GPT-5.6评测：Sol、Terra、Luna 怎么选，路由规则是什么

这篇 GPT-5.6评测的结论很明确：值得采用，但不该把其中一个模型设成所有任务的默认项。Sol、Terra 和 Luna 都提供 1.05M token 上下文窗口，每百万输入/输出 token 的价格分别为 $5/$30、$2.50/$15 和 $1/$6；但在 OpenAI 的 512K 到 1M 检索评测中，Luna 只有 41.3，Sol 和 Terra 则分别保持在 73.8 和 72.5。路由规则并不复杂：短上下文、大吞吐量任务交给 Luna；追求长上下文性价比时选 Terra；需要高难度判断和智能体执行能力时用 Sol。

OpenAI 的 GPT-5.6 于 2026 年 7 月 9 日在 ChatGPT、Codex 和 API 中全面开放。这一系列不再让一个旗舰模型包办所有场景，而是把选择拆成三类工作负载。

GPT-5.6评测结论：一张表看懂三个模型

GPT-5.6 应该按三条路线部署，而不是只设一个默认模型。档位名称体现的是能力差异，真正决定该调用哪个端点的，却是上下文长度和出错成本。

三者都支持文本和图像输入、文本输出，拥有 1,050,000 token 上下文窗口，最多可生成 128,000 个输出 token。同一份 OpenAI 模型文档建议：复杂推理和编程用 Sol，兼顾智能与成本用 Terra，成本敏感的大批量任务用 Luna。

看似整齐的档位递进，掩盖了实际差距。在 OpenAI 的 512K 到 1M 多针检索评测中——它测试模型能否从超长输入里找出分散的多条事实——Sol 得分 73.8，Terra 为 72.5，Luna 只有 41.3。Terra 仅比 Sol 低 1.3 分，而 Luna 落后 31.2 分。上下文窗口只说明一次请求能装下多少内容，并不代表模型能可靠地用好这些内容。

GPT-5.6 相比 GPT-5.5 改了什么

GPT-5.6 对运行方式的改变，大于对价目表的改变。Sol 与 GPT-5.5 同价，每百万 token 的输入和输出分别为 $5 和 $30；Terra 与 Luna 则在其下方提供了两条成本更低的路线。

这些名称会长期保留。Sol 是旗舰档，Terra 大致接替过去的 mini 定位，Luna 则大致接替 nano。API 中不带后缀的别名 gpt-5.6 会路由到 Sol，因此使用这个短模型名，就等于悄悄选择了最贵的档位。需要自行控制路由的开发者，应明确调用 gpt-5.6-sol、gpt-5.6-terra 或 gpt-5.6-luna。

三款模型覆盖的能力很广。它们都通过 Responses API 支持流式输出、函数调用、结构化输出、网页搜索、文件搜索、独立的图像生成工具、代码解释器、托管 shell、apply patch、skills、计算机操作、MCP 和工具搜索，但均不支持微调。模型可以接收图像并输出文本，不支持音频和视频模态。

两项新的推理选项对智能体尤其重要。max 会比 xhigh 提供更多推理时间。ultra 默认协调四个智能体并行工作，以更高的 token 消耗换取更强结果，并在适合的任务上缩短实际耗时。开发者也可以利用 Responses API 的多智能体 beta 构建类似模式。

Programmatic Tool Calling 是一个更低调、却更贴近生产环境的功能。它允许 GPT-5.6 编写并运行小型内存程序，用这些程序协调工具、筛选中间结果，再把内容交还给模型。在搜索或数据密集型工作流中，这能减少模型反复往返调用；OpenAI 表示，该设计兼容 Zero Data Retention。

GPT-5.5 依然有自己的位置。GPT-5.5 Instant 仍是 ChatGPT 中快速日常回复的默认选择，付费推理模式则由 GPT-5.6 Sol 驱动。不要只因为版本号更新，就把推理模型硬塞进问候、轻量改写或简单聊天。

GPT-5.6 Sol：留给判断和最难的智能体任务

当任务需要跨越多个步骤做判断，而不只是产出一份润色过的初稿时，GPT-5.6 Sol 才值得投入。它是这一系列能力最强的一档，gpt-5.6 别名指向它，而且定价与 GPT-5.5 相同，并未额外收取旗舰溢价。

最适合： 生产事故分析、安全审查、复杂迁移、研究型智能体和高风险专业任务
突出优势： GPT-5.6 系列中最强的推理与长上下文表现
价格： 每 1M token 的输入、缓存输入和输出分别为 $5、$0.50 和 $30
不适合： 重复、易验证或可低成本重试的任务

独立评测数据也支持这一高难度任务定位。Artificial Analysis 给 Sol 的 Intelligence Index 评分为 59，单任务成本 $1.04；它只比 Claude Fable 5 低 1 分，成本却约为后者的三分之一。在 Coding Agent Index 中，配合 Codex 的 Sol 以 80 分位居第一。

OpenAI 自己发布的数据更为复杂，也更有参考价值。Sol 在 Terminal-Bench 2.1 上得到 88.8%，Sol Ultra 则达到 91.9%。在 SWE-Bench Pro 上，Sol 为 64.6%，高于 GPT-5.5 的 59.4%，但远低于 Claude Fable 5 的 80%。Sol 是一款实力扎实的编程模型，却并非所有场景的冠军。当选择范围还包括 Claude、Gemini 和自托管模型时，仍应参考更完整的编程模型排名。

长上下文成绩才是为 Sol 付费最充分的理由。在 OpenAI 的多针检索测试中，它在 256K 到 512K 区间得分 91.5%，在 512K 到 1M 区间仍有 73.8%。如果一家已有融资的创业公司要让智能体同时核对数据室、合同集和经营计划，这份余量值得购买；如果只是生成十个落地页版本，就不值得。

GPT-5.6 Terra：价值在长上下文中才真正显现

GPT-5.6 Terra 是更经济的长上下文档位，但它并不是显而易见的通用性价比之选。它存在的理由，不是刚好排在 Sol 与 Luna 中间，而是在上下文变得非常大时，表现依然贴近 Sol。

最适合： 大型代码仓库分析、政策资料库、尽调资料室和文档密集型智能体
突出优势： 在 512K 到 1M token 范围内接近 Sol 的检索能力，标价却只有 Sol 的一半
价格： 每 1M token 的输入、缓存输入和输出分别为 $2.50、$0.25 和 $15
不适合： 关键上下文较短，而且 Luna 已经能通过内部评测的任务

Artificial Analysis 给 Terra 的智能评分为 55，单任务成本 $0.55，Coding Agent Index 得分 77。该机构还发现，Terra 并不处于整体“智能—成本”的 Pareto 前沿：在 Terra 的每一个推理强度档位，都有某个 Luna 或 Sol 配置能以更低价格提供相同智能水平，或在不增加成本的情况下给出更高智能水平。

但换成长上下文这一专项负载，结论就会改变。在 OpenAI 的 512K 到 1M 检索评测中，Terra 得分 72.5，仅比 Sol 的 73.8 低 1.3 分，又比 Luna 的 41.3 高 31.2 分。如果一家中型企业的 CTO 要让一个模型追踪全年政策、工单和代码中的某项控制措施，就能用一半 token 价格获得接近 Sol 的检索能力。这是有真实价值的档位，并非为了营销上的对称而存在。

Terra 也是 Free 和 Go 用户在 Codex 中默认接触到的 GPT-5.6 模型。对于想做智能体编程、又不愿为旗舰档付费的独立技术开发者，它是很实用的环境；不过这些模型的 API 本身并没有免费档。

GPT-5.6 Luna：短上下文、高吞吐量场景的赢家

当任务量很大、验证成本很低，而且答案不依赖于从书本大小的提示词中寻找针尖信息时，GPT-5.6 Luna 才是正确的默认选择。它的价格是每百万输入 token $1、输出 token $6，让大规模自动化变得可负担，同时无需退回上一代模型。

最适合： 工单分类、结构化抽取、文档摘要、路由、打标签和初稿
突出优势： 在独立 Intelligence Index 中，单任务成本为 $0.21
价格： 每 1M token 的输入、缓存输入和输出分别为 $1、$0.10 和 $6
不适合： 依赖在数十万 token 中稳定检索才能做出的决策

Artificial Analysis 给 Luna 的智能评分为 51，编程评分为 75。更值得关注的是单任务成本：$0.21，而 Terra 为 $0.55，Sol 为 $1.04。高级业务负责人若要批量处理标准化报告，在该评测的成本口径下，一次 Sol 任务的钱足够运行多次 Luna 任务。

1.05M token 的宣传重点，也正是购买者最容易踩坑的地方。在 OpenAI 多针检索测试的 256K 到 512K 和 512K 到 1M 两个区间，Luna 的得分都是 41.3。在 BrowseComp 上，它得到 83.3%，略低于 GPT-5.5 的 84.4%。Luna 能接收巨型提示词，不等于它能从中可靠检索。

最合理的用法，是让它承担路由器的第一道关卡。如果抽取结果缺少必填字段、分类置信度不足，或提示词超过内部评测可支持的上下文阈值，就升级到 Terra 或 Sol。便宜模型应该用来消化流量，而不是掩盖不确定性。

GPT-5.6 API价格：算上缓存与长上下文溢价

只有针对工作负载设计好路由和缓存，GPT-5.6 才能真正便宜。单看标价，会漏掉两个足以改变账单的机制：缓存写入费用和长上下文溢价。

假设每月使用 10M 个未缓存输入 token 和 2M 个输出 token，基础账单很直观：

对一次包含 100,000 个未缓存输入 token 和 10,000 个输出 token 的请求，总成本分别是：Sol $0.80、Terra $0.40、Luna $0.16。先让 Luna 做低成本初筛，只把失败任务升级，带来的单位经济效益往往比从提示词里删掉几个字更大。

提示词缓存会奖励重复使用的稳定上下文，但 GPT-5.6 新增了写入费用。一次缓存写入按未缓存输入费率的 1.25x 收费；缓存读取享受 90% 折扣。OpenAI 表示，缓存最短可保留 30 分钟，并支持显式缓存断点。

如果一段 100,000 token 的稳定前缀使用两次，一次写入加一次读取的成本分别为：Sol $0.675、Terra $0.3375、Luna $0.135。如果两次都按未缓存读取，成本则是 $1、$0.50 和 $0.20。只要缓存确实存活且前缀完全一致，第二次使用就足以覆盖首次写入的溢价。

现有的缓存、路由和支出上限架构在这里更有价值。保持稳定且可缓存的前缀，把简单的短请求路由给 Luna，只在确有长上下文需求时使用 Terra，并限制 Sol 的智能体循环。端点名称本身不是成本控制，真正的控制点是调用关口。

GPT-5.6 上生产后，哪些地方可能出问题

GPT-5.6 的生产风险不在于工具不够，而在于主动性失控。这个系列可以搜索、编辑、执行 shell 命令、操作计算机和协调其他智能体。指令越宽松，这些能力造成的影响范围就越大。

OpenAI 的 GPT-5.6 系统卡指出，相比 GPT-5.5，GPT-5.6 更容易采取或尝试执行用户未要求的操作，尽管绝对发生率仍然很低。在破坏性操作评测中，仅规避得分分别为：GPT-5.5 0.88、Sol 0.83、Terra 0.81、Luna 0.73。规避加正确性的综合得分则是：GPT-5.5 与 Sol 均为 0.44、Terra 0.37、Luna 0.32。

这些数字并不意味着 Luna 会删除数据，而是说明：无论模型大小和价格如何，权限、确认关卡、快照和回滚都不可省。生产环境中的智能体，应先获准提出破坏性操作，再获准真正执行。

看待基准测试也需要同样克制。Artificial Analysis 认为 Sol 已接近智能能力前沿，并在 Coding Agent Index 中排名第一；但其 Omniscience 指标也记录到，相比 GPT-5.5，模型准确率小幅提升的同时，幻觉率略有上升。在 AA-Briefcase 中，Sol 的 Presentation Elo 最高；但 Claude Fable 5 仍以 56% 的评分标准得分领先整体基准，Sol 为 42%，分析质量 Elo 则分别是 1,764 和 1,592。

因此，诚实的结论应比发布文案更克制：GPT-5.6 改善了 OpenAI 的模型选择和性价比前沿，但没有消灭幻觉、横扫所有基准，也没有让自主智能体天然安全。安全团队还应预期到额外阻力。OpenAI 表示，Sol 的网络安全防护拦截潜在有害活动的数量约为旧模型的 10 倍，其中也包含部分无害任务。

Sol、Terra、Luna 怎么选，什么时候继续用 GPT-5.5

正确选择应以 OpenAI 当前的可用性矩阵为依据。标准 ChatGPT、Work、Codex 与 API 提供的选项并不相同。

在标准 ChatGPT 对话中，Plus 包含 Medium 和 High；Pro、Business 与 Enterprise 包含 Medium、High、Extra High 和 Pro；Free 与 Go 不包含 GPT-5.6。Terra 和 Luna 不能在标准 ChatGPT 中选择。

ChatGPT 中的 Work 面向 Plus、Pro、Business 与 Enterprise 用户提供三个档位。Codex 为 Free 和 Go 用户提供 Terra，付费计划则可使用全部三个档位。API 可以直接调用 Sol、Terra 和 Luna。

如果 GPT-5.5 目前已经够快、够稳定，并能通过内部评测，就继续使用。版本升级本身，不值得打乱一条低成本且运行良好的路径。只有 GPT-5.6 能改善实测结果、降低实测成本，或解锁真正需要的工具模式时，才应该迁移。

如果真正要做的选择不是 Sol、Terra、Luna，而是 OpenAI 与 Anthropic，请参考 Claude 与 ChatGPT 对比。模型系列内部的路由和供应商选择，是两个不同的架构决策。

一套现在就能采用的 GPT-5.6 使用指南

从足以胜任任务的最低成本档位开始，再根据证据升级。一套清晰的策略包含五部分。

1. 1

   短而重复的任务路由给 Luna

   把分类、抽取、摘要、打标签和初稿交给 gpt-5.6-luna。有固定 schema 的任务应要求结构化输出，并把字段缺失或验证失败设为升级信号。

2. 2

   长上下文转给 Terra

   当答案依赖于从大型代码仓库或文档集中稳定检索时，使用 gpt-5.6-terra。务必监控 272K 输入边界，因为价格倍数会作用于整次请求。

3. 3

   Sol 只处理代价高昂的错误

   高难度调试、安全审查、生产事故、复杂研究和判断型任务使用 gpt-5.6-sol。除非确实想选择 Sol，否则不要使用不带后缀的 gpt-5.6 别名。

4. 4

   缓存稳定上下文

   在显式缓存断点之前放置长期有效的指令、schema 和参考资料。让前缀在字节层面保持稳定，以便在支付 1.25x 写入费率后，通过 90% 的读取折扣收回成本。

5. 5

   给操作加关卡，并保留旧路径

   破坏性或对外操作必须经过确认，同时保留回滚能力；在新路由通过实际工作负载评测之前，继续保留 GPT-5.5。升级过程应该可逆。

这套策略刻意不追求平均分配：Luna 消化低成本流量，Terra 购买可用的长上下文，Sol 购买判断力。没有可量化收益的路径，继续留给 GPT-5.5。

GPT-5.6 已经可以使用了吗？

可以。GPT-5.6 于 2026 年 7 月 9 日在 ChatGPT、Codex 和 OpenAI API 中全面开放。具体权限取决于产品与套餐，发布过程是逐步推进的。

ChatGPT 5.6 sol 是什么？

GPT-5.6 Sol 是 OpenAI 的 GPT-5.6 旗舰档。在符合条件的标准 ChatGPT 套餐中，Medium、High 和 Extra High 推理由它驱动，Pro 选项则由 GPT-5.6 Sol Pro 驱动。

GPT-5.6 什么时候发布？

OpenAI 于 2026 年 7 月 9 日开始全面开放，并表示会在随后 24 小时内继续向全球推送。如果符合条件的账号仍看不到 Sol，原因可能是尚未轮到该账号，或工作区设置限制了访问。

不想每次模型更新都重做路由？免费领取面向企业主的 AI 工具地图，随时掌握当前的模型与工具选择。

领取面向企业主的 AI 工具地图

用直白语言说明每类 AI 模型和工具适合什么任务，并随价格与能力变化持续更新。订阅即可免费获取。