价值越大，风险也越需要被认真处理。

所以 OpenAI 加了多层防护：模型拒答、生成中实时分类器、账号风险信号、分级访问、监控和后续处理。遇到高风险内容时，生成可能会被暂停，交给更强的推理模型复核。

你以后用它做安全测试、生物分析、某些双用途任务，可能会遇到拒答或变慢。模型未必是变笨了，更可能是中间多了一层审核。

这次发布最不寻常：美国政府先看名单

这次最不寻常的点是发布方式。

GPT-5.6 会先给一小批可信合作方预览，参与方信息会和美国政府共享，之后再扩大到 ChatGPT、Codex 和 API。

这背后的问题很现实：谁能先用最强模型，谁算可信，美国以外的开发者怎么办，安全研究人员会不会因为不在名单里被挡住。

强模型正在变成一种生产资料，越强，越不可能像普通 App 更新那样随便开放。

普通用户真正该学什么？

很多人看到 limited preview 会觉得失望：又是别人先用，我只能看新闻。但我觉得更该提前准备的是工作方式。

强模型出来以后，真正拉开差距的不是谁收藏了更多提示词，差距来自谁能把它接进自己的工作流。

对内容创作者来说，Sol 这类模型最适合做前置研究，直接让它写稿反而浪费。

比如你可以让它把发布资料、系统卡、主流媒体报道和 X 上争议观点分成四类：确定事实、公司立场、媒体解读、未经证实的传播。每一类只保留可引用的信息，并标注来源链接。

这类工作以前很耗时间，但强模型如果能稳定做资料归纳，创作者的瓶颈会从“找资料”变成“你有没有判断”。

信息整理会越来越便宜，观点、取舍和经验才会越来越值钱。

我的判断

GPT-5.6 Sol 真正重要的地方，不只是 OpenAI 又发了一个更强模型。

它把前沿 AI 的新阶段摊开给你看：能力继续变强，价格继续往下压，Agent 工作流继续往真实项目里走，同时监管和访问权限也开始变重。

Claude 5 当然还是强对手，但 Sol 这次赢在组合拳，是在代码、安全、长任务、子 Agent、Codex、API 成本和发布机制上一起出牌。

未来你问“哪个模型最强”可能都不够了，更重要的问题是：你有没有资格用它，你准备用它做什么，你能不能把它变成真实产出。