GPT-5.6 正式发布：三档模型家族上线，Sol 刷新多项 SOTA，ultra 模式四 Agent 并行
7月9日，OpenAI 正式发布 GPT-5.6 模型家族，结束有限预览期，全面开放使用。这次不是单一模型，而是一个三档产品线：旗舰 Sol、均衡 Terra、高性价比 Luna，加上全新的 ultra 多 Agent 并行模式。
三档模型，覆盖不同需求
- GPT-5.6 Sol：旗舰模型，面向最复杂任务，在编码、知识工作、网络安全、科学推理上全面刷新 SOTA
- GPT-5.6 Terra：均衡模型，日常工作的主力选择，性能超过 GPT-5.5 峰值，成本更低
- GPT-5.6 Luna：最经济模型，性能接近 GPT-5.5 峰值，成本不到一半
核心卖点：更强的性能，更少的 token，更低的成本。OpenAI 强调 GPT-5.6 的设计目标是"每个 token 产出更多有效工作"。
关键能力提升
编码：GPT-5.6 Sol 在 Artificial Analysis Coding Agent Index 上拿到 80 分，超过 Claude Fable 5（77.2），输出 token 不到一半，耗时不到一半，成本约三分之一。Terra 略超 Fable 5，Luna 超过 Opus 4.8，且各自都在更快、更省的条件下完成。在 Terminal-Bench 2.1 和 DeepSWE 等真实代码库长程工程测试上也创下新纪录。
Agent 工作流：在 Agents' Last Exam（覆盖 55 个领域的长程专业工作流评测）上，Sol 拿到 53.6 分，超过 Claude Fable 5 达 13.1 分。即使中等推理强度，也以约四分之一成本领先 Fable 5 达 11.4 分。Terra 和 Luna 更是以约十六分之一的成本达到或超过 Fable 5。
浏览与计算机使用：Sol 在 BrowseComp 达到 92.2%，OSWorld 2.0 达到 62.6%（超过 Opus 4.8，输出 token 减少 85%）。
设计判断：GPT-5.6 能根据高层指令生成美观、实用的界面，还能通过计算机使用能力检查渲染结果、自我修正视觉和功能问题——不只是生成代码，而是"看了再改"。
文档与演示：能从零创建完整可编辑的演示文稿，自动推断模板的设计系统（布局、字体、间距、配色、Slide Master 规则）并一致应用。在遵循参考模板方面比 GPT-5.5 有显著提升。
ultra 模式：多 Agent 并行
GPT-5.6 引入 ultra 设置——默认协调 4 个 Agent 并行工作，用更多 token 换取更强结果和更快完成时间。在 BrowseComp、SEC-Bench Pro、Terminal-Bench 2.1 上，增加并行 Agent 让"分数-延迟"前沿整体上移。开发者可通过 Responses API 的 multi-agent beta 构建类似体验。
编程式工具调用
新推出的 Programmatic Tool Calling 让 GPT-5.6 能编写和运行轻量程序来协调工具、处理中间结果、监控进度、选择下一步行动。工具密集型任务不再需要开发者逐步脚本或每次把工具响应传回模型，模型可以自行过滤中间数据、保留关键信息、动态调整工作流。
安全
OpenAI 称 GPT-5.6 配备了迄今最完善的安全防护，结合模型内训练的保护层和实时检查、监控、权限校准。发布前经历了最长的评估期，包括人工红队测试和大规模自动化测试。
可用性
GPT-5.6 已在 ChatGPT 上线，同时成为 Microsoft 365 Copilot 的首选模型。API 已开放使用。
---
基于 OpenAI 官方博客及多家媒体转述整理。