GPT-5.6实测：直接把网站做上线算法一只狗

GPT-5.6发布了，Chatgpt和Codex合并。我更新了一下我的电脑codex之后，就看到合并通知。

应用左上角提供模式切换入口，用户可根据需要快速切换不同模式

右下角就可以看到正式版本的5.6已经上线了：

OpenAI 这次发布的是一个系列：Sol、Terra、Luna。Sol 是旗舰模型，Terra是平衡性能和成本的中间档，Luna 是最快、最便宜的版本

从Artificial Analysis评测来看，GPT-5.6 Sol模型得分在59左右，排名第二，仅仅比Fable5低了一分

但是在差距不明显的情况下，它的花费简直太有性价比了，价格比Fable 5便宜了一半以上。

这是因为，Sam Altman 专门发推说了这件事，表示自己希望能降低 AI的使用成本。确实在好用和性价比来看，用GPT-5.6感觉会更好

最值得关注的第一点，是 Ultra 模式。OpenAI明确说 GPT-5.6 引入了新的 max reasoningeffort，让 Sol 能花更多时间深度推理；同时引入 ultra 模式，通过 subagents 超越单 Agent能力，加速复杂任务。这个信号很关键：模型能力提升不再只是“参数更大、推理更强”，而是开始把多 Agent编排内置进模型产品形态里。

从下面这张图可以看到，使用了ultra 模式下，gpt-5.6效果在TerminalBench2.1榜单上达到了91.9%的效果（Terminal-Bench 2.1测试需要规划、迭代和工具协调的命令行工作流。）超过了之前Claude模型引以为傲的Mythos 5模型。

第二点优势在于，是它更像一个面向“长程任务”的工程模型。OpenAI 强调 GPT-5.6 Sol除了在TerminalBench 2.1评测上效果很强，在 GeneBench v1 上相较 GPT-5.5 更强且 token更少，在网络安全长程任务上也明显推进。换句话说，这次更新的重点集中在代码、科研、安全、工具调用、长任务执行。

GPT-5.6 Sol（白色线）在所有输出长度下均保持最高得分，尤其在长文本生成时优势显著，30k tokens 时得分已超30%，远超其他模型。

第三点，是 OpenAI 的发布机制变了。这次 GPT-5.6不是直接大规模上线，而是在美国政府要求下先做有限预览，参与方信息也与政府共享，OpenAI同时表示这种政府访问流程不应成为长期默认机制。外媒也把这次发布解读为前沿模型进入“监管预发布审查”阶段。

第四点，是安全栈明显加厚，尤其是网络安全和生物安全。OpenAI 在 system card 里把 Sol、Terra、Luna都视为网络安全和生物/化学风险上的 High capability，但未达到最高的 Critical；

Sol 和 Terra 能发现漏洞和 exploit 组件，但在测试中还不能对 hardened targets完成自主端到端攻击。同时它使用模型内拒答、实时 cyber/biology分类器、生成中暂停审查、账号级信号、差异化访问等多层防护，并投入超过 70 万 A100 等效 GPU 小时做自动红队。