OpenAI 发布 GPT-5.6 三款模型 Luna、Terra、Sol，性能与成本优势显著
OpenAI 推出 GPT-5.6 系列，包括 Luna、Terra、Sol 三款模型，主打长时 agent 任务性能，在 Agents' Last Exam 上超越 Claude Fable 5，且成本更低。本文详解定价、基准测试及对中文用户的实际影响。
一句话看懂
OpenAI 发布 GPT-5.6 三款模型（Luna、Terra、Sol），在长时 agent 任务上超越 Claude Fable 5，且成本更低，但 SWE-Bench Pro 编码测试落后。
详细发生了什么
OpenAI 于 2026 年 7 月 9 日正式发布 GPT-5.6 系列旗舰模型，包含三个尺寸：Luna（最小）、Terra（中等）、Sol（最大）。定价按每百万输入/输出 token 计算：Luna $1/$6，Terra $2.50/$15，Sol $5/$30。作为对比，Claude Opus 系列为 $5/$25，Claude Fable 5 为 $10/$50。但单纯比较 token 价格意义不大，因为不同模型在相同任务上使用的推理 token 数量差异很大。
OpenAI 重点宣传其长时 agent 性能。在 Agents’ Last Exam 基准测试中（评估 55 个领域的长时间专业工作流），GPT-5.6 Sol 以 53.6 分领先 Claude Fable 5（自适应推理）13.1 分。即使在中等推理设置下，Sol 也以约四分之一成本领先 Fable 5 11.4 分。更小的 Terra 和 Luna 模型则以约十六分之一成本超越 Fable 5。
有趣的是，在 SWE-Bench Pro 编码基准上，Fable 5 以 80% 碾压 GPT-5.6 Sol 的 64.6%。OpenAI 前一天专门发文指出该基准约 30% 的任务存在缺陷，建议谨慎解读结果。
中文圈视角
对中文用户而言，GPT-5.6 系列目前仍需通过 OpenAI API 访问，国内直接使用存在网络限制，但可通过合规的 API 代理或 Azure OpenAI 服务间接使用。国产模型如 DeepSeek、Kimi、智谱 GLM 等尚未在长时 agent 任务上达到同等水平，但差距正在缩小。
具体场景影响：
- 编程：SWE-Bench Pro 表现不如 Claude Fable 5，但 OpenAI 质疑该基准可靠性，实际编码能力需自行测试。
- 长时任务：如自动化报告生成、多步数据分析，GPT-5.6 的 agent 性能优势明显，适合需要长时间稳定推理的场景。
- 成本：Luna 和 Terra 的性价比极高，适合预算有限的个人开发者或中小企业。
监管方面：使用 OpenAI 模型需注意数据出境合规，涉及敏感数据时建议选择国内备案的模型或本地部署方案。目前中文圈对 GPT-5.6 的讨论较少，尤其是其 agent 性能的实际落地效果值得关注。
几条值得记住的细节
- GPT-5.6 三款模型定价：Luna $1/$6，Terra $2.50/$15，Sol $5/$30（每百万 token 输入/输出）。
- Agents’ Last Exam 上 Sol 得分 53.6，领先 Claude Fable 5 的 40.5 分（自适应推理）。
- SWE-Bench Pro 上 Fable 5 得分 80%，Sol 仅 64.6%，但 OpenAI 指出该基准约 30% 任务有缺陷。
- Terra 和 Luna 以约十六分之一成本超越 Fable 5 的 agent 性能。
- 作者早期体验 Sol 后评价“非常胜任”，但未提供具体细节。
一句话总结
GPT-5.6 系列在长时 agent 任务上性价比突出，但编码能力存疑，中文用户需权衡网络、合规和实际需求。