--- title: "GPT-5.6：前沿智能，随你的雄心扩展" title_en: "OpenAI Launches GPT-5.6: Scores Close In on Claude Fable 5 at Half the Cost, Merges ChatGPT and Codex" source: "openai.com" source_url: "https://openai.com/index/gpt-5-6/" published_at: "2026-07-10T00:00:00.000Z" language: "zh-CN" topics: ["openai","claude"] tags: ["产品发布","GPT-5.6","OpenAI","多智能体"] review_status: "unreviewed" --- # GPT-5.6：前沿智能，随你的雄心扩展 > OpenAI 发布 GPT-5.6 系列模型，包括旗舰 Sol、平衡 Terra 和高效 Luna，在编码、网络安全和科学领域实现性能与成本效率的突破。 ## 内容摘要 OpenAI 推出 GPT-5.6 模型系列，包含旗舰 Sol、平衡 Terra 和高效 Luna。Sol 在 Agents' Last Exam 等基准测试中创下新高，性能超越 Claude Fable 5，同时成本更低。模型支持按需调整推理努力，ultra 模式可协调多个代理并行工作。安全方面采用分层防护，包括实时监控和可信访问机制。API 定价按 token 计费，Sol 为 $5/$30 ## 为什么值得关注 GPT-5.6 在提升智能的同时大幅降低成本，使企业和开发者能以更低价格获得更强 AI 能力，加速编码、科研、网络安全等领域的自动化，推动 AI 更广泛地融入日常工作。 ## 核心要点 - GPT-5.6 系列包括 Sol（旗舰）、Terra（平衡）和 Luna（高效）三个模型。 - Sol 在 Agents' Last Exam 中得分 53.6，超越 Claude Fable 5 的 40.5。 - 支持按需推理努力，ultra 模式可并行调用多个代理加速复杂任务。 - 安全系统采用分层防护，包括实时监控和可信访问机制。 - API 定价为 Sol $5/$30、Terra $2.50/$15、Luna $1/$6 每百万 token。 [跳到主内容](#main) * [研究](https://openai.com/research/index/) * 产品 * [商业](https://openai.com/business/) * [开发者](https://openai.com/api/) * [公司](https://openai.com/about/) * [基金会（在新窗口打开）](https://openaifoundation.org/) 登录[试用 ChatGPT（在新窗口打开）](https://chatgpt.com/?openaicom-did=532b4860-9f46-4088-8673-0274370d8e08&openaicom%5Freferred=true) * 研究 * 产品 * 商业 * 开发者 * 公司 * [基金会（在新窗口打开）](https://openaifoundation.org/) GPT-5.6：前沿智能，随你的雄心扩展 | OpenAI 2026年7月9日 [产品](https://openai.com/news/product-releases/)[发布](https://openai.com/research/index/release/) # GPT‑5.6：前沿智能，随你的雄心扩展 每个 token（模型处理的最小文本单位）带来更多智能，每美元获得更强性能，以及按需提供更多能力，应对你最具挑战的工作。 收听文章17:37 分享 默认高效，按需获得最大性能 * [默认高效，按需获得最大性能](#默认高效按需获得最大性能) * [设计上的飞跃](#设计上的飞跃) * [端到端的知识工作](#端到端的知识工作) * [推动网络安全和科学的前沿](#推动网络安全和科学的前沿) * [GPT-5.6 加速 OpenAI](#gpt-56-加速-openai) * [随能力扩展安全与保障](#随能力扩展安全与保障) * [可用性与定价](#可用性与定价) * [默认高效，按需获得最大性能](#默认高效按需获得最大性能) * [设计上的飞跃](#设计上的飞跃) * [端到端的知识工作](#端到端的知识工作) * [推动网络安全和科学的前沿](#推动网络安全和科学的前沿) * [GPT-5.6 加速 OpenAI](#gpt-56-加速-openai) * [随能力扩展安全与保障](#随能力扩展安全与保障) * [可用性与定价](#可用性与定价) 00:0003:27 我们正在推出 GPT‑5.6 模型系列，面向全面可用，此前已进行过[有限预览⁠](https://openai.com/index/previewing-gpt-5-6-sol/)：我们的新旗舰模型 **Sol**，以及 **Terra**（适合日常工作的平衡模型）和 **Luna**（最具成本效益的模型）。 GPT‑5.6 Sol 在智能和效率上都树立了新标准，在编码、知识工作、网络安全和科学领域取得了最先进的成果，同时用更少的 token 和更低的预估成本，超越了之前和竞争的前沿模型。结果是每美元性能更强：同样的花费完成更多成功工作，或者以更低总成本获得类似结果。我们还引入了一种加速最艰巨工作的新方式：`ultra` 是我们的最高能力设置，它协调多个代理（agent，能自主执行任务的 AI 程序）并行工作，更快完成复杂任务。更强的计算机使用能力和设计判断力，使 GPT‑5.6 Sol 成为我们最成熟的协作伙伴，帮助它检查、优化并交付可直接使用的结果。 我们训练 GPT‑5.6 让每个 token 都能完成更多有用工作。在 [**Agents' Last Exam**⁠（在新窗口打开）](https://agents-last-exam.org/)（一项评估 55 个领域长期专业工作流程的测试）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。即使在中等推理水平下，它也比 Fable 5 高出 11.4 分，而预估成本仅为其四分之一左右。这种效率也延伸到更小的模型，这对让智能更丰富、更实惠至关重要：GPT‑5.6 Terra 和 GPT‑5.6 Luna 以大约十六分之一的成本超越了 Fable 5。在 [**Artificial Analysis Intelligence Index**⁠（在新窗口打开）](https://artificialanalysis.ai/evaluations/artificial-analysis-intelligence-index)（一个衡量智能的广泛指标，涵盖代理工作、编码、科学推理和通用能力）中，GPT‑5.6 Sol 在最大推理设置下，得分与 Fable 5 相差不到 1 分，同时完成任务的时间缩短 61%，预估成本大约减半。 Agents' Last ExamArtificial Analysis Intelligence Index v4.1 Agents' Last Exam 成本延迟输出 token $0$1,000$2,000$3,000$4,00030%40%50%分数API 成本（美元）GPT-5.6 SolGPT-5.6 TerraGPT-5.6 LunaGPT-5.5Claude Fable 5Claude Opus 4.8Gemini 3.1 Pro Preview [**_Agents' Last Exam_**⁠（在新窗口打开）](https://agents-last-exam.org/)：_跨专业领域的长期代理工作流程。_ GPT‑5.6 发布时配备了迄今为止最强大的安全防护措施，旨在抵御坚决且适应性的滥用，同时不会过度限制合法工作。在全面可用之前，我们对该模型和防护措施进行了迄今为止最广泛的评估，结合了人工红队测试（人类专家模拟攻击者寻找漏洞）和大规模自动化测试。在预览期间，我们与专家组织和受信任的合作伙伴密切合作，压力测试防御措施并在更广泛发布前加强防护。由此产生的系统将训练到模型中的保护措施与实时检查、监控以及根据信任和风险校准的访问权限相结合。 ## 默认高效，按需获得最大性能 GPT‑5.6 Sol 是我们迄今为止最好的编码模型。在 **Artificial Analysis Coding Agent Index** 上，GPT‑5.6 Sol 在最大推理设置下以 80 分创下新纪录，比 Fable 5 高出 2.8 分，同时使用的输出 token 不到一半，时间不到一半，成本大约低三分之一。这一优势延伸到整个系列：Terra 的表现略高于 Fable 5，而 Luna 则优于 Opus 4.8；每个模型完成工作的时间大约只有三分之一，输出 token 大约一半，预估成本大约四分之一。它还在 Terminal‑Bench 2.1 和 DeepSWE 上创下了新的最先进成果，这些测试评估在真实代码库中的复杂命令行工作流程和长期工程任务。 Artificial Analysis Coding Agent Index v1.1Terminal-Bench 2.1DeepSWE v1.1 **_Artificial Analysis Coding Agent Index：_** _一个独立的编码代理性能指数，涵盖实现、终端使用和真实代码库。_ GPT‑5.6 可以编写和运行轻量级程序，这些程序能协调工具、处理中间结果、监控进度，并在工作展开时选择下一步行动。这使得工具密集型任务能用更少的 token、更少的模型往返和更少的指导来推进。开发者无需编写每一步的脚本，也无需将每个工具响应都传回模型，[程序化工具调用⁠（在新窗口打开）](https://developers.openai.com/api/docs/guides/tools-programmatic-tool-calling)（Responses API 中的功能）可以过滤大量中间数据，只保留重要内容，并沿途调整工作流程。 对于值得投入更多时间和计算资源的问题，GPT‑5.6 可以超越这种高效默认设置。`max` 给 GPT‑5.6 比 `xhigh` 更多时间来推理和探索替代方案、运行检查并修正方法。`ultra` 更进一步，默认协调四个代理并行工作，用更高的 token 使用换取在艰巨任务上更强的结果和更快的完成时间。下面的图表比较了 ultra 的默认四代理设置与单代理基线在 BrowseComp、SEC-Bench Pro 和 Terminal-Bench 2.1 上的表现；BrowseComp 和 SEC-Bench Pro 还显示了 16 代理配置。在所有三项评估中，添加并行代理将得分-延迟曲线向左上方移动，在更短时间内达到更强结果。在 API 中，开发者可以使用 Responses API 中的多代理测试版来构建类似 ultra 的体验。 BrowseComp（多代理）SEC-Bench Pro（多代理）Terminal-Bench 2.1（多代理） 1 / 11 > “GPT‑5.6 是我们在 CursorBench 上测试过的最强模型之一，在早期评估中表现扎实。对于开发者来说，它在持久性、智能和整体效率方面是一个令人兴奋的进步。我们期待将这个模型带给我们的 Cursor 用户。” —Oskar Schulz，Cursor 总裁 > “GPT‑5.6 是我们评估过的代理代码审查测试中最强的模型。在我们内部和外部的 PR 基准测试中，它比 GPT‑5.5 在 F1 分数上表现更好，同时每个 PR 使用的 token 大约少 3 倍，中位延迟大约低 2 倍。” —Itamar Friedman，Qodo 联合创始人兼 CEO > “GPT‑5.6 Sol 真的非常非常好。它是我们见过的最坚韧的问题解决者，能连续几天保持专注并完成任务。它在更新自定义代理和随着工作空间演变优化记忆方面表现出色，因此运行时间越长，它们就越敏锐。Terra 和 Luna 也远超其价格水平。许多运行 GPT‑5.5 的代理在 Terra 上表现同样好，成本减半，token 减少 16%。” —Simon Last，Notion 联合创始人 > “对于生产级编码代理，GPT‑5.6 是一款脱颖而出的顶级模型，它结合了强大的编码代理性能和非常高的成本效率。” —Scott Wu，Cognition 联合创始人兼 CEO > “GPT‑5.6 是金融研究代理的一大进步。在 Rogo 的 Big Finance Benchmark 上，与 GPT‑5.5 相比，它的评分标准质量提高了 6.2 分，答案准确性提高了 3.6 分。借助程序化工具调用，它在保持质量的同时，输出 token 减少了 24%，完成任务速度加快了 28%。这种准确性、速度和效率的结合正是我们扩展高质量金融分析所需要的。” —Alex Wang，Rogo 应用 AI 团队 > “GPT‑5.6 感觉不像一个聊天助手，更像一个端到端的技术操作员。它可以检查实时系统、调试问题、修改代码、验证结果、发布成果，并在长时间会话中保持强大的上下文连贯性。” —Ian Tracey，Ramp 应用 AI 软件工程师 > “GPT‑5.6 在理解我想要的工作层面方面比前代模型好得多。在 Codex 的多阶段工作流程（研究、规划、然后分阶段实施）中，它比 GPT‑5.5 更好地遵循意图，并始终如一地生成准确的、链接到 GitHub 的引用，而之前的模型经常遗漏。” —Shane Moran，Shopify 高级应用 AI/ML 工程师 > “GPT‑5.6 在长时间运行的任务中始终能保持专注，出色地使用工具，并在很少引导的情况下获得高质量的解决方案。对于研究和设计工作，它能生成清晰的报告和直观的图表，帮助我们的团队理解复杂系统并更快行动。” —Arjun Sambamoorthy，Cisco AI 软件与平台副总裁兼 CTO > “在法律研究和文档工作流程中，GPT‑5.6 已经带来了那种能改变产品经济效益的效率提升。在我们的综合评估套件中，它使用的 token 减少了 14%，同时提高了法律研究和交易法用例的质量。对于多步骤文档分析，程序化工具调用将提示 token 减少了 38%，且质量没有损失。” —Angel Faus，Clio 工程副总裁 > “GPT‑5.6 为我们所见过的复杂金融研究提供了最佳效率概况。在我们的评估中，它的表现达到顶级水平，同时 token 效率高出 1.72 倍，在三个主要类别中领先，并在多跳任务上获得 88% 的分数。效率、准确性和质量的结合使该模型非常适合扩展金融研究工作流程。” —Alberto Da Costa，Balyasny Asset Management 应用 AI 首席工程师 > “GPT‑5.6 Sol 在推理、决策和自主性方面显示出显著改进。子代理使用的改进对复杂的会计工作尤其有价值。对 OpenAI 代理开发的方向感到兴奋。” —Tarrek Shaban，Basis 产品负责人 * Cursor * Qodo * Notion * Cognition * Rogo * Ramp * Shopify * Cisco * Clio * Balyasny Asset Management * Basis ## 设计上的飞跃 GPT‑5.6 在设计判断力上带来了质的飞跃。只需给出高层次的方向，GPT‑5.6 就能创建出有品味、符合人体工程学且功能实用的界面。其更强的计算机使用能力让它能检查并优化渲染后的结果——而不仅仅是生成底层代码或内容——因此它能发现视觉和功能问题，并在交回工作前进行最后的润色。 帆船游戏微小虚空游戏博物馆网站钟表村游戏室内设计演示 GPT‑5.6 的前端能力还能将自然语言请求转化为 ChatGPT Work 中精美、可交互的解释和可视化。 交互式螺旋线交互式波干涉交互式 GPT token 分词器解释器 00:00 ## 端到端的知识工作 **GPT‑5.6** 为专业任务提供了更好的结果。它能从你的文档和日常工作流程（如 Slack、Notion、Microsoft 365 和 Google Drive）中获取杂乱的信息，并将其转化为专家级的、可分享的成果。 GPT‑5.6 在知识工作方面的实力体现在涵盖长期专业分析、浏览、工具使用和计算机使用的评估中。GPT‑5.6 Sol 在 **BrowseComp** 上以 92.2% 的成绩创下新纪录，在 **OSWorld 2.0** 上以 62.6% 的成绩创下新纪录；在 OSWorld 上，它超越了 Opus 4.8，同时输出 token 减少了 85%。在这里，每美元性能的提升也延伸到了 GPT‑5.6 系列。Luna 几乎与 GPT‑5.5 的峰值性能相当，而预估成本不到一半，而 Terra 以更低的成本超越了它。 BrowseCompGDPval-AA v2OSWorld 2.0AutomationBench **_BrowseComp_**：_GPT‑5.6 Sol 在 BrowseComp 上取得了新的最先进成果，该测试包含代理浏览任务。_ **GPT‑5.6 Sol 提高了演示文稿、文档和电子表格的质量**，生成的输出更精美、更准确。它可以从头开始创建完全可编辑的演示文稿，将提示和源材料转化为连贯的视觉叙事，具有出色的布局、层次结构和设计。 加载中... – / – ## **在遵循模板和参考演示文稿时，改进尤为明显。** GPT‑5.6 可以推断演示文稿的设计系统——布局、排版、间距、颜色和重复的内容模式，包括嵌入在幻灯片母版中的规则——并将这些惯例一致地应用于新材料。在这个例子中，当要求根据参考文件更新数字时，GPT‑5.5 的输出缺少母版幻灯片中的关键组件，而 GPT‑5.6 更忠实地遵循了参考结构。 ##### 参考文件 ![GPT-5.6 样式匹配的输入幻灯片](https://images.ctfassets.net/kftzwdyauwt9/3oH3WSMMfaXAjUMh6DcIue/f594bb00b0711acda032f16240f2fe32/input-slide.png?w=3840&q=90&fm=webp) ##### GPT‑5.5 输出 ![GPT-5.5 样式匹配的输出幻灯片](https://images.ctfassets.net/kftzwdyauwt9/2fzot6TymNQ0vTA2e07NGj/d4b7d478f130ff95ec0863bb4e533d5d/c3e05baf-2b5b-4285-9720-9a34a390a55e.png?w=3840&q=90&fm=webp) ##### GPT‑5.6 输出 ![GPT-5.6 样式匹配的输出幻灯片](https://images.ctfassets.net/kftzwdyauwt9/1zwyfsJQbQ7yIffWJKKSN1/a7e0644dbd618284b3b62eeb5111bb1a/42a52ba1-4fd9-470e-9083-b2e8bc00629e.png?w=3840&q=90&fm=webp) ## GPT‑5.6 还能创建视觉上更精致的文档和电子表格。它更忠实地遵循复杂的参考格式，这对于可重复的知识工作活动很重要。它更精确地处理方程和财务模型，并更好地利用排版、间距、层次结构以及页面或工作表布局。 股权研究文档杠杆收购模型 Pinecrest Research Partners | Blossom Co. (BLSM) | 启动报告 请参阅本报告末尾的重要披露 1 股权研究 | 非必需消费品 - 专业零售与数字商务 2026年7月8日 Pinecrest Research Partners LLC Blossom Co. (纳斯达克: BLSM) 经常性组合和配送密度创造盈利拐点 - 启动评级为增持 评级：增持（启动） | 目标价 $34.00 | 最近收盘价（2026年7月7日）$27.40 隐含目标价上涨空间：+24.1% 市场数据 市值 $24.7亿 企业价值 $23.1亿 净现金 / (债务) $1.53亿 稀释后流通股数 9000万股 自由流通量 ~88% 90天平均日交易量 120万股 52周范围 $18.20 - $31.60 股息率 不适用（无股息） 过去12个月ROE 12.1% 财年结束日 12月31日 上市 / 指数 纳斯达克 / 罗素2000 报告货币 美元 来源：Pinecrest Research Partners；收盘价序列截至2026年7月7日。罗素2000于2025年7月8日重新基准为100。 执行摘要 我们以增持评级和34美元目标价启动对Blossom Co.（"Blossom"或"BLSM"）的覆盖，意味着较最近收盘价有约24%的上涨空间。Blossom是一个技术驱动的优质鲜花、礼品和订阅平台，结合了专有的个性化服务、九个区域准备中心以及约280家经过认证的本地工作室。我们认为Blossom正在从一个以节日为导向的在线花店演变为一个更高频次的礼品平台，经常性会员和企业服务将提升收入可见性、客户生命周期价值和配送密度。 我们的投资论点基于三点： • (1) 收入质量正在改善。会员、订阅和企业平台收入占FY25销售额的35.8%；我们预计到FY28这一比例将达到44.3%。这些收入流具有更高的留存率、更低的增量获取费用以及比一次性购买更好的订单可见性。同期付费用户从115万增加到218万，而企业礼品则受益于员工认可计划、忠诚度集成和不断扩展的履行API。 BLSM 12个月价格走势 vs 罗素2000 BLSM（价格，美元，左轴） 罗素2000（重新基准=100，右轴） $18 $22 $26 $30 96 100 104 108 112 2025年7月 2025年9月 2025年11月 2026年1月 2026年3月 2026年5月 2026年7月 52周高点 $31.60 最近 $27.40 BLSM 价格 ($) 罗素2000（重新基准=100） 1 / 11 早期测试 GPT‑5.6 的客户看到了跨领域的知识工作输出改进。 1 / 9 > “GPT‑5.6 在构建生产级应用所需的漫长、复杂工作流程中效率显著。作为 Lovable 现在使用的模型之一，它为用户的步骤减少了大约 25%，工具调用减少了 35-48%，同时提高了项目成功率并将卡住运行减少了 15%。对于任何试图从想法到工作应用的人来说，这是一个有意义的差异。” —Fabian Hedin，Lovable 联合创始人 > “GPT‑5.6 Sol 是我们评估过的第一个能持续生成可直接用于实际工作的演示文稿的模型。在 20 个具有挑战性的客户工作流程和 Model ML 的 FinBench 中的数百个演示文稿中，它每个演示文稿使用的 token 比 Fable 少 39%，同时生成更精美、更易读的演示文稿，具有更清晰、更准确的数据可视化，在分享前需要更少的返工。” —Chaz Englander，Model ML 联合创始人兼 CEO > “GPT‑5.6 是我们七任务基准测试中最好的整体前端模型。在我们五分制的前端 QA 评分标准中，它得了 4.4 分，而 GPT‑5.5 是 4.0 分，Claude 4.8 是 3.5 分，并且始终能将复杂的电商、仪表盘和产品简报转化为完整的、响应式的桌面和移动界面。” —AJ Orbach，Triple Whale CEO > “借助 GPT‑5.6 的程序化工具调用，我们可以通过结构化 API 更高效地构建详细的 Unity 场景。在场景构建工作流程中，它使用的总 token 比使用直接工具调用的同一模型少 63.5%，模型轮次少 50.1%，同时产生可比的视觉效果。这使得迭代游戏创作更实用，更容易扩展。” —Teddy Cross，PlayCo 联合创始人兼 CPO > “GPT‑5.6 在演示文稿方面尤其强大。在我们早期的设计评估中，它在幻灯片创建方面比竞争模型更强，token 效率大约高出 1.6 倍，这在以 Canva 规模生成和优化视觉工作时非常重要。” —Danny Wu，Canva AI 产品负责人 > “GPT‑5.6 标志着 Microsoft 365 中工件生成的一个进步。在我们的评估中，它在广泛的生产力场景中提供了强劲结果，生成的输出高度连贯、准确且可直接使用。通过减少优化提示和迭代草稿所需的工作，它帮助用户花更少时间塑造内容，花更多时间执行内容。” —Charles Lamanna，Microsoft Copilot、代理和平台执行副总裁 > “在 30 次真实世界的应用构建对话中，GPT‑5.6 使用的输入 token 比 GPT‑5.5 少 22%，输出 token 少 23%，同时在全新项目和长时间多轮工作中保持竞争力。这是一个真正的进步，尤其是在设计和前端能力方面。” —Gabriel Grinberg，Base44 AI 工程负责人 > “GPT‑5.6 在法律工作流程上是一个进步。在 Legora 的内部评估框架中，它在 7 个任务中的 5 个上有所改进或保持稳定，在结构化起草和先例审查方面提升最大，同时在法律结论上保持适当的谨慎。” —Jake Lauritzen，Legora CTO > “借助 Figma Make 中的 GPT‑5.6，团队甚至可以将复杂的设计转化为交互式原型。它提高了设计到代码工作流程的标准。” —Loredana Crisan，Figma 首席设计官 * Lovable * ModelML * Triple Whale * PlayCo * Canva * Microsoft * Base44 * Legora * Figma ## 推动网络安全和科学的前沿 GPT‑5.6 是我们迄今为止最强大的网络安全模型，用显著更少的 token 实现了前沿性能。在 **ExploitBench**2 上（衡量从访问易受攻击代码到任意代码执行的进展），它的得分为 73.5%，而 GPT‑5.5 在可比的输出 token 预算下为 47.9%。在 **ExploitGym**3** 上（要求代理将真实世界漏洞转化为可工作的利用代码），它在两小时限制下几乎将 GPT‑5.5 的峰值通过率翻倍，从 15.1% 提高到 24.9%；在六小时限制下，达到 33.7%。在 **SEC-Bench Pro** 上（测试复杂软件的概念验证生成），它的得分为 71.2%，而 GPT‑5.5 为 45.8%，且延迟更低。 GPT‑5.6 支持重要的防御性任务，如安全代码审查、补丁编写、威胁建模和蓝队测试（防御方模拟攻击以测试系统）。[OpenAI Daybreak 的 Trusted Access for Cyber⁠](https://openai.com/index/daybreak-securing-the-world/) 计划中的合格个人和组织，可以通过在授权环境中为经过验证的工作提供更精确的安全防护措施，访问其更多的防御能力，包括漏洞分类和验证、恶意软件分析、检测工程和补丁验证。 个人可以[验证身份并请求可信访问⁠（在新窗口打开）](https://chatgpt.com/cyber?openaicom-did=532b4860-9f46-4088-8673-0274370d8e08&openaicom%5Freferred=true)，组织可以为团队[申请⁠](https://openai.com/form/enterprise-trusted-access-for-cyber/)。个人成员需要在 9 月 1 日之前启用[高级账户安全⁠（在新窗口打开）](https://chatgpt.com/advanced-account-security?openaicom%5Freferred=true&openaicom-did=532b4860-9f46-4088-8673-0274370d8e08&openaicom%5Freferred=true)（使用硬件支持的通行密钥），才能保留对我们最具网络能力的前沿模型的访问权限；未启用的用户将恢复默认访问权限。尚未拥有硬件支持通行密钥的用户可以从我们的合作伙伴 Yubico 获得[优惠价格⁠（在新窗口打开）](https://chatgpt.com/yubikey?openaicom-did=532b4860-9f46-4088-8673-0274370d8e08&openaicom%5Freferred=true)。我们还在采取额外措施，限制高风险实体和高风险司法管辖区的访问。 ExploitBenchExploitGymSEC-Bench Pro夺旗赛 **_ExploitBench：_** _构建越来越强大的 V8 利用代码；GPT‑5.6 相比 GPT‑5.5 显示出巨大提升。未显示延迟图表，因为该基准测试的延迟估算不可靠。_ ## GPT‑5.6 在科学研究领域也全面进步 在生命科学评估中，GPT‑5.6 相比 GPT‑5.5 在真实生物学、生命科学研究流程和化学领域都实现了帕累托改进（即在某些指标上提升，同时不损害其他指标）。 GeneBench Pro（基因基准专业版） LifeSciBench（生命科学基准） MedChemBench（药物化学基准） [**_GeneBench Pro_**⁠](https://openai.com/index/introducing-genebench-pro/)**_：_** _长期基因组学和定量生物学分析；GPT‑5.6 用更少的 token（模型处理的基本单位）和更短的时间取得了更强的结果。Claude Fable 5 未包含在内，因为它_ [_不回答_⁠(在新窗口中打开)](https://www.anthropic.com/news/claude-fable-5-mythos-5) _高级生物学问题，并且拒绝回答该评估中的大部分问题。_ ## GPT‑5.6 加速了 OpenAI 自身 GPT‑5.6 是我们目前用于加速 AI 研究的最强模型。在 OpenAI 内部，研究人员在开发流程的各个环节使用它：诊断故障、优化训练系统、运行实验以及解读结果。在 GPT‑5.6 的内部测试期间，我们已经看到了这种加速和更强的采用率，每位活跃研究人员的日均输出 token 量是 GPT‑5.5 最高水平的两倍多。 这种工作方式正在迅速成为标准。在过去六个月中，用于内部编码推理（模型在运行时进行思考的过程）的研究算力份额增长了 100 倍，而内部智能体（能自主完成任务的 AI 程序）的 token 使用量增长了约 22 倍。这些采用指标本身并不能衡量研究进展，但它们显示了 AI 辅助在研究以及销售、营销、用户运营、财务等其他团队中的增长有多快。 为了直接衡量这种能力，我们基于真实的 AI 研究任务开发了一套内部评估，包括调试研究系统、优化内核和训练方案、运行机器学习实验以及改进另一个模型。 RSI 指数（递归自我改进指数） 内部研究调试评估 KernelGen 1P（内核生成 1P） NanoGPT（微型 GPT） _**综合 RSI 能力：** 在一套衡量递归自我改进（模型自己改进自己的能力）进展的评估中，我们观察到 GPT‑5.6 Sol 比 GPT‑5.5 提升了 16.2 个百分点，全面加速了内部研究。_ ## 随能力增长同步扩展安全防护 随着模型能力的增强，我们也在加强安全体系，以便先进智能能够保持广泛可用，同时对最高风险的使用施加更严格的审查。对于 GPT‑5.6，我们构建了迄今为止最强大的安全系统，该系统根据每个模型的能力进行校准，并由比以往更多的算力驱动。 GPT‑5.6 模型在生物学和网络安全方面都比我们早期的模型更强大，但在这两个类别中都没有超过"临界"阈值。在网络安全方面，我们的测试表明，GPT‑5.6 更擅长发现和修复漏洞，而不是可靠地对加固目标进行自主的端到端攻击——这给了防御者在漏洞被利用之前加强系统的机会。在生物学方面，我们的测试表明，GPT‑5.6 可以支持合法研究，但不具备创造、设计或合成高度危险的新型威胁所需的端到端能力。 这两个领域本质上都是双重用途的。在网络安全领域，帮助攻击者利用漏洞的相同能力，也可以帮助防御者发现漏洞、复现漏洞并构建可靠的修复方案。因此，过度拦截本身也会带来安全风险。它可能阻止防御者测试系统和部署补丁，而恶意行为者则继续使用其他模型（包括能力日益增强的开源模型）以及成熟的工具。有效的安全措施会考虑请求的背景和可能后果，在保留合法防御工作的同时，对证据表明存在严重伤害风险的情况施加更强的控制。 GPT‑5.6 的安全措施是分层设计的，以提高准确性和冗余度，并设计为能够随着新攻击的出现而快速适应。训练到模型中的保护措施与实时检查、持续监控和账户级执行协同工作，即使在某个特定层未能按预期工作时，也能帮助系统保持安全。在许多系统中，仅靠分类器标志（用于判断内容是否安全的程序）来决定拦截什么，依赖更难更改的低智能模型来防止伤害。我们的方法增加了一个推理监控器，它会审查对话以确定是否存在潜在的伤害。这种设计旨在实现防御性工作，同时阻止严重的滥用，最敏感的能力通过"可信访问"保留给经过验证的用户。由于某些保护措施使用了测试时推理（模型在回答问题时进行思考），我们可以快速更新它们以弥补漏洞，而无需从头重新训练分类器。 随着我们继续加强系统以应对自适应攻击（不断变化策略的攻击方式），我们正在采取更保守的方法。与之前的模型相比，我们的 GPT‑5.6 Sol 网络安全措施拦截的潜在有害活动大约多出十倍。由于这些措施可能会给良性使用带来不便，我们在 ChatGPT 和 Codex 中提供了一个选项，可以轻松地在能力较低的模型上重试提示，我们将继续减少安全措施对良性使用的影响，同时保持高鲁棒性标准。这反映了我们的迭代部署方法：从保守开始，然后根据从实际使用中学到的经验进行改进。 在正式发布之前，我们进行了迄今为止最密集的安全评估，包括广泛的红队测试（模拟攻击来寻找漏洞）、与外部专家进行的能力和安全措施稳健性测试，以及大约 70 万 A100e GPU 小时的黑盒自动化红队测试。这使我们能够系统地探测可能的薄弱点，发现越狱攻击（绕过安全限制的方法），并帮助我们在发布前加强系统。 不存在完美的安全性，我们保护能力越来越强的模型的工作仍在继续。新的弱点会被发现，新的越狱方法也会出现，以绕过现有的安全措施。每一代新模型也会创造新的攻击和滥用途径。我们通过分层安全措施、持续监控、快速修复以及防御社区的协作来应对这一现实。对于 GPT‑5.6，我们将[现有的安全](https://bugcrowd.com/engagements/openai-safety)和[生物学漏洞赏金计划](https://openai.com/index/bio-bug-bounty/)与新的快速修复流程和我们迄今为止最强大的监控工作相结合。来自研究人员、监控和真实世界滥用的发现将不断反馈到新的评估和更强的安全措施中。 在[更新的 GPT‑5.6 系统卡⁠(在新窗口中打开)](https://deploymentsafety.openai.com/gpt-5-6)中阅读更多关于我们安全措施的信息。 ## 可用性和定价 GPT‑5.6 包含三个模型层级：Sol，我们的旗舰型号；Terra，一个成本较低、性能与 GPT‑5.5 相当的模型；以及 Luna，我们最快且最实惠的模型。数字标识代际，而 Sol、Terra 和 Luna 是持久的能力层级，可以按自己的节奏进步。 GPT‑5.6 从今天开始在 ChatGPT、Codex 和 OpenAI API 上可用。**全球发布现已开始，并将在未来 24 小时内逐步推进至全面可用。** * **聊天：** Plus、Pro、Business 和 Enterprise 用户可以通过中高努力设置访问 GPT‑5.6 Sol。Pro 和 Enterprise 用户还可以选择 GPT‑5.6 Sol Pro，以在复杂任务上获得最高质量的结果。 * **ChatGPT Work 和 Codex：** Free 和 Go 用户访问 GPT‑5.6 Terra。Plus、Pro、Business 和 Enterprise 用户可以在 GPT‑5.6 Sol、Terra 和 Luna 之间选择，并为每个模型设置努力级别。`max` 对所有在 ChatGPT Work 和 Codex 中有权访问 GPT‑5.6 的用户可用，可以在设置中开启。在 ChatGPT Work 中，`ultra` 对 Pro 和 Enterprise 用户可用。在 Codex 中，它对 Plus 及以上计划可用。 * **API：** 开发者可以通过 OpenAI API 访问 Sol、Terra 和 Luna。在 Responses API 中，程序化工具调用让 GPT‑5.6 可以在内存中编写和运行程序，协调工具并处理中间结果，使其兼容零数据保留（ZDR）。多智能体功能（最初以测试版提供）让 GPT‑5.6 可以运行并发的子智能体，并在单个请求中综合它们的工作。 GPT‑5.6 按每 100 万个 token 定价，分为三个模型大小：Sol 是 5 美元输入 / 30 美元输出；Terra 是 2.50 美元输入 / 15 美元输出；Luna 是 1 美元输入 / 6 美元输出。GPT‑5.6 还引入了更可预测的提示缓存（临时存储常用数据以加快速度），包括支持[显式缓存断点⁠(在新窗口中打开)](https://developers.openai.com/api/docs/guides/prompt-caching#prompt-cache-breakpoints)和 30 分钟的最小缓存生命周期。对于 GPT‑5.6 及以后的模型，缓存写入按模型未缓存输入费率的 1.25 倍计费，而缓存读取继续享受 90% 的缓存输入折扣。 ## ### 专业领域 | **评估** | **GPT‑5.6 Sol** | **GPT‑5.6 Terra** | **GPT‑5.6 Luna** | **GPT‑5.5** | **Claude Fable 5** | **Claude Opus 4.8** | **Gemini 3.1 Pro Preview** | **Gemini 3.5 Flash** | | ------------------------------------------- | ---------------- | ----------------- | ---------------- | ---------------- | ------------------ | ------------------- | -------------------------- | -------------------- | | Agents' Last Exam（智能体终极考试） | 52.7% | 50.4% | 50.3% | 46.9% | 40.5% | 45.2% | 32.1% | — | | GDPval-AA v2 | 1,747.8 Elo | 1,593 Elo | 1,591.8 Elo | 1,493.7 Elo | 1,759.6 Elo | 1,600.1 Elo | 962.3 Elo | 1,348.8 Elo | | Management Consulting Tasks (Internal)（管理咨询任务，内部） | 43.2% | 37.2% | 35.4% | 31.3% | 35.5% | 31.6% | 13.2% | — | | Big Finance Bench（大型金融基准） | 53% | 51% | 36% | 49% | — | 44% | — | — | | Artificial Analysis Intelligence Index v4.1（人工分析智能指数 v4.1） | 58.9 指数分 | 55 指数分 | 51.2 指数分 | 54.8 指数分 | 59.9 指数分 | 55.7 指数分 | 46.5 指数分 | 50.2 指数分 | ### 编码 | **评估** | **GPT‑5.6 Sol** | **GPT‑5.6 Sol Ultra** | **GPT‑5.6 Terra** | **GPT‑5.6 Luna** | **GPT‑5.5** | **Claude Mythos 5** | **Claude Mythos Preview** | **Claude Fable 5** | **Claude Opus 4.8** | **Gemini 3.1 Pro Preview** | | ------------------------------------------- | --------------- | --------------------- | ----------------- | ---------------- | ---------------- | ------------------- | ------------------------- | ------------------ | ------------------- | -------------------------- | | Artificial Analysis Coding Agent Index v1.1（人工分析编码智能体指数 v1.1） | 80 指数分 | — | 77.4 指数分 | 74.6 指数分 | 76.4 指数分 | — | — | 77.2 指数分 | 72.5 指数分 | 42.7 指数分 | | SWE-Bench Pro | 64.6% | — | 63.4% | 62.7% | 59.4% | 80.3% | 77.8% | 80% | 69.2% | 54.2% | | DeepSWE v1.1 | 72.7% | — | 69.6% | 67.2% | 67% | — | — | 69.7% | 59% | 11.8% | | Terminal-Bench 2.1 | 88.8% | 91.9% | 87.4% | 84.7% | 85.6% | 88% | — | 83.1% | 78.9% | 70.7% | ### 科学与健康 | **评估** | **GPT‑5.6 Sol** | **GPT‑5.6 Terra** | **GPT‑5.6 Luna** | **GPT‑5.5** | **Claude Fable 5** | **Claude Opus 4.8** | **Gemini 3.1 Pro Preview** | **Gemini 3.5 Flash** | | ------------------------- | --------------- | ----------------- | ---------------- | ----------- | ------------------ | ------------------- | -------------------------- | -------------------- | | GeneBench Pro（基因基准专业版） | 28.7% | 23.3% | 10.8% | 12% | — | 16% | 3.1% | 8.14% | | LifeSciBench（生命科学基准） | 59.9% | 56% | 51.2% | 50.4% | — | 53.6% | — | — | | MedChemBench (Internal)（药物化学基准，内部） | 48.3% | 35% | 30.4% | 35.5% | — | — | — | — | | HealthBench Professional⁶（健康基准专业版） | 60.5% | 57.7% | 55.7% | 49.5% | 60.9% | 53% | — | — | ### 计算机使用 | **评估** | **GPT‑5.6 Sol** | **GPT‑5.6 Sol Ultra** | **GPT‑5.6 Terra** | **GPT‑5.6 Luna** | **GPT‑5.5** | **Claude Mythos 5** | **Claude Mythos Preview** | **Claude Opus 4.8** | **Gemini 3.1 Pro Preview** | | ---------------------- | --------------- | --------------------- | ----------------- | ---------------- | ----------- | ------------------- | ------------------------- | ------------------- | -------------------------- | | OSWorld 2.0 | 62.6% | — | 50.2% | 45.6% | 47.5% | — | — | 54.8% | — | | BrowseComp（浏览竞赛） | 90.4% | 92.2% | 87.5% | 83.3% | 84.4% | 88% | 87.9% | 84.3% | 85.9% | | BenchCAD | 70.6% | — | 62.3% | 63.1% | 44.4% | 38.4% | 35.5% | 27.3% | — | | BenchCAD (python tool)（BenchCAD 使用 Python 工具） | 83.4% | — | 78.2% | 73.9% | 55.8% | 65% | 61% | 51.8% | — | ### 网络安全 | **评估** | **GPT‑5.6 Sol** | **GPT‑5.6 Sol Ultra** | **GPT‑5.6 Terra** | **GPT‑5.6 Luna** | **GPT‑5.5** | **Claude Mythos 5** | **Claude Mythos Preview** | **Claude Opus 4.8** | | --------------------------- | --------------- | --------------------- | ----------------- | ---------------- | ----------- | ------------------- | ------------------------- | ------------------- | | Capture-the-Flag Challenges（夺旗挑战） | 96.7% | — | 91.8% | 85.2% | 88.1% | — | — | — | | SEC-Bench Pro | 71.2% | 74.3% | 57.7% | 48.9% | 45.8% | — | — | — | | ExploitBench（漏洞利用基准） | 73.5% | — | 52.9% | 33.2% | 47.9% | 78% | 74.2% | 40% | | ExploitGym（漏洞利用训练场） | 33.7% | — | 23.2% | 12.4% | 15.1% | — | — | — | ### 自我改进 | **评估** | **GPT‑5.6 Sol** | **GPT‑5.6 Terra** | **GPT‑5.6 Luna** | **GPT‑5.5** | | -------------------------------------- | --------------- | ----------------- | ---------------- | ----------- | | Internal Research Debugging Evaluation（内部研究调试评估） | 68.3% | 67.8% | 50.8% | 50% | | KernelGen 1P（内核生成 1P） | 61.1% | 49.2% | 22.4% | 29.3% | | NanoGPT（微型 GPT） | 9.69% | 14.5% | 1.66% | 2.65% | | PostTrainBench Lite（后训练基准精简版） | 50.3% | 51.5% | 29.6% | 38.8% | | RSI Index（递归自我改进指数） | 57.9% | 56.3% | 41.9% | 41.7% | ### 多模态 | **评估** | **GPT‑5.6 Sol** | **GPT‑5.6 Terra** | **GPT‑5.6 Luna** | **GPT‑5.5** | **Claude Fable 5** | **Claude Opus 4.8** | **Gemini 3.1 Pro Preview** | | --------------------- | --------------- | ----------------- | ---------------- | ----------- | ------------------ | ------------------- | -------------------------- | | MMMU Pro (no tools)（多模态多任务理解专业版，无工具） | 83% | 80.7% | 78.4% | 81.2% | — | — | 80.5% | | MMMU Pro (with tools)（多模态多任务理解专业版，有工具） | 84.6% | 82% | 79.5% | 83.2% | — | — | — | | gdp.pdf | 30.7% | 24.7% | 22.7% | 26% | 29.8% | 22.5% | 16.7% | ### 学术 | **评估** | **GPT‑5.6 Sol** | **GPT‑5.6 Terra** | **GPT‑5.6 Luna** | **GPT‑5.5** | **Claude Mythos 5** | **Claude Mythos Preview** | **Claude Fable 5** | **Claude Opus 4.8** | **Gemini 3.1 Pro Preview** | | -------------------------- | --------------- | ----------------- | ---------------- | ----------- | ------------------- | ------------------------- | ------------------ | ------------------- | -------------------------- | | GPQA Diamond（研究生水平问答钻石级） | 94.6% | 92.9% | 92.3% | 93.6% | 94.1% | 94.6% | 92.6% | 92% | 94.3% | | FrontierMath Tier 1-3 (v2)（前沿数学 1-3 级，v2） | 89% | 84.9% | 78.6% | 85.3% | — | — | 87% | 80% | 59.6% | | FrontierMath Tier 4 (v2)（前沿数学 4 级，v2） | 83% | 68.3% | 58.5% | 72.5% | — | — | 87.8% | 56.1% | — | ### 工具使用 | **评估** | **GPT‑5.6 Sol** | **GPT‑5.6 Terra** | **GPT‑5.6 Luna** | **GPT‑5.5** | **Claude Mythos 5** | **Claude Mythos Preview** | **Claude Fable 5** | **Claude Opus 4.8** | **Gemini 3.1 Pro Preview** | **Gemini 3.5 Flash** | | --------------- | --------------- | ----------------- | ---------------- | ----------- | ------------------- | ------------------------- | ------------------ | ------------------- | -------------------------- | -------------------- | | AutomationBench（自动化基准） | 18.1% | 15.2% | 14.9% | 12.9% | — | — | 17.4% | 15.5% | — | 14.5% | | Toolathlon（工具全能赛） | 58% | 53.1% | 53.4% | 55.6% | 61.7% | 61.1% | 61.7% | 59.9% | 48.8% | — | ### 长上下文 | **评估** | **GPT‑5.6 Sol** | **GPT‑5.6 Terra** | **GPT‑5.6 Luna** | **GPT‑5.5** | **Claude Mythos 5** | **Claude Mythos Preview** | **Claude Opus 4.8** | | --------------------------------- | --------------- | ----------------- | ---------------- | ----------- | ------------------- | ------------------------- | ------------------- | | OpenAI MRCR v2 8-needle 256K-512K（OpenAI 多轮对话检索 v2 8 针 256K-512K） | 91.5% | 89.6% | 41.3% | 81.5% | — | — | — | | OpenAI MRCR v2 8-needle 512K-1M（OpenAI 多轮对话检索 v2 8 针 512K-1M） | 73.8% | 72.5% | 41.3% | 74% | — | — | — | | GraphWalks BFS 256k f1（图遍历广度优先搜索 256k f1） | 90.7% | 76.9% | 81.3% | 73.7% | 91.1% | 85.7% | 85.9% | | GraphWalks BFS 1mil f1（图遍历广度优先搜索 1百万 f1） | 77.1% | 71.2% | 51.2% | 45.4% | 79.4% | 74.3% | 68.1% | ### 抽象推理 | **评估** | **GPT‑5.6 Sol** | **GPT‑5.6 Terra** | **GPT‑5.6 Luna** | **GPT‑5.5** | **Claude Opus 4.8** | **Gemini 3.1 Pro Preview** | | ---------- | --------------- | ----------------- | ---------------- | ----------- | ------------------- | -------------------------- | | ARC-AGI-3⁷（抽象推理语料库-通用人工智能 3） | 7.78% | 0.8% | 0.18% | 0.43% | 1.5% | 0.42% | * [2026](https://openai.com/news/?tags=2026) ## 作者 OpenAI ## 脚注 1\. 网络安全能力是在减少安全措施的情况下评估的。用户可以加入 [OpenAI Daybreak 的可信网络安全访问计划⁠](https://openai.com/index/daybreak-securing-the-world/)，以获得对防御性网络安全能力的更多访问权限。 2\. 所有模型均使用 ExploitBench API 框架进行评估，采用 5 个随机种子和推理连续性。 3. 我们在 alpha API 上运行了 ExploitGym，该 API 的输出响应速度比我们的公共 API 更快，然后重新缩放以匹配我们的公共 API。当将延迟重新缩放到我们公共 API 的预期速度时，这会导致某些估计延迟超过两小时和六小时的时间限制，尽管在评估运行中这些限制被正确遵守。为了在时间敏感的工作中获得更快的速度，我们在 API 中提供优先处理，在 Codex 中提供快速模式。 4. 我们通过观察模型的生成行为并离线模拟来估计延迟和 API 成本。这些估计考虑了工具调用细节、采样 token 和输入 token。实际结果可能会有很大差异，并且取决于我们模拟中未捕获的许多因素。我们以快速 API 速度模拟延迟，以常规 API 定价模拟成本。 5. 没有报告输出 token、延迟或成本的模型绘制为水平虚线。 6. 对于多智能体，延迟源自根智能体，而输出 token 和 API 成本总计包括所有 token。Ultra 使用 4 个智能体运行。 7. 我们使用 HealthBench Professional 论文中描述的官方评分方法计算分数，这与 Anthropic 系统卡中报告的结果不可比。 8. Opus 4.8 的 ARC-AGI-3 是在高推理努力而非最大推理努力下运行的，因为这是唯一已发布的 ARC-AGI-3 结果。 ## 继续阅读 [查看全部](https://openai.com/news/) ![GPT-5.6 现在是 Microsoft 365 Copilot 中的首选模型 > 封面图片](https://images.ctfassets.net/kftzwdyauwt9/3MPipvFMxS8m3kTyCtwFgj/015747dcd34cb667a221688cfca64e0f/Frame.png?w=3840&q=90&fm=webp) [GPT-5.6 现在是 Microsoft 365 Copilot 中的首选模型产品 2026 年 7 月 9 日](https://openai.com/index/gpt-5-6-preferred-model-microsoft-365-copilot/) 您的浏览器不支持视频标签。 [ChatGPT 现在是你最具雄心工作的伙伴产品 2026 年 7 月 9 日](https://openai.com/index/chatgpt-for-your-most-ambitious-work/) ![艺术卡片 1 1](https://images.ctfassets.net/kftzwdyauwt9/4vJ1lSvYeKz0zM4RVCKwIC/855f7e54052d8a7635e4bf45adf41737/Art_Card_1_1.png?w=3840&q=90&fm=webp) [介绍 GPT-Live产品 2026 年 7 月 8 日](https://openai.com/index/introducing-gpt-live/) 研究 * [研究索引](https://openai.com/research/index/) * [研究概述](https://openai.com/research/) * [经济研究](https://openai.com/signals/) ## 最新进展 * [GPT-5.6](https://openai.com/index/gpt-5-6/)（OpenAI 最新的大语言模型） * [GPT-5.5](https://openai.com/index/introducing-gpt-5-5/) * [GPT-5.4](https://openai.com/index/introducing-gpt-5-4/) ## 安全 * [安全策略](https://openai.com/safety/)（OpenAI 如何确保 AI 安全） * [部署安全（在新窗口打开）](https://deploymentsafety.openai.com/) * [安全与隐私](https://openai.com/security-and-privacy/) * [信任与透明](https://openai.com/trust-and-transparency/) ## 产品 * [ChatGPT（在新窗口打开）](https://chatgpt.com/?openaicom-did=532b4860-9f46-4088-8673-0274370d8e08&openaicom%5Freferred=true)（OpenAI 的聊天机器人） * [ChatGPT Business（在新窗口打开）](https://chatgpt.com/business/?openaicom-did=532b4860-9f46-4088-8673-0274370d8e08&openaicom%5Freferred=true)（面向企业的 ChatGPT 版本） * [ChatGPT Enterprise（在新窗口打开）](https://chatgpt.com/business/enterprise/?openaicom-did=532b4860-9f46-4088-8673-0274370d8e08&openaicom%5Freferred=true)（面向大型企业的 ChatGPT 版本） * [ChatGPT for Education（在新窗口打开）](https://chatgpt.com/business/education/?openaicom-did=532b4860-9f46-4088-8673-0274370d8e08&openaicom%5Freferred=true)（面向教育机构的 ChatGPT 版本） * [Codex](https://openai.com/codex/)（OpenAI 的代码生成模型） * [发布说明](https://openai.com/products/release-notes/)（产品更新记录） ## API 平台 * [概览](https://openai.com/api/)（API 是什么：让开发者调用 OpenAI 模型的接口） * [API 登录（在新窗口打开）](https://platform.openai.com/login) * [文档（在新窗口打开）](https://developers.openai.com/api/docs)（使用指南） ## 商业 * [概览](https://openai.com/business/) * [解决方案](https://openai.com/solutions/)（针对不同行业的具体方案） * [资源](https://openai.com/business/learn/)（学习资料） * [客户案例](https://openai.com/business/customer-stories/) * [合作伙伴网络](https://openai.com/business/partners/) * [联系销售](https://openai.com/contact-sales/) ## 开发者 * [Apps SDK（在新窗口打开）](https://developers.openai.com/apps-sdk)（软件开发工具包，帮助开发者快速构建应用） * [开放模型](https://openai.com/open-models/)（OpenAI 公开的模型） * [文档（在新窗口打开）](https://developers.openai.com/) * [资源（在新窗口打开）](https://developers.openai.com/learn) * [开发者论坛（在新窗口打开）](https://community.openai.com/) ## 公司 * [关于我们](https://openai.com/about/) * [我们的章程](https://openai.com/charter/)（OpenAI 的使命和原则） * [招聘](https://openai.com/careers/) * [新闻](https://openai.com/news/) ## 支持 * [帮助中心（在新窗口打开）](https://help.openai.com/) ## 更多 * [故事](https://openai.com/stories/)（用户故事和案例） * [学院](https://openai.com/academy/)（学习资源） * [直播](https://openai.com/live/) * [播客](https://openai.com/podcast/) * [RSS](https://openai.com/news/rss.xml)（订阅新闻更新） ## 条款与政策 * [使用条款](https://openai.com/policies/terms-of-use/) * [隐私政策](https://openai.com/policies/privacy-policy/) * [其他政策](https://openai.com/policies/) [（在新窗口打开）](https://x.com/OpenAI)[（在新窗口打开）](https://www.youtube.com/OpenAI)[（在新窗口打开）](https://www.linkedin.com/company/openai)[（在新窗口打开）](https://github.com/openai)[（在新窗口打开）](https://www.instagram.com/openai/)[（在新窗口打开）](https://www.tiktok.com/@openai)[（在新窗口打开）](https://discord.gg/openai) OpenAI © 2015–2026 您的隐私选择 English 美国 ![](https://bat.bing.com/action/0?ti=187204252&Ver=2&mid=9efc8e97-cf65-4f28-9cf0-ee7442fff690&bo=1&sid=c12b97d07dc411f1a56a7d73675d37ba&vid=c12b8e207dc411f1931a392e9de8e1a3&vids=1&msclkid=N&pi=918639831&lg=en-US&sw=800&sh=600&sc=24&nwd=1&tl=GPT-5.6%3A%20Frontier%20intelligence%20that%20scales%20with%20your%20ambition%20%7C%20OpenAI&p=https%3A%2F%2Fopenai.com%2Findex%2Fgpt-5-6%2F&r=<=11948&evt=pageLoad&sv=2&cdb=AQAQ&rn=409975) --- 英文原文：[OpenAI Launches GPT-5.6: Scores Close In on Claude Fable 5 at Half the Cost, Merges ChatGPT and Codex](https://openai.com/index/gpt-5-6/)