2026年7月9日 · 产品 / 发布
每 token 提供更多智能，每美元带来更强性能，按需提供更强能力应对最艰巨的工作。
默认高效，按需释放最强性能。
继有限预览之后，我们正式推出 GPT‑5.6 系列模型全面开放：全新旗舰 Sol，以及适用于日常工作的均衡模型 Terra，和我们性价比最高的模型 Luna。
GPT‑5.6 Sol 树立了智能与效率的双重新标准，在编码、知识工作、网络安全和科学领域均达到业界领先水平，同时以更少的 token 和更低的预估成本超越了前代及竞品前沿模型。结果是更高的单位美元性能：同样的投入完成更多成功的工作，或以更低的总成本获得可比的结果。我们还引入了一种加速最苛刻工作的新方式：ultra 是我们最高能力设置，通过协调多个智能体跨并行工作流协作，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 成为我们迄今为止最精致的协作伙伴，帮助它检查、优化并交付即用型成果。
我们训练 GPT‑5.6 旨在让每个 token 产出更有价值的工作。在 Agents' Last Exam（一项涵盖 55 个领域的长周期专业工作流评估）中，GPT‑5.6 Sol 创下 53.6 分的新高，比 Claude Fable 5（自适应推理）高出 13.1 分。即使在中等推理水平下，它也以约四分之一的预估成本领先 Fable 5 11.4 分。这种效率延伸到了更小的模型上——这对让智能更丰富、更实惠至关重要：GPT‑5.6 Terra 和 GPT‑5.6 Luna 以约十六分之一的成本超越 Fable 5。在 Artificial Analysis Intelligence Index（一项涵盖智能体工作、编码、科学推理和通用能力的广义智能衡量）中，GPT‑5.6 Sol 以 max 推理模式仅以 1 分之差接近 Fable 5，同时以约一半的预估成本、少 61% 的时间完成任务。
Agents' Last Exam · Artificial Analysis Intelligence Index v4.1
Agents' Last Exam：跨专业领域的长周期智能体工作流评估。GPT‑5.6 搭载了我们迄今为止最强大的安全保障体系，旨在抵御有决心的、适应性的滥用，同时不广泛限制合法工作。在全面开放之前，我们将模型和安全保障经历了最广泛的评估期，结合了人工红队测试与大规模自动化测试。在预览期间，我们与专家组织和受信合作伙伴密切合作，对防御系统进行压力测试并加强安全保障。最终的系统将模型内训练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分层结合。
---
默认高效，按需释放最强性能
GPT‑5.6 Sol 是我们迄今为止最好的编码模型。在 Artificial Analysis 编码智能体指数 上，GPT‑5.6 Sol 以 max 推理模式创下 80 分的业界新纪录，比 Fable 5 高出 2.8 分，同时使用不到一半的输出 token、花费不到一半的时间、成本低约三分之一。这一优势贯穿整个系列：Terra 性能略高于 Fable 5，而 Luna 超越 Opus 4.8；每款都以约三分之一的时间、约一半的输出 token、约四分之一的预估成本实现。它还在 Terminal‑Bench 2.1 和 DeepSWE 上创下新的业界最佳成绩，这两项测试评估复杂命令行工作流和真实代码库中的长周期工程。
Artificial Analysis Coding Agent Index v1.1 · Terminal-Bench 2.1 · DeepSWE v1.1
Artificial Analysis 编码智能体指数： 一项独立的编码智能体性能指数，涵盖实现、终端使用和真实代码库。GPT‑5.6 可以编写并运行轻量级程序来协调工具、处理中间结果、监控进度，并随着工作展开选择下一步行动。这使得工具密集型任务以更少的 token、更少的模型往返和更少的指导推进。无需开发者编写每一步脚本，也无需将每个工具响应传回模型，Responses API 中的 程序化工具调用 可以筛选大量中间数据，只保留重要内容，并随时调整工作流。
对于那些值得投入更多时间和计算的问题，GPT‑5.6 可以超越高效默认设置。max 为 GPT‑5.6 提供比 xhigh 更多的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，默认协调四个智能体并行工作，以更高的 token 使用换取更强的结果和更快的任务完成时间。下图比较了 ultra 默认的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 智能体配置。在所有三项评估中，增加并行智能体将分数-延迟前沿向上向左移动，在更短时间内达到更强的结果。在 API 中，开发者可以使用 Responses API 中的多智能体测试版构建类似 ultra 的体验。
BrowseComp (Multi-Agent) · SEC-Bench Pro (Multi-Agent) · Terminal-Bench 2.1 (Multi-Agent)
"GPT‑5.6 是我们在智能体代码审查测试中评估过的最强模型。在我们的内部和外部 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 约减少 3 倍，中位延迟降低约 2 倍。"
— Itamar Friedman，Qodo 联合创始人兼 CEO
"GPT‑5.6 对金融研究智能体来说是重大进步。在 Rogo 的 Big Finance Benchmark 上，与 GPT‑5.5 相比，它的规则质量提高了 6.2 分，答案准确率提高了 3.6 分。借助程序化工具调用，它在保持质量的同时减少了 24% 的输出 token，任务完成速度提高了 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 研究员
"在法律研究和文档工作流中，GPT‑5.6 已经带来了改变产品经济学的效率提升。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，程序化工具调用在不损失质量的情况下将提示 token 减少了 38%。"
— Angel Faus，Clio 联合创始人兼 CTO
"GPT‑5.6 Sol 真的、真的很强。它是我们见过的最坚韧的问题解决者，能连续数天保持专注和任务导向。它在更新自定义智能体和随着工作空间演进优化记忆方面表现出色，所以它们运行得越久就越敏锐。Terra 和 Luna 的性价比也远超其价位。许多运行 GPT‑5.5 的智能体在 Terra 上表现同样出色，成本却只有一半，token 还少 16%。"
— Simon Last，Notion 联合创始人
"GPT‑5.6 给人的感觉不像是聊天助手，更像是一个端到端的技术操作员。它可以检查实时系统、调试问题、进行代码更改、验证结果、发布工件，并在长会话中保持上下文，具有强大的根基能力。"
— Ian Tracey，Ramp 应用 AI 软件工程师
"GPT‑5.6 比前代产品更能理解我想要的工作层次。在研究、规划、分阶段实施的多阶段 Codex 工作流中，它比 GPT‑5.5 更好地遵循意图，并始终生成准确的带行号 GitHub 引用——而之前的模型经常漏掉。"
— Shane Moran，Shopify 高级应用 AI/ML 工程师
"GPT‑5.6 为复杂金融研究提供了我们见过的最佳效率曲线。在我们的评估中，它以顶级水平运行，同时 token 效率提高了 1.72 倍，在三个头条类别中领先，在多跳任务上得分 88%。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。"
— Alberto Da Costa，Balyasny Asset Management 应用 AI 首席工程师
"GPT‑5.6 在长周期任务中始终保持专注，出色地使用工具，几乎不需要指导就能得出高质量的解决方案。对于研究和设计工作，它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前进。"
— Arjun Sambamoorthy，Cisco AI 软件与平台 CTO 副总裁
"GPT‑5.6 Sol 在推理、决策和自主性方面展现出显著提升。子智能体使用的改进对于复杂会计工作尤其有价值。期待 OpenAI 智能体发展的方向。"Qodo · Rogo · Clio · Notion · Ramp · Shopify · Balyasny Asset Management · Cisco · Basis
— Tarrek Shaban，Basis 产品负责人
---
设计能力的飞跃
GPT‑5.6 在设计判断力上实现了跨越式提升。只需高层指示，GPT‑5.6 就能创造出有品味、符合人体工程学且功能完善的界面。它更强的计算机使用能力使其能够检查和优化渲染结果——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润色。
航海游戏 · 微小虚空游戏 · 博物馆网站 · 发条村游戏 · 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 中精致的交互式解释和可视化。
交互式螺旋图 · 交互式波干涉 · 交互式 GPT tokenizer 解释器
---
端到端知识工作
GPT‑5.6 为专业任务提供更好的结果。它从你的文档和日常工作流（如 Slack、Notion、Microsoft 365 和 Google Drive）中获取杂乱的上下文，并将其转化为专家级、可分享的成品。
GPT‑5.6 在知识工作方面的优势体现在涵盖长周期专业分析、浏览、工具使用和计算机使用的评估中。GPT‑5.6 Sol 在 BrowseComp（92.2%）和 OSWorld 2.0（62.6%）上创下新的业界最佳成绩；在 OSWorld 上，它以少 85% 的输出 token 超越了 Opus 4.8。在这里，单位美元性能增益延伸到整个 GPT‑5.6 系列。Luna 以不到一半的预估成本几乎追平 GPT‑5.5 的峰值性能，而 Terra 则以更低成本超越它。
BrowseComp · GDPval-AA v2 · OSWorld 2.0 · AutomationBench
BrowseComp：GPT‑5.6 Sol 在 BrowseComp 上创下新纪录，该基准测试智能体浏览任务。GPT‑5.6 Sol 提升了演示文稿、文档和电子表格的质量， 产出更精致、更准确的结果。它可以从零开始创建完全可编辑的演示文稿，将提示和源材料转化为具有出色布局、层级和设计的连贯视觉叙事。
在遵循模板和参考演示文稿方面的提升尤为显著。 GPT‑5.6 可以推断出演示文稿的设计系统——布局、排版、间距、颜色和重复出现的内容模式，包括嵌入在幻灯片母版中的规则——并将这些约定一致地应用于新材料。在这个例子中，当被要求根据参考文件更新数字时，GPT‑5.5 的输出遗漏了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‑5.5 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。它更忠实地遵循复杂的参考格式，这对可重复的知识工作活动很重要。它更精确地处理公式和金融模型，并更好地利用排版、间距、层级和页面或工作表布局。
股票研究文档 · 杠杆收购模型
早期测试 GPT‑5.6 的客户看到了各领域知识工作产出的提升。
"GPT‑5.6 在构建生产级应用背后的长周期复杂工作流上效率显著提高。作为 Lovable 现在使用的模型之一，它为用户减少了约 25% 的步骤和 35–48% 的工具调用，同时提高了项目成功率并减少了 15% 的卡住运行。对于任何想从想法到可用应用的人来说，这都是有意义的差异。"
— Fabian Hedin，Lovable 联合创始人
"GPT‑5.6 Sol 是我们评估过的第一款能始终生成可直接用于实际工作的演示文稿的模型。在 Model ML 的 FinBench 中，跨越 20 个具有挑战性的客户工作流和数百份演示文稿，它每份演示文稿使用的 token 比 Fable 少 39%，同时产出更精致、更易读的演示文稿，数据可视化更清晰准确，需要更少的修改即可分享。"
— Chaz Englander，ModelML 联合创始人兼 CEO
"GPT‑5.6 在我们的七项任务基准测试中是整体最佳的前端模型。在我们的五分制前端质量评估标准上，它获得了 4.4 分，而 GPT‑5.5 为 4.0 分，Claude 4.8 为 3.5 分，并且始终能将复杂的电商、仪表板和产品简报转化为完整的响应式界面，覆盖桌面和移动端。"
— 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。在场景构建工作流中，它使用的总 token 减少了 63.5%，模型轮次减少了 50.1%，同时产出相当的视觉效果。这使得迭代式游戏创建更具可扩展性。"
— Teddy Cross，PlayCo 联合创始人兼 CPO
"GPT‑5.6 在演示文稿方面尤其出色。在我们的早期设计评估中，它在幻灯片创建方面强于竞品模型，token 效率约高出 1.6 倍——当你在 Canva 规模上生成和优化视觉工作时，这很重要。"
— Danny Wu，Canva AI 产品负责人
"GPT‑5.6 标志着 Microsoft 365 中文物生成的进步。在我们的评估中，它在广泛的生产力场景中交付了强劲结果，产出高度凝聚、准确且即用型的成果。通过减少优化提示和迭代草稿所需的精力，它帮助用户将更少时间用于塑造内容，更多时间用于采取行动。"
— Charles Lamanna，Microsoft Copilot、智能体与平台执行副总裁
"在 30 次真实世界的应用构建对话中，GPT‑5.6 比 GPT‑5.5 少用了 22% 的输入 token 和 23% 的输出 token，同时在全新项目和长周期多轮工作中保持竞争力。这是真正的进步，尤其是在设计和前端能力方面。"Lovable · ModelML · Triple Whale · PlayCo · Canva · Microsoft · Vercel · Coda · Google Labs
— Gabriel Grinberg，
---
推动网络安全与科学前沿
GPT‑5.6 延续了我们在高风险领域推进前沿模型的承诺，同时加强安全护栏。
在网络安全方面，GPT‑5.6 Sol 是我们迄今为止最强大的模型。它改变了长周期安全任务的性能-效率前沿，包括漏洞研究和漏洞利用。在 ExploitBench 上，GPT‑5.6 Sol 仅使用约三分之一的输出 token 就能与 Mythos Preview 相媲美。在由加州大学伯克利分校研究人员与 OpenAI 及其他前沿实验室合作创建的 ExploitGym 上，随着我们增加推理量，GPT‑5.6 Sol、Terra 和 Luna 模型均展现出网络安全能力的显著提升。
ExploitBench · ExploitGym · CyberBench-CEH
ExploitBench： GPT‑5.6 Sol 在 ExploitBench 上以更少的 token 达到业界领先水平。在科学研究方面，GPT‑5.6 模型展示了端到端实验规划和执行方面的飞跃。在 SciAgentBench 中，模型被要求设计、规划并执行生物实验，GPT‑5.6 Sol 以 71.7% 的成功率创下新纪录，比 GPT‑5.5 提高了 18.8 个百分点，同时使用更少的输出 token。GPT‑5.6 Terra 的表现也超过了前代旗舰模型。我们还与 The National Renewable Energy Laboratory (NREL) 合作，在电池科学中使用 GPT‑5.6 Sol 加速科学发现：通过自主实验规划和分析，该模型帮助识别了有前景的新型固态电解质材料，减少了寻找有希望候选材料所需的湿实验室实验数量。
SciAgentBench · Theodore Bench
SciAgentBench： 端到端生物实验设计与执行。网络安全和科学模型的进步伴随着我们迄今为止最强大的防护措施。我们的安全系统在训练时和部署后均得到加强，包括实时评估、监控和根据风险与信任校准的差异化访问。随着模型能力的提升，我们的目标是让越来越多的合法工作受益——从代码审查和漏洞研究到生物研究和药物发现——同时让恶意使用变得更加困难、不确定和可检测。
---
GPT‑5.6 加速 OpenAI
作为内部最早的用户之一，我们已将 GPT‑5.6 部署到整个公司的工作流中，并且已经在加速我们的运营，释放出工程时间用于更有影响力的工作。
在应用研究中， 我们的研究团队使用 Codex 和 GPT‑5.6 进行实验，将典型研究项目的周期时间缩短了约 30%。研究人员报告说，花在脚手架和样板代码上的时间减少了，而花在高级问题解决和创造性探索上的时间增加了。
在基础设施方面， 团队使用 GPT‑5.6 编写和审查复杂的分布式系统代码，在规划和调试大规模训练作业时将事故检测时间缩短了 50%。
在产品工程中， 团队在功能开发工作流中使用了 GPT‑5.6 后，交付速度提高了约 25%。工程师们报告说，在实现 UI 功能、编写测试和执行重构方面的提升尤其明显。
在安全与防御方面， 我们的红队和安全工程团队使用 GPT‑5.6 进行漏洞发现、自动化加固和代码安全审计，覆盖的代码量比纯人工审查多 3–4 倍。
这些收益在整个人才和基础设施中产生倍增效应——更快的实验循环、更多的发布、更高质量的代码，以及更多专注于最重要事情的时间。
---
随能力扩展的安全与保障
GPT‑5.6 的推出搭载了我们迄今为止最强大的保障体系。随着模型能力的增强，我们加强了防护，以更好地抵御高风险活动、敏感的网络安全请求和反复滥用。
从一开始，我们就设计了安全措施与能力同步扩展。在预览期间，我们与专家组织和受信合作伙伴密切合作，对系统进行压力测试并加固保障。我们进行了广泛的评估——结合人工红队与大规模自动化测试——以发现并修复漏洞。
最终系统采用分层防护方法，具体配置因模型而异，并针对真实世界的对抗进行压力测试。这些包括：
- 模型内防护： GPT‑5.6 经过训练，拒绝提供被禁止的网络安全帮助，即使用户试图掩饰其意图或越狱模型。
- 实时分类器： 网络安全和生物学滥用分类器在生成时进行评估。对于高风险案例，如果检测到潜在违规，生成可能会暂停，同时由更大的推理模型审查对话。
- 账户级信号与监控： 被标记的活动可能触发对相关对话和风险信号的账户级审查，这有助于我们的系统区分持续的恶意行为与合法的两用安全工作。
- 差异化访问： 对于网络安全等高风险能力，我们提供受信访问（Trusted Access），为经过验证的防御者提供更宽松的访问，同时限制恶意使用。
- 持续测试与监控： 我们在部署期间持续运行自动化红队和监控系统，以快速发现并修复新漏洞。
GPT‑5.6 Sol 未达到我们准备框架中的网络安全关键（Critical）阈值。尽管如此，基准阈值无法捕捉模型可能被使用或与其他工具结合的每种方式。这种不确定性，加上模型能力的广泛阶跃变化，正是我们将增强的能力与更强的防护措施和分阶段发布相结合的原因。我们在 GPT‑5.6 系统卡 中分享了更多关于我们防护措施的细节。
---
可用性与定价
GPT‑5.6 Sol、Terra 和 Luna 从今天起在 ChatGPT 网页端、移动端和桌面端全面开放，以及通过 API 提供。
在 ChatGPT 中：
- Pro、Pro Lite、Business、Enterprise 和 Edu 用户可以立即使用 Sol、Terra 和 Luna
- Plus 用户将在未来几天内获得访问权限
- Free 和 Go 用户可以访问 Luna 进行对话
在 API 中：
- GPT‑5.6 Sol、Terra 和 Luna 现已在 Responses API 和 Chat Completions API 中全面可用
定价：
| 模型 | 输入价格（每百万 token） | 输出价格（每百万 token） |
|---|---|---|
| Sol | $5.00 | $30.00 |
| Terra | $2.50 | $15.00 |
| Luna | $1.00 | $6.00 |
新功能：
max推理努力级别：为 Sol 提供最深层次的推理时间ultra模式：利用多智能体架构并行处理复杂任务- 程序化工具调用：模型编写 JavaScript 协调工具链
- 多智能体（测试版）：单次请求内并行派生多个子智能体
---
继续阅读：