GPT-5.6：前沿智能，随你的雄心扩展
英文标题：GPT-5.6: Frontier intelligence that scales with your ambition
OpenAI 正式发布 GPT-5.6 系列模型，包括旗舰 Sol、均衡 Terra 和高效 Luna，在编程、知识工作、网络安全和科学领域创下多项新纪录，同时大幅降低使用成本。
本文目录
- 研究
- 产品
- 企业
- 开发者
- 公司
- 基金会（在新窗口打开）
- 研究
- 产品
- 企业
- 开发者
- 公司
- 基金会（在新窗口打开）
GPT-5.6：前沿智能，随你的雄心扩展 | OpenAI
2026年7月9日
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，按需提供更多能力，应对你最艰巨的工作。
收听文章 17:37
分享
默认高效，按需最高性能
00:0003:27
在有限预览之后，我们正式推出 GPT‑5.6 系列模型，面向大众开放。这个系列包括：我们的新旗舰 Sol，以及 Terra（一款适合日常工作的均衡模型）和 Luna（我们最具成本效益的模型）。
GPT‑5.6 Sol 在智能和效率两方面都树立了新标准。它在编程、知识工作、网络安全和科学领域都取得了最先进的成果，同时比之前的模型和竞品前沿模型使用更少的 token，且预估成本更低。结果是每美元性能更强：同样的花费能完成更多成功的工作，或者以更低的总成本获得类似的结果。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，它协调多个智能体（agent，能自主执行任务的 AI 程序）并行工作，以更快完成复杂任务。更强的计算机使用能力和设计判断力，使 GPT‑5.6 Sol 成为我们迄今为止最成熟的协作者，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 的目标是让每个 token 都能产出更多有用的工作。在 Agents’ Last Exam（在新窗口打开）（一项涵盖 55 个领域的长期专业工作流程评估）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，而预估成本仅为后者的四分之一左右。这种效率也延伸到了更小的模型，这对于让智能变得更丰富、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）（一项衡量智能的广泛指标，涵盖智能体工作、编程、科学推理和通用能力）上，GPT‑5.6 Sol 在最大推理模式下，得分仅比 Fable 5 低 1 分，但完成任务的时间减少了 61%，预估成本大约只有一半。
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）：跨专业领域的长期智能体工作流程。
GPT‑5.6 发布时搭载了我们迄今为止最强大的安全防护措施，旨在抵御有针对性且不断变化的滥用行为，同时不会广泛限制合法工作。在正式发布前，我们通过结合人类红队测试（red teaming，由专家模拟攻击来寻找漏洞）和大规模自动化测试，对模型和防护措施进行了我们最广泛的评估。在预览期间，我们与专家组织和值得信赖的合作伙伴密切合作，在更广泛发布前对防御措施进行了压力测试并加强了防护。由此产生的系统将训练到模型中的保护层与实时检查、监控以及根据信任和风险校准的访问权限结合在一起。
默认高效，按需最高性能
GPT‑5.6 Sol 是我们迄今为止最好的编程模型。在 Artificial Analysis Coding Agent Index 上，GPT‑5.6 Sol 在最大推理模式下以 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，耗时不到一半，成本大约低三分之一。这一优势贯穿整个系列：Terra 的表现略高于 Fable 5，而 Luna 则优于 Opus 4.8；每个模型都在大约三分之一的时间内完成，输出 token 数量约为一半，预估成本约为四分之一。它还在 Terminal‑Bench 2.1 和 DeepSWE 上创下了新的最先进成果，这两个测试评估的是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： 一个独立的编程智能体性能指数，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，并在工作推进过程中选择下一步行动。这使得工具密集型任务可以用更少的 token、更少的模型往返次数和更少的指导来推进。通过 Responses API 中的程序化工具调用（Programmatic Tool Calling）（在新窗口打开），开发者无需编写每一步脚本，也无需将每个工具响应都传回模型，它就能过滤大量中间数据，只保留重要信息，并在此过程中调整工作流程。
对于那些值得投入更多时间和计算资源的问题，GPT‑5.6 可以超越这种默认的高效模式。max 模式给 GPT‑5.6 比 xhigh 模式更多的时间来推理、探索替代方案、运行检查并修正其方法。ultra 模式则更进一步，默认协调四个智能体并行工作，以更高的 token 使用量换取更强的结果和在艰巨任务上更快的完成时间。下面的图表比较了 ultra 模式的默认四智能体设置与单智能体基线在 BrowseComp、SEC-Bench Pro 和 Terminal-Bench 2.1 上的表现；BrowseComp 和 SEC-Bench Pro 还展示了 16 智能体的配置。在所有三项评估中，增加并行智能体使得分-延迟曲线向左上方移动，即在更短时间内达到更强结果。在 API 中，开发者可以使用 Responses API 中的多智能体测试版来构建类似 ultra 的体验。
BrowseComp（多智能体）SEC-Bench Pro（多智能体）Terminal-Bench 2.1（多智能体）
1 / 11
“GPT‑5.6 是我们在 CursorBench 上测试过的最强模型之一，在早期评估中表现稳定。对于开发者来说，它在持久性、智能性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 是我们评估过的智能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，它在 F1 分数上击败了 GPT‑5.5，同时每个 PR 使用的 token 大约少了 3 倍，中位延迟大约降低了 2 倍。”
—Itamar Friedman，Qodo 联合创始人兼 CEO
“GPT‑5.6 Sol 真的非常非常好。它是我们迄今为止见过的最顽强的问题解决者，能连续数天保持专注并坚持完成任务。它在更新自定义智能体和根据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。许多运行在 GPT‑5.5 上的智能体，在 Terra 上以一半的成本和少 16% 的 token 就能达到同样的性能。”
—Simon Last，Notion 联合创始人
“对于生产级编程智能体来说，GPT‑5.6 是一款脱颖而出的顶级模型，它结合了强大的编程智能体性能和非常高的成本效益。”
—Scott Wu，Cognition 联合创始人兼 CEO
“GPT‑5.6 是金融研究智能体的重大进步。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，答案准确率提高了 3.6 分。通过程序化工具调用，它在保持质量的同时，输出 token 减少了 24%，完成任务速度提高了 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、发布产物，并在长时间会话中带着强大的上下文基础保持连贯。”
—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。在跨多阶段的 Codex 工作流程（研究、规划、然后分阶段实施）中，它比 GPT‑5.5 更好地遵循了我的意图，并且始终如一地生成准确的、带有链接的 GitHub 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保持专注，出色地使用工具，并且几乎不需要引导就能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地行动。”
—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 已经带来了足以改变产品经济效益的效率提升。在我们的综合评估套件中，它在法律研究和交易法用例中，使用 token 减少了 14%，同时质量得到了提升。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 为我们见过的复杂金融研究提供了最佳效率表现。在我们的评估中，它达到了顶级水平，同时 token 效率提高了 1.72 倍，在三个主要类别中领先，并在多跳任务上获得了 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、决策和自主性方面表现出显著改进。对子智能体使用的改进对于复杂的会计工作尤其有价值。对 OpenAI 智能体开发方向感到兴奋。”
—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 在设计判断力方面实现了阶跃式提升。只需给出高层方向，GPT‑5.6 就能创建出美观、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使其能够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——因此它能在交付工作之前发现视觉和功能问题，并进行最后的润色。
帆船游戏微小空洞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、交互式的解释和可视化内容。
交互式螺旋线交互式波干涉交互式 GPT tokenizer 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）中提取杂乱的信息，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多项评估中，这些评估涵盖了长期专业分析、浏览、工具使用和计算机使用。GPT‑5.6 Sol 在 BrowseComp 上以 92.2% 的得分创下新纪录，在 OSWorld 2.0 上以 62.6% 的得分创下新纪录；在 OSWorld 上，它超越了 Opus 4.8，同时使用的输出 token 减少了 85%。在这里，每美元性能的提升延伸到了整个 GPT‑5.6 系列。Luna 几乎以不到一半的预估成本达到了 GPT‑5.5 的峰值性能，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，该测试包含智能体浏览任务。
GPT‑5.6 Sol 提高了演示文稿、文档和电子表格的质量，生成的输出更加精美和准确。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，并具有出色的布局、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 可以推断出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 则更忠实地遵循了参考结构。
参考文件
GPT‑5.5 输出
GPT‑5.6 输出
GPT‑5.6 还能创建视觉上更精致的文档和电子表格。它能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非常重要。它能更精确地处理方程和财务模型，并更好地利用排版、间距、层次结构和页面或工作表布局。
股权研究文档杠杆收购模型
幻灯片不可用。
– / –
早期测试 GPT‑5.6 的客户看到了跨领域知识工作输出的改进。
1 / 9
“GPT‑5.6 在构建生产级应用背后的漫长复杂工作流程中非常高效。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，这都是一个显著的差异。”
—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%，同时生成了更精美、更易读的演示文稿，具有更清晰、更准确的数据可视化效果，在分享前需要的返工更少。”
—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，它获得了 4.4 分，而 GPT‑5.5 为 4.0 分，Claude 4.8 为 3.5 分，并且它始终能将复杂的电子商务、仪表盘和产品简报转化为跨桌面和移动端的完整、响应式界面。”
—AJ Orbach，Triple Whale CEO
“通过 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，与使用直接工具调用的同一模型相比，它使用的总 token 减少了 63.5%，模型轮次减少了 50.1%，同时产生了可比的视觉效果。这使得迭代游戏创作在规模化时更加实用。”
—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品模型更强，token 效率大约高出 1.6 倍，这在以 Canva 的规模生成和优化视觉作品时非常重要。”
—Danny Wu，Canva AI 产品负责人
“GPT‑5.6 标志着 Microsoft 365 中成果生成的一个进步。在我们的评估中，它在广泛的生产力场景中提供了强大的结果，生成的输出高度连贯、准确且立即可用。通过减少优化提示和迭代草稿所需的工作量，它帮助用户花更少的时间塑造内容，花更多的时间付诸行动。”
—Charles Lamanna，Microsoft Copilot、智能体和平台执行副总裁
“在 30 次真实的应用程序构建对话中，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期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 在法律工作流程方面是一个进步。在 Legora 的内部评估框架中，它在 7 项任务中有 5 项得到改进或保持稳定，在结构化起草和先例审查方面进步最大，同时在法律结论上保持适当的谨慎。”
—Jake Lauritzen，Legora CTO
“通过 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，以显著更少的 token 实现了前沿性能。在 ExploitBench2（衡量从访问易受攻击代码到任意代码执行的进展）上，它得分为 73.5%，而 GPT‑5.5 在可比的输出 token 预算下得分为 47.9%。在 ExploitGym3**（要求智能体将现实世界的漏洞转化为可用的利用代码）上，它在两小时限制下几乎将 GPT‑5.5 的最高通过率翻了一番，从 15.1% 提高到 24.9%；在六小时限制下，它达到了 33.7%。在 SEC-Bench Pro（测试复杂软件的概念验证生成）上，它得分为 71.2%，而 GPT‑5.5 在延迟改善的情况下得分为 45.8%。
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（blue teaming，模拟防御方来评估系统安全性）。OpenAI Daybreak 的 Trusted Access for Cyber 计划中的合格个人和组织，可以通过针对授权环境中经过验证的工作的更精确防护措施，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），组织可以申请为其团队申请。个人成员需要在 9 月 1 日之前启用带有硬件支持密钥（hardware-backed passkey，一种更安全的登录方式）的高级账户安全（Advanced Account Security）（在新窗口打开），才能保留对我们最具网络安全能力的前沿模型的访问权限；未启用的用户将恢复为默认访问权限。尚未拥有硬件支持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）。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 漏洞利用；GPT‑5.6 显示出比 GPT‑5.5 的巨大进步。未显示延迟图表，因为此基准测试的延迟估计不可靠。
GPT‑5.6 Sol 在科学研究方面也显示出广泛的进步。在生命科学评估中，GPT‑5.6 在真实世界生物学、生命科学研究工作流程和化学方面，表现出比 GPT‑5.5 的帕累托改进（Pareto improvement，在不损害其他方面的情况下至少改善一个方面）。
GeneBench ProLifeSciBenchMedChemBench
GeneBench Pro： 长期基因组学和定量生物学分析；GPT‑5.6 以更少的 token 和更少的时间获得更强的结果。Claude Fable 5 未包含在内，因为它不回答高级生物学问题，并且在此评估中拒绝回答大多数问题。
GPT‑5.6 加速 OpenAI
GPT‑5.6 是我们迄今为止加速 AI 研究的最强模型。在 OpenAI 内部，研究人员在开发循环的各个环节使用它：诊断故障、优化训练系统、运行实验和解释结果。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 数量是 GPT‑5.5 观察到的最高水平的两倍多。
这种工作方式正在迅速成为标准。在过去六个月中，用于内部编码推理的研究计算份额增长了 100 倍，而内部智能体 token 使用量增长了约 22 倍。这些采用指标本身并不衡量研究进展，但它们显示了 AI 辅助在研究以及销售、营销、用户运营、财务等其他团队中增长的速度。
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、优化内核和训练配方、运行机器学习实验以及改进另一个模型。
RSI 指数内部研究调试评估KernelGen 1PNanoGPT
聚合 RSI 能力： 在一组衡量递归自我改进（recursive self-improvement，AI 帮助改进自身的能力）进展的评估中，我们观察到 GPT‑5.6 Sol 比 GPT‑5.5 提高了 16.2 分，全面加速了内部研究。
随能力扩展安全与保障
随着模型能力的增强，我们加强了安全堆栈，以便先进的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调整，并由比以往更多的计算能力驱动。
GPT‑5.6 模型在生物学和网络安全方面的能力都比我们之前的模型更强，但在这两个领域都没有达到"临界"门槛。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（即已经加强防护的系统）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 可以支持合法的研究，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（即既可以用于好事，也可以用于坏事）。在网络安全中，那些能帮助攻击者利用漏洞的能力，同样也能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。它可能会阻止防御者测试系统和部署补丁，而恶意行为者却可以继续使用其他模型（包括能力越来越强的开源模型）以及已有的工具。有效的安全措施会考虑请求的上下文和可能产生的后果，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，并且能够随着新攻击手段的出现而快速调整。模型内置的保护措施与实时检查、持续监控和账户级别的强制执行协同工作，即使某一层保护没有按预期工作，也能帮助系统保持安全。在许多系统中，仅靠分类器（classifier，一种用于判断内容是否安全的程序）的标记来决定拦截什么，这些分类器通常依赖智能较低的模型，并且为了阻止伤害而难以更改。我们的方法增加了一个"推理监控器"（reasoning monitor），它会审查对话内容，判断是否存在潜在的伤害。这种设计旨在既能支持防御工作，又能阻止严重的滥用行为，同时通过"可信访问"（Trusted Access）机制，将最敏感的能力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"（test-time reasoning，即在模型运行时进行推理判断），我们可以快速更新它们来堵住漏洞，而无需从头重新训练分类器。
在我们继续加强系统以应对自适应攻击（adaptive attacks，即不断调整策略的攻击）的过程中，我们采取了更为保守的方法。与之前的模型相比，我们的 GPT‑5.6 Sol 网络安全保护措施拦截的潜在有害活动数量大约是之前的十倍。由于这些措施可能会给正常使用带来一些不便，我们在 ChatGPT 和 Codex 中提供了一个选项，让用户可以轻松地在能力较低的模型上重试提示词。我们将继续减少安全措施对正常使用的影响，同时保持较高的稳健性标准。这体现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"（red teaming，即模拟攻击来寻找漏洞）、与外部专家一起进行的能力和安全措施测试，以及大约 70 万 A100e GPU 小时的黑盒自动红队测试。这使我们能够系统地探测可能的薄弱点，发现越狱攻击（jailbreaks，即绕过安全限制的方法），并在发布前帮助我们加强系统。
不存在绝对的安全，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，新的绕过现有安全措施的越狱方法也会出现。每一代新模型也会带来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之间的协作来应对这一现实。对于 GPT‑5.6，我们将现有的安全漏洞赏金计划（在新窗口中打开）和生物学漏洞赏金计划与新的快速修复流程以及我们迄今为止最强大的监控工作相结合。来自研究人员、监控和实际滥用案例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）中了解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，我们的旗舰模型；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、最实惠的模型。数字代表代际，而 Sol、Terra 和 Luna 是稳定的能力层级，可以按照自己的节奏进行升级。
GPT‑5.6 从今天开始在 ChatGPT、Codex 和 OpenAI API 上可用。全球范围内的推出现已开始，并将在接下来的 24 小时内逐步实现全面可用。
- 聊天： Plus、Pro、Business 和 Enterprise 用户可以通过中等和更高的努力设置（effort settings）来访问 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 用户可以访问 GPT‑5.6 Terra。Plus、Pro、Business 和 Enterprise 用户可以在 GPT‑5.6 Sol、Terra 和 Luna 之间进行选择，并为每个模型设置努力级别。
max级别可供所有在 ChatGPT Work 和 Codex 中有权访问 GPT‑5.6 的用户使用，并可以在设置中开启。在 ChatGPT Work 中，ultra级别可供 Pro 和 Enterprise 用户使用。在 Codex 中，它可供 Plus 及更高计划的用户使用。 - 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（Programmatic Tool Calling）让 GPT‑5.6 能够在内存中编写和运行程序，以协调工具并处理中间结果，使其兼容零数据保留（ZDR，Zero Data Retention）。多智能体（Multi-agent）功能最初以测试版（beta）形式提供，允许 GPT‑5.6 运行并发子智能体，并在单个请求中综合它们的工作成果。
GPT‑5.6 按每 100 万个 token（tokens，语言模型处理的基本单位）定价，分为三种模型大小：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（prompt caching，一种加速重复请求的技术），包括支持显式缓存断点（在新窗口中打开）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价格的 1.25 倍计费，而缓存读取则继续享受 90% 的缓存输入折扣。
专业领域
| 评估项目 | 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 | 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) | 43.2% | 37.2% | 35.4% | 31.3% | 35.5% | 31.6% | 13.2% | — |
| Big Finance Bench | 53% | 51% | 36% | 49% | — | 44% | — | — |
| Artificial Analysis Intelligence Index v4.1 | 58.9 Index score | 55 Index score | 51.2 Index score | 54.8 Index score | 59.9 Index score | 55.7 Index score | 46.5 Index score | 50.2 Index score |
编程
| 评估项目 | 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 | 80 Index score | — | 77.4 Index score | 74.6 Index score | 76.4 Index score | — | — | 77.2 Index score | 72.5 Index score | 42.7 Index score |
| 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
| 评估项目 | 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 | 28.7% | 23.3% | 10.8% | 12% | — | 16% | 3.1% | 8.14% |
| LifeSciBench | 59.9% | 56% | 51.2% | 50.4% | — | 53.6% | — | — |
| MedChemBench (Internal) | 48.3% | 35% | 30.4% | 35.5% | — | — | — | — |
| HealthBench Professional⁶ | 60.5% | 57.7% | 55.7% | 49.5% | 60.9% | 53% | — | — |
计算机使用
| 评估项目 | 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 | 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) | 83.4% | — | 78.2% | 73.9% | 55.8% | 65% | 61% | 51.8% | — |
网络安全
| 评估项目 | 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 | 96.7% | — | 91.8% | 85.2% | 88.1% | — | — | — |
| SEC-Bench Pro | 71.2% | 74.3% | 57.7% | 48.9% | 45.8% | — | — | — |
| ExploitBench | 73.5% | — | 52.9% | 33.2% | 47.9% | 78% | 74.2% | 40% |
| ExploitGym | 33.7% | — | 23.2% | 12.4% | 15.1% | — | — | — |
自我改进
| 评估项目 | GPT‑5.6 Sol | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 |
|---|---|---|---|---|
| Internal Research Debugging Evaluation | 68.3% | 67.8% | 50.8% | 50% |
| KernelGen 1P | 61.1% | 49.2% | 22.4% | 29.3% |
| NanoGPT | 9.69% | 14.5% | 1.66% | 2.65% |
| PostTrainBench Lite | 50.3% | 51.5% | 29.6% | 38.8% |
| RSI Index | 57.9% | 56.3% | 41.9% | 41.7% |
多模态
| 评估项目 | 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) | 83% | 80.7% | 78.4% | 81.2% | — | — | 80.5% |
| MMMU Pro (with tools) | 84.6% | 82% | 79.5% | 83.2% | — | — | — |
| gdp.pdf | 30.7% | 24.7% | 22.7% | 26% | 29.8% | 22.5% | 16.7% |
学术
| 评估项目 | 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 | 94.6% | 92.9% | 92.3% | 93.6% | 94.1% | 94.6% | 92.6% | 92% | 94.3% |
| FrontierMath Tier 1-3 (v2) | 89% | 84.9% | 78.6% | 85.3% | — | — | 87% | 80% | 59.6% |
| FrontierMath Tier 4 (v2) | 83% | 68.3% | 58.5% | 72.5% | — | — | 87.8% | 56.1% | — |
工具使用
| 评估项目 | 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 | 18.1% | 15.2% | 14.9% | 12.9% | — | — | 17.4% | 15.5% | — | 14.5% |
| Toolathlon | 58% | 53.1% | 53.4% | 55.6% | 61.7% | 61.1% | 61.7% | 59.9% | 48.8% | — |
长上下文
| 评估项目 | 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 | 91.5% | 89.6% | 41.3% | 81.5% | — | — | — |
| OpenAI MRCR v2 8-needle 512K-1M | 73.8% | 72.5% | 41.3% | 74% | — | — | — |
| GraphWalks BFS 256k f1 | 90.7% | 76.9% | 81.3% | 73.7% | 91.1% | 85.7% | 85.9% |
| GraphWalks BFS 1mil f1 | 77.1% | 71.2% | 51.2% | 45.4% | 79.4% | 74.3% | 68.1% |
抽象推理
| 评估项目 | 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 | 7.78% | 0.8% | 0.18% | 0.43% | 1.5% | 0.42% |
作者
OpenAI
脚注
1. 网络能力的评估是在减少安全措施的情况下进行的。用户可以加入 OpenAI Daybreak 的网络安全可信访问计划，以获得对防御性网络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（seeds）和推理连续性（reasoning continuity）。
-
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，然后我们重新调整了结果以匹配我们的公共 API。当将延迟重新调整到我们公共 API 的预期速度时，这会导致某些估计的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了。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（priority processing），在 Codex 中提供快速模式（fast mode）。
-
我们通过观察模型的线上行为并进行离线模拟来估计延迟和 API 成本。这些估计考虑了工具调用的细节、采样的 token 和输入的 token。实际结果可能会有很大差异，并且取决于我们模拟中未包含的许多因素。我们以快速 API 速度模拟延迟，以常规 API 定价模拟成本。
-
没有报告输出 token、延迟或成本的模型以水平虚线绘制。
-
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。
-
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。
-
ARC-AGI-3 在 Opus 4.8 上以高推理努力而非最高推理努力运行，因为这是唯一已发布的 ARC-AGI-3 结果。
继续阅读
GPT-5.6 现在是 Microsoft 365 Copilot 中的首选模型产品 · 2026 年 7 月 9 日
您的浏览器不支持视频标签。
ChatGPT 现在是你最雄心勃勃工作的合作伙伴产品 · 2026 年 7 月 9 日
介绍 GPT-Live产品 · 2026 年 7 月 8 日
研究
最新进展
安全
产品
- ChatGPT（在新窗口中打开）
- ChatGPT Business（在新窗口中打开）
- ChatGPT Enterprise（在新窗口中打开）
- ChatGPT for Education（在新窗口中打开）
- Codex
- 发布说明
API 平台
商业
开发者
公司
支持
更多
条款与政策
(在新窗口中打开) (在新窗口中打开) (在新窗口中打开) (在新窗口中打开) (在新窗口中打开) (在新窗口中打开) (在新窗口中打开)
OpenAI © 2015–2026 您的隐私选择
English（英语） 美国
在页面中展开原始 Markdown
---
title: "GPT-5.6：前沿智能，随你的雄心扩展"
title_en: "GPT-5.6: Frontier intelligence that scales with your ambition"
source: "OpenAI"
source_url: "https://openai.com/index/gpt-5-6"
published_at: "2026-07-09T10:00:00.000Z"
language: "zh-CN"
topics: ["openai"]
tags: ["OpenAI","Product"]
review_status: "unreviewed"
---
# GPT-5.6：前沿智能，随你的雄心扩展
> OpenAI 正式发布 GPT-5.6 系列模型，包括旗舰 Sol、均衡 Terra 和高效 Luna，在编程、知识工作、网络安全和科学领域创下多项新纪录，同时大幅降低使用成本。
## 内容摘要
OpenAI 推出 GPT-5.6 系列模型，包含旗舰 Sol、均衡 Terra 和高效 Luna。Sol 在 Agents' Last Exam 等多项基准测试中超越竞品，同时使用更少 token 和更低成本。模型支持 ultra 多智能体模式以加速复杂任务，并搭载了迄今最强大的安全防护系统。GPT-5.6 在编程、知识工作、网络安全和科学研究方面均有显著提升，已面向 ChatGPT、Codex
## 为什么值得关注
GPT-5.6 在提升智能的同时大幅降低成本，使更多用户和企业能以更低价格获得前沿 AI 能力。其多智能体模式和更强的工具使用能力，将加速编程、科研、网络安全等领域的自动化，可能改变知识工作者的工作方式。
## 核心要点
- GPT-5.6 系列包括 Sol（旗舰）、Terra（均衡）和 Luna（高效）三个模型。
- Sol 在 Agents' Last Exam 等基准测试中创下新纪录，性能超越竞品。
- 引入 ultra 多智能体模式，可并行协调多个智能体加速复杂任务。
- 在编程、知识工作、网络安全和科学研究方面均有显著提升。
- 搭载分层安全系统，结合实时检查和推理监控器。
- 定价大幅降低，Sol 输入 5 美元/百万 token，输出 30 美元/百万 token。
[跳到主要内容](#main)
* [研究](https://openai.com/research/index/)
* 产品
* [企业](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=2108b92a-8db1-467b-9d25-1589ee1fbc73&openaicom%5Freferred=true)
* 研究
* 产品
* 企业
* 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，按需提供更多能力，应对你最艰巨的工作。
收听文章 17:37
分享
默认高效，按需最高性能
* [默认高效，按需最高性能](#efficient-by-default-maximum-performance-on-demand)
* [设计上的飞跃](#a-leap-forward-in-design)
* [端到端的知识工作](#end-to-end-knowledge-work)
* [推动网络安全和科学的前沿](#pushing-the-frontier-on-cyber-and-science)
* [GPT-5.6 加速 OpenAI](#gpt-56-accelerates-openai)
* [随能力扩展安全与保障](#scaling-safety-and-security-with-capability)
* [可用性与定价](#availability-and-pricing)
* [默认高效，按需最高性能](#efficient-by-default-maximum-performance-on-demand)
* [设计上的飞跃](#a-leap-forward-in-design)
* [端到端的知识工作](#end-to-end-knowledge-work)
* [推动网络安全和科学的前沿](#pushing-the-frontier-on-cyber-and-science)
* [GPT-5.6 加速 OpenAI](#gpt-56-accelerates-openai)
* [随能力扩展安全与保障](#scaling-safety-and-security-with-capability)
* [可用性与定价](#availability-and-pricing)
00:0003:27
在[有限预览](https://openai.com/index/previewing-gpt-5-6-sol/)之后，我们正式推出 GPT‑5.6 系列模型，面向大众开放。这个系列包括：我们的新旗舰 **Sol**，以及 **Terra**（一款适合日常工作的均衡模型）和 **Luna**（我们最具成本效益的模型）。
GPT‑5.6 Sol 在智能和效率两方面都树立了新标准。它在编程、知识工作、网络安全和科学领域都取得了最先进的成果，同时比之前的模型和竞品前沿模型使用更少的 token，且预估成本更低。结果是每美元性能更强：同样的花费能完成更多成功的工作，或者以更低的总成本获得类似的结果。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，它协调多个智能体（agent，能自主执行任务的 AI 程序）并行工作，以更快完成复杂任务。更强的计算机使用能力和设计判断力，使 GPT‑5.6 Sol 成为我们迄今为止最成熟的协作者，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 的目标是让每个 token 都能产出更多有用的工作。在 [**Agents’ Last Exam**（在新窗口打开）](https://agents-last-exam.org/)（一项涵盖 55 个领域的长期专业工作流程评估）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，而预估成本仅为后者的四分之一左右。这种效率也延伸到了更小的模型，这对于让智能变得更丰富、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)（一项衡量智能的广泛指标，涵盖智能体工作、编程、科学推理和通用能力）上，GPT‑5.6 Sol 在最大推理模式下，得分仅比 Fable 5 低 1 分，但完成任务的时间减少了 61%，预估成本大约只有一半。
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/)：跨专业领域的长期智能体工作流程。
GPT‑5.6 发布时搭载了我们迄今为止最强大的安全防护措施，旨在抵御有针对性且不断变化的滥用行为，同时不会广泛限制合法工作。在正式发布前，我们通过结合人类红队测试（red teaming，由专家模拟攻击来寻找漏洞）和大规模自动化测试，对模型和防护措施进行了我们最广泛的评估。在预览期间，我们与专家组织和值得信赖的合作伙伴密切合作，在更广泛发布前对防御措施进行了压力测试并加强了防护。由此产生的系统将训练到模型中的保护层与实时检查、监控以及根据信任和风险校准的访问权限结合在一起。
## 默认高效，按需最高性能
GPT‑5.6 Sol 是我们迄今为止最好的编程模型。在 **Artificial Analysis Coding Agent Index** 上，GPT‑5.6 Sol 在最大推理模式下以 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，耗时不到一半，成本大约低三分之一。这一优势贯穿整个系列：Terra 的表现略高于 Fable 5，而 Luna 则优于 Opus 4.8；每个模型都在大约三分之一的时间内完成，输出 token 数量约为一半，预估成本约为四分之一。它还在 Terminal‑Bench 2.1 和 DeepSWE 上创下了新的最先进成果，这两个测试评估的是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：_** 一个独立的编程智能体性能指数，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，并在工作推进过程中选择下一步行动。这使得工具密集型任务可以用更少的 token、更少的模型往返次数和更少的指导来推进。通过 [Responses API 中的程序化工具调用（Programmatic Tool Calling）（在新窗口打开）](https://developers.openai.com/api/docs/guides/tools-programmatic-tool-calling)，开发者无需编写每一步脚本，也无需将每个工具响应都传回模型，它就能过滤大量中间数据，只保留重要信息，并在此过程中调整工作流程。
对于那些值得投入更多时间和计算资源的问题，GPT‑5.6 可以超越这种默认的高效模式。`max` 模式给 GPT‑5.6 比 `xhigh` 模式更多的时间来推理、探索替代方案、运行检查并修正其方法。`ultra` 模式则更进一步，默认协调四个智能体并行工作，以更高的 token 使用量换取更强的结果和在艰巨任务上更快的完成时间。下面的图表比较了 ultra 模式的默认四智能体设置与单智能体基线在 BrowseComp、SEC-Bench Pro 和 Terminal-Bench 2.1 上的表现；BrowseComp 和 SEC-Bench Pro 还展示了 16 智能体的配置。在所有三项评估中，增加并行智能体使得分-延迟曲线向左上方移动，即在更短时间内达到更强结果。在 API 中，开发者可以使用 Responses API 中的多智能体测试版来构建类似 ultra 的体验。
BrowseComp（多智能体）SEC-Bench Pro（多智能体）Terminal-Bench 2.1（多智能体）
1 / 11
> “GPT‑5.6 是我们在 CursorBench 上测试过的最强模型之一，在早期评估中表现稳定。对于开发者来说，它在持久性、智能性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 是我们评估过的智能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，它在 F1 分数上击败了 GPT‑5.5，同时每个 PR 使用的 token 大约少了 3 倍，中位延迟大约降低了 2 倍。”
—Itamar Friedman，Qodo 联合创始人兼 CEO
> “GPT‑5.6 Sol 真的非常非常好。它是我们迄今为止见过的最顽强的问题解决者，能连续数天保持专注并坚持完成任务。它在更新自定义智能体和根据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。许多运行在 GPT‑5.5 上的智能体，在 Terra 上以一半的成本和少 16% 的 token 就能达到同样的性能。”
—Simon Last，Notion 联合创始人
> “对于生产级编程智能体来说，GPT‑5.6 是一款脱颖而出的顶级模型，它结合了强大的编程智能体性能和非常高的成本效益。”
—Scott Wu，Cognition 联合创始人兼 CEO
> “GPT‑5.6 是金融研究智能体的重大进步。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，答案准确率提高了 3.6 分。通过程序化工具调用，它在保持质量的同时，输出 token 减少了 24%，完成任务速度提高了 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、发布产物，并在长时间会话中带着强大的上下文基础保持连贯。”
—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。在跨多阶段的 Codex 工作流程（研究、规划、然后分阶段实施）中，它比 GPT‑5.5 更好地遵循了我的意图，并且始终如一地生成准确的、带有链接的 GitHub 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保持专注，出色地使用工具，并且几乎不需要引导就能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地行动。”
—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 已经带来了足以改变产品经济效益的效率提升。在我们的综合评估套件中，它在法律研究和交易法用例中，使用 token 减少了 14%，同时质量得到了提升。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 为我们见过的复杂金融研究提供了最佳效率表现。在我们的评估中，它达到了顶级水平，同时 token 效率提高了 1.72 倍，在三个主要类别中领先，并在多跳任务上获得了 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、决策和自主性方面表现出显著改进。对子智能体使用的改进对于复杂的会计工作尤其有价值。对 OpenAI 智能体开发方向感到兴奋。”
—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 在设计判断力方面实现了阶跃式提升。只需给出高层方向，GPT‑5.6 就能创建出美观、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使其能够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——因此它能在交付工作之前发现视觉和功能问题，并进行最后的润色。
帆船游戏微小空洞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、交互式的解释和可视化内容。
交互式螺旋线交互式波干涉交互式 GPT tokenizer 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）中提取杂乱的信息，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多项评估中，这些评估涵盖了长期专业分析、浏览、工具使用和计算机使用。GPT‑5.6 Sol 在 **BrowseComp** 上以 92.2% 的得分创下新纪录，在 **OSWorld 2.0** 上以 62.6% 的得分创下新纪录；在 OSWorld 上，它超越了 Opus 4.8，同时使用的输出 token 减少了 85%。在这里，每美元性能的提升延伸到了整个 GPT‑5.6 系列。Luna 几乎以不到一半的预估成本达到了 GPT‑5.5 的峰值性能，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，该测试包含智能体浏览任务。
**GPT‑5.6 Sol 提高了演示文稿、文档和电子表格的质量**，生成的输出更加精美和准确。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，并具有出色的布局、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 可以推断出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 则更忠实地遵循了参考结构。
##### 参考文件
##### GPT‑5.5 输出
##### GPT‑5.6 输出
##
GPT‑5.6 还能创建视觉上更精致的文档和电子表格。它能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非常重要。它能更精确地处理方程和财务模型，并更好地利用排版、间距、层次结构和页面或工作表布局。
股权研究文档杠杆收购模型
幻灯片不可用。
– / –
早期测试 GPT‑5.6 的客户看到了跨领域知识工作输出的改进。
1 / 9
> “GPT‑5.6 在构建生产级应用背后的漫长复杂工作流程中非常高效。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，这都是一个显著的差异。”
—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%，同时生成了更精美、更易读的演示文稿，具有更清晰、更准确的数据可视化效果，在分享前需要的返工更少。”
—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，它获得了 4.4 分，而 GPT‑5.5 为 4.0 分，Claude 4.8 为 3.5 分，并且它始终能将复杂的电子商务、仪表盘和产品简报转化为跨桌面和移动端的完整、响应式界面。”
—AJ Orbach，Triple Whale CEO
> “通过 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，与使用直接工具调用的同一模型相比，它使用的总 token 减少了 63.5%，模型轮次减少了 50.1%，同时产生了可比的视觉效果。这使得迭代游戏创作在规模化时更加实用。”
—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品模型更强，token 效率大约高出 1.6 倍，这在以 Canva 的规模生成和优化视觉作品时非常重要。”
—Danny Wu，Canva AI 产品负责人
> “GPT‑5.6 标志着 Microsoft 365 中成果生成的一个进步。在我们的评估中，它在广泛的生产力场景中提供了强大的结果，生成的输出高度连贯、准确且立即可用。通过减少优化提示和迭代草稿所需的工作量，它帮助用户花更少的时间塑造内容，花更多的时间付诸行动。”
—Charles Lamanna，Microsoft Copilot、智能体和平台执行副总裁
> “在 30 次真实的应用程序构建对话中，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期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 在法律工作流程方面是一个进步。在 Legora 的内部评估框架中，它在 7 项任务中有 5 项得到改进或保持稳定，在结构化起草和先例审查方面进步最大，同时在法律结论上保持适当的谨慎。”
—Jake Lauritzen，Legora CTO
> “通过 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，以显著更少的 token 实现了前沿性能。在 **ExploitBench**2（衡量从访问易受攻击代码到任意代码执行的进展）上，它得分为 73.5%，而 GPT‑5.5 在可比的输出 token 预算下得分为 47.9%。在 **ExploitGym**3**（要求智能体将现实世界的漏洞转化为可用的利用代码）上，它在两小时限制下几乎将 GPT‑5.5 的最高通过率翻了一番，从 15.1% 提高到 24.9%；在六小时限制下，它达到了 33.7%。在 **SEC-Bench Pro**（测试复杂软件的概念验证生成）上，它得分为 71.2%，而 GPT‑5.5 在延迟改善的情况下得分为 45.8%。
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（blue teaming，模拟防御方来评估系统安全性）。[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，可以通过针对授权环境中经过验证的工作的更精确防护措施，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=2108b92a-8db1-467b-9d25-1589ee1fbc73&openaicom%5Freferred=true)，组织可以[申请](https://openai.com/form/enterprise-trusted-access-for-cyber/)为其团队申请。个人成员需要在 9 月 1 日之前启用带有硬件支持密钥（hardware-backed passkey，一种更安全的登录方式）的[高级账户安全（Advanced Account Security）（在新窗口打开）](https://chatgpt.com/advanced-account-security?openaicom%5Freferred=true&openaicom-did=2108b92a-8db1-467b-9d25-1589ee1fbc73&openaicom%5Freferred=true)，才能保留对我们最具网络安全能力的前沿模型的访问权限；未启用的用户将恢复为默认访问权限。尚未拥有硬件支持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=2108b92a-8db1-467b-9d25-1589ee1fbc73&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 漏洞利用；GPT‑5.6 显示出比 GPT‑5.5 的巨大进步。未显示延迟图表，因为此基准测试的延迟估计不可靠。
GPT‑5.6 Sol 在**科学研究**方面也显示出广泛的进步。在生命科学评估中，GPT‑5.6 在真实世界生物学、生命科学研究工作流程和化学方面，表现出比 GPT‑5.5 的帕累托改进（Pareto improvement，在不损害其他方面的情况下至少改善一个方面）。
GeneBench ProLifeSciBenchMedChemBench
[**_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 以更少的 token 和更少的时间获得更强的结果。Claude Fable 5 未包含在内，因为它[不回答](https://www.anthropic.com/news/claude-fable-5-mythos-5)高级生物学问题，并且在此评估中拒绝回答大多数问题。
## GPT‑5.6 加速 OpenAI
GPT‑5.6 是我们迄今为止加速 AI 研究的最强模型。在 OpenAI 内部，研究人员在开发循环的各个环节使用它：诊断故障、优化训练系统、运行实验和解释结果。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 数量是 GPT‑5.5 观察到的最高水平的两倍多。
这种工作方式正在迅速成为标准。在过去六个月中，用于内部编码推理的研究计算份额增长了 100 倍，而内部智能体 token 使用量增长了约 22 倍。这些采用指标本身并不衡量研究进展，但它们显示了 AI 辅助在研究以及销售、营销、用户运营、财务等其他团队中增长的速度。
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、优化内核和训练配方、运行机器学习实验以及改进另一个模型。
RSI 指数内部研究调试评估KernelGen 1PNanoGPT
_**聚合 RSI 能力：**_ 在一组衡量递归自我改进（recursive self-improvement，AI 帮助改进自身的能力）进展的评估中，我们观察到 GPT‑5.6 Sol 比 GPT‑5.5 提高了 16.2 分，全面加速了内部研究。
## 随能力扩展安全与保障
随着模型能力的增强，我们加强了安全堆栈，以便先进的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调整，并由比以往更多的计算能力驱动。
GPT‑5.6 模型在生物学和网络安全方面的能力都比我们之前的模型更强，但在这两个领域都没有达到"临界"门槛。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（即已经加强防护的系统）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 可以支持合法的研究，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（即既可以用于好事，也可以用于坏事）。在网络安全中，那些能帮助攻击者利用漏洞的能力，同样也能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。它可能会阻止防御者测试系统和部署补丁，而恶意行为者却可以继续使用其他模型（包括能力越来越强的开源模型）以及已有的工具。有效的安全措施会考虑请求的上下文和可能产生的后果，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，并且能够随着新攻击手段的出现而快速调整。模型内置的保护措施与实时检查、持续监控和账户级别的强制执行协同工作，即使某一层保护没有按预期工作，也能帮助系统保持安全。在许多系统中，仅靠分类器（classifier，一种用于判断内容是否安全的程序）的标记来决定拦截什么，这些分类器通常依赖智能较低的模型，并且为了阻止伤害而难以更改。我们的方法增加了一个"推理监控器"（reasoning monitor），它会审查对话内容，判断是否存在潜在的伤害。这种设计旨在既能支持防御工作，又能阻止严重的滥用行为，同时通过"可信访问"（Trusted Access）机制，将最敏感的能力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"（test-time reasoning，即在模型运行时进行推理判断），我们可以快速更新它们来堵住漏洞，而无需从头重新训练分类器。
在我们继续加强系统以应对自适应攻击（adaptive attacks，即不断调整策略的攻击）的过程中，我们采取了更为保守的方法。与之前的模型相比，我们的 GPT‑5.6 Sol 网络安全保护措施拦截的潜在有害活动数量大约是之前的十倍。由于这些措施可能会给正常使用带来一些不便，我们在 ChatGPT 和 Codex 中提供了一个选项，让用户可以轻松地在能力较低的模型上重试提示词。我们将继续减少安全措施对正常使用的影响，同时保持较高的稳健性标准。这体现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"（red teaming，即模拟攻击来寻找漏洞）、与外部专家一起进行的能力和安全措施测试，以及大约 70 万 A100e GPU 小时的黑盒自动红队测试。这使我们能够系统地探测可能的薄弱点，发现越狱攻击（jailbreaks，即绕过安全限制的方法），并在发布前帮助我们加强系统。
不存在绝对的安全，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，新的绕过现有安全措施的越狱方法也会出现。每一代新模型也会带来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之间的协作来应对这一现实。对于 GPT‑5.6，我们将现有的[安全漏洞赏金计划（在新窗口中打开）](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以及我们迄今为止最强大的监控工作相结合。来自研究人员、监控和实际滥用案例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)中了解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，我们的旗舰模型；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、最实惠的模型。数字代表代际，而 Sol、Terra 和 Luna 是稳定的能力层级，可以按照自己的节奏进行升级。
GPT‑5.6 从今天开始在 ChatGPT、Codex 和 OpenAI API 上可用。**全球范围内的推出现已开始，并将在接下来的 24 小时内逐步实现全面可用。**
* **聊天：** Plus、Pro、Business 和 Enterprise 用户可以通过中等和更高的努力设置（effort settings）来访问 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 用户可以访问 GPT‑5.6 Terra。Plus、Pro、Business 和 Enterprise 用户可以在 GPT‑5.6 Sol、Terra 和 Luna 之间进行选择，并为每个模型设置努力级别。`max` 级别可供所有在 ChatGPT Work 和 Codex 中有权访问 GPT‑5.6 的用户使用，并可以在设置中开启。在 ChatGPT Work 中，`ultra` 级别可供 Pro 和 Enterprise 用户使用。在 Codex 中，它可供 Plus 及更高计划的用户使用。
* **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（Programmatic Tool Calling）让 GPT‑5.6 能够在内存中编写和运行程序，以协调工具并处理中间结果，使其兼容零数据保留（ZDR，Zero Data Retention）。多智能体（Multi-agent）功能最初以测试版（beta）形式提供，允许 GPT‑5.6 运行并发子智能体，并在单个请求中综合它们的工作成果。
GPT‑5.6 按每 100 万个 token（tokens，语言模型处理的基本单位）定价，分为三种模型大小：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（prompt caching，一种加速重复请求的技术），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价格的 1.25 倍计费，而缓存读取则继续享受 90% 的缓存输入折扣。
##
### 专业领域
| **评估项目** | **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 | 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) | 43.2% | 37.2% | 35.4% | 31.3% | 35.5% | 31.6% | 13.2% | — |
| Big Finance Bench | 53% | 51% | 36% | 49% | — | 44% | — | — |
| Artificial Analysis Intelligence Index v4.1 | 58.9 Index score | 55 Index score | 51.2 Index score | 54.8 Index score | 59.9 Index score | 55.7 Index score | 46.5 Index score | 50.2 Index score |
### 编程
| **评估项目** | **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 | 80 Index score | — | 77.4 Index score | 74.6 Index score | 76.4 Index score | — | — | 77.2 Index score | 72.5 Index score | 42.7 Index score |
| 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
| **评估项目** | **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 | 28.7% | 23.3% | 10.8% | 12% | — | 16% | 3.1% | 8.14% |
| LifeSciBench | 59.9% | 56% | 51.2% | 50.4% | — | 53.6% | — | — |
| MedChemBench (Internal) | 48.3% | 35% | 30.4% | 35.5% | — | — | — | — |
| HealthBench Professional⁶ | 60.5% | 57.7% | 55.7% | 49.5% | 60.9% | 53% | — | — |
### 计算机使用
| **评估项目** | **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 | 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) | 83.4% | — | 78.2% | 73.9% | 55.8% | 65% | 61% | 51.8% | — |
### 网络安全
| **评估项目** | **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 | 96.7% | — | 91.8% | 85.2% | 88.1% | — | — | — |
| SEC-Bench Pro | 71.2% | 74.3% | 57.7% | 48.9% | 45.8% | — | — | — |
| ExploitBench | 73.5% | — | 52.9% | 33.2% | 47.9% | 78% | 74.2% | 40% |
| ExploitGym | 33.7% | — | 23.2% | 12.4% | 15.1% | — | — | — |
### 自我改进
| **评估项目** | **GPT‑5.6 Sol** | **GPT‑5.6 Terra** | **GPT‑5.6 Luna** | **GPT‑5.5** |
| -------------------------------------- | --------------- | ----------------- | ---------------- | ----------- |
| Internal Research Debugging Evaluation | 68.3% | 67.8% | 50.8% | 50% |
| KernelGen 1P | 61.1% | 49.2% | 22.4% | 29.3% |
| NanoGPT | 9.69% | 14.5% | 1.66% | 2.65% |
| PostTrainBench Lite | 50.3% | 51.5% | 29.6% | 38.8% |
| RSI Index | 57.9% | 56.3% | 41.9% | 41.7% |
### 多模态
| **评估项目** | **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) | 83% | 80.7% | 78.4% | 81.2% | — | — | 80.5% |
| MMMU Pro (with tools) | 84.6% | 82% | 79.5% | 83.2% | — | — | — |
| gdp.pdf | 30.7% | 24.7% | 22.7% | 26% | 29.8% | 22.5% | 16.7% |
### 学术
| **评估项目** | **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 | 94.6% | 92.9% | 92.3% | 93.6% | 94.1% | 94.6% | 92.6% | 92% | 94.3% |
| FrontierMath Tier 1-3 (v2) | 89% | 84.9% | 78.6% | 85.3% | — | — | 87% | 80% | 59.6% |
| FrontierMath Tier 4 (v2) | 83% | 68.3% | 58.5% | 72.5% | — | — | 87.8% | 56.1% | — |
### 工具使用
| **评估项目** | **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 | 18.1% | 15.2% | 14.9% | 12.9% | — | — | 17.4% | 15.5% | — | 14.5% |
| Toolathlon | 58% | 53.1% | 53.4% | 55.6% | 61.7% | 61.1% | 61.7% | 59.9% | 48.8% | — |
### 长上下文
| **评估项目** | **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 | 91.5% | 89.6% | 41.3% | 81.5% | — | — | — |
| OpenAI MRCR v2 8-needle 512K-1M | 73.8% | 72.5% | 41.3% | 74% | — | — | — |
| GraphWalks BFS 256k f1 | 90.7% | 76.9% | 81.3% | 73.7% | 91.1% | 85.7% | 85.9% |
| GraphWalks BFS 1mil f1 | 77.1% | 71.2% | 51.2% | 45.4% | 79.4% | 74.3% | 68.1% |
### 抽象推理
| **评估项目** | **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 | 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\. 网络能力的评估是在减少安全措施的情况下进行的。用户可以加入 [OpenAI Daybreak 的网络安全可信访问计划](https://openai.com/index/daybreak-securing-the-world/)，以获得对防御性网络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（seeds）和推理连续性（reasoning continuity）。
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，然后我们重新调整了结果以匹配我们的公共 API。当将延迟重新调整到我们公共 API 的预期速度时，这会导致某些估计的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了。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（priority processing），在 Codex 中提供快速模式（fast mode）。
4. 我们通过观察模型的线上行为并进行离线模拟来估计延迟和 API 成本。这些估计考虑了工具调用的细节、采样的 token 和输入的 token。实际结果可能会有很大差异，并且取决于我们模拟中未包含的许多因素。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、延迟或成本的模型以水平虚线绘制。
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. ARC-AGI-3 在 Opus 4.8 上以高推理努力而非最高推理努力运行，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 现在是你最雄心勃勃工作的合作伙伴产品 · 2026 年 7 月 9 日](https://openai.com/index/chatgpt-for-your-most-ambitious-work/)
[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/)
* [研究概览](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/)
* [GPT-5.5](https://openai.com/index/introducing-gpt-5-5/)
* [GPT-5.4](https://openai.com/index/introducing-gpt-5-4/)
安全
* [安全方法](https://openai.com/safety/)
* [部署安全（在新窗口中打开）](https://deploymentsafety.openai.com/)
* [安全与隐私](https://openai.com/security-and-privacy/)
* [信任与透明度](https://openai.com/trust-and-transparency/)
产品
* [ChatGPT（在新窗口中打开）](https://chatgpt.com/?openaicom-did=2108b92a-8db1-467b-9d25-1589ee1fbc73&openaicom%5Freferred=true)
* [ChatGPT Business（在新窗口中打开）](https://chatgpt.com/business/?openaicom-did=2108b92a-8db1-467b-9d25-1589ee1fbc73&openaicom%5Freferred=true)
* [ChatGPT Enterprise（在新窗口中打开）](https://chatgpt.com/business/enterprise/?openaicom-did=2108b92a-8db1-467b-9d25-1589ee1fbc73&openaicom%5Freferred=true)
* [ChatGPT for Education（在新窗口中打开）](https://chatgpt.com/business/education/?openaicom-did=2108b92a-8db1-467b-9d25-1589ee1fbc73&openaicom%5Freferred=true)
* [Codex](https://openai.com/codex/)
* [发布说明](https://openai.com/products/release-notes/)
API 平台
* [概览](https://openai.com/api/)
* [API 登录（在新窗口中打开）](https://platform.openai.com/login)
* [文档（在新窗口中打开）](https://developers.openai.com/api/docs)
商业
* [概览](https://openai.com/business/)
* [解决方案](https://openai.com/solutions/)
* [资源](https://openai.com/business/learn/)
* [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（在新窗口中打开）](https://developers.openai.com/apps-sdk)
* [开放模型](https://openai.com/open-models/)
* [文档（在新窗口中打开）](https://developers.openai.com/)
* [资源（在新窗口中打开）](https://developers.openai.com/learn)
* [开发者论坛（在新窗口中打开）](https://community.openai.com/)
公司
* [关于我们](https://openai.com/about/)
* [我们的章程](https://openai.com/charter/)
* [招聘](https://openai.com/careers/)
* [新闻](https://openai.com/news/)
支持
* [帮助中心（在新窗口中打开）](https://help.openai.com/)
更多
* [故事](https://openai.com/stories/)
* [学院](https://openai.com/academy/)
* [直播](https://openai.com/live/)
* [播客](https://openai.com/podcast/)
* [RSS](https://openai.com/news/rss.xml)
## 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/)
[(在新窗口中打开)](https://x.com/OpenAI) [(在新窗口中打开)](https://www.youtube.com/OpenAI) [(在新窗口中打开)](https://www.linkedin.com/company/openai) [(在新窗口中打开)](https://github.com/openai) [(在新窗口中打开)](https://www.instagram.com/openai/) [(在新窗口中打开)](https://www.tiktok.com/@openai) [(在新窗口中打开)](https://discord.gg/openai)
OpenAI © 2015–2026 您的隐私选择
English（英语） 美国
---
英文原文：[GPT-5.6: Frontier intelligence that scales with your ambition](https://openai.com/index/gpt-5-6)