刚刚，OpenAI最强GPT-5.6发布！「太阳系」爆发冲破神话
新智元报道
【新智元导读】 OpenAI首次启用太阳、大地、月亮命名，全新GPT-5.6正式登场。
旗舰Sol编程屠榜，只当了17天第一的Claude Mythos 5，被一夜拉下王座。
OpenAI今夜「三连发」！
就在刚刚，GPT-5.6Sol、Terra、Luna同时登场。
太阳、大地、月亮。
GPT系列第一次用天文学给模型命名。
超大杯旗舰Sol，直接刷爆了AI编程能力的天花板；
大杯Terra，上一代旗舰的水平，但价格只要一半；
中杯Luna，每百万token输入只要一刀，量大管饱。
OpenAI用来掀翻Mythos的旗舰，第一次交到了——极少数人手上。
是的，GPT-5.6暂时只向约20家受信合作伙伴开放API和Codex访问，普通用户短期内无缘。
官方的说法是，模型将会在「未来几周」逐步放开。
OpenAI太阳系，登场
此前，Anthropic用Mythos（神话）和Fable（寓言）命名，指向的是AI与人类叙事传统的关系。
而OpenAI则选了天体。
Sol是拉丁语中的「太阳」，也是罗马神话里驾驭金色战车、每日横跨天穹的太阳神。
它对标最复杂的推理和研究场景，适合长链条、多步骤的硬任务。
输入5美元/百万token，输出30美元/百万token。
Terra是拉丁语的「大地」，也常被作为Earth的拉丁名和文学化称呼。
它瞄准日常开发和知识工作，用更低的成本拿到上一代旗舰级的能力。
输入2.5美元/百万token，输出15美元/百万token。
Luna是拉丁语的「月亮」，夜空中最近、最亮、最容易触及的天体。
它为高吞吐场景而生，分类、摘要、批量处理，追求的是量大管饱。
输入1美元/百万token，输出6美元/百万token。
根据OpenAI官方的解释：「命名的原则是数字标识代际，Sol/Terra/Luna标识持久的能力层级，可以按各自节奏独立迭代。
」
也就是说，以后升级到了GPT-6，旗舰可能依然叫Sol，Luna还是对应最小的那个。
你不用猜，就知道自己在用的是什么水平的模型。
Sol交卷，Mythos让座
OpenAI这次重点秀的能力有三个：编程、生物、网络安全。
编程方面，他们刷的是目前最能衡量AI编程能力的基准之一——Terminal-Bench 2.1。
它考的是代码规划、工具调用、多轮迭代纠错这样完整的命令行工作流，是一个模型能不能像真正的工程师那样端到端地完成复杂项目。
结果显示，Sol在ultra模式下跑出了91.9%，拿下了所有已公开模型的最高分。
作为对比，Anthropic两周前刚发布的Claude Mythos 5在同一基准上是88.0%，Fable 5是84.3%。
Sol关掉ultra只用max模式也有88.8%，单凭这一个数字就已经超过了Anthropic两个最新旗舰。
网络安全，则是OpenAI在博客里着墨最多的方向。
GPT-5.6 Sol在ExploitBench上的表现，几乎打平了Anthropic之前强到不敢发的Mythos Preview，但只消耗了约三分之一的输出token。
在UC Berkeley与OpenAI等实验室联合开发的ExploitGym基准上，Sol、Terra、Luna三个模型都展示了随推理能力增加而持续提升的安全能力曲线。
而在CTF（夺旗赛）评估中，Sol的命中率更是高达96.7%，几乎触顶。
生物学方向，OpenAI跑的是一个专门评估长链条基因组学和定量生物学分析能力的基准——GeneBench v1。
在这里，Sol只需很少的token，就能完爆上一代的GPT-5.5。
医疗领域的涨幅同样很猛。
在HealthBench Professional上，Sol拿到60.5分，比GPT-5.5高出8.7分。
值得一提的是，Terra和Luna是OpenAI历史上首批在网络安全和生物两个领域，同时拿到High能力评级的非旗舰模型。
以前这个级别只属于最强的那一个，这次三个都是。
ultra：一个模型拆出一组智能体
除了模型本身之外，OpenAI这次还重磅推出了两种新的推理模式。
第一种叫max。
也就是大家最为熟知的那种形式——给Sol更多时间思考，让推理链更深更长。
第二种叫ultra。
在这个模式下，Sol不再是单一模型在独立思考。
它会自动拆分复杂任务，启动一组子智能体（subagents）并行处理，再汇总结果。
如果max是「让一个人想更久」，ultra就是「让这个人召集一支团队」。
这跟Anthropic在Opus 4.6上推的Agent Teams思路不一样。
Agent Teams是多个Claude实例并行干活，协作方式由人来设计。
ultra是模型自己完成了任务拆解和协调，开发者只需要提需求，Sol自己决定怎么分工。
Terminal-Bench上的SOTA成绩，正是ultra模式下跑出来的。
太想干活的副作用
不过，GPT-5.6强是强了，但脾气也更大了。
在配套的系统卡中，OpenAI直接点名了三个翻车现场，其中两个最离谱：
1. 让它删三台虚拟机，找不到就自作主张挑了另外三台下手；
2. 远程跑任务读不到文件，直接翻出本地藏着的access token复制到别的机器上硬跑，全程没问过用户。
外部机构METR被整得更惨。
Sol在测试里专钻考场漏洞，作弊检出率「异常高」，高到METR直接放弃出分。
OpenAI官方给出的解释，是「任务执着度」增强的副作用。
换句话说，它太想把活干完了。
只当了17天第一
6月9日，Anthropic发布了当时最强的编程模型Mythos 5。
17天后，Sol把它从榜首推了下来。
在这之前，GPT-5.5也只在顶上坐了不到一个月。
榜首的保质期越来越短。
7月起，Sol将通过Cerebras面向部分客户部署，生成速度最高可达惊人的750 token/s。
Cerebras用的是整片晶圆级推理芯片，设计逻辑就是暴力堆吞吐量。
目前，大多数旗舰模型的输出速度在几十到一百多token/s之间，Sol如果能稳定交付的话，就很有可能成为市面上跑得最快的旗舰。
而且不是快一点半点，是快了一个数量级那种。
不过，看着Mythos 5只守了17天的擂台，OpenAI刚刚修的这条护城河，又能保多久呢？
参考资料：
https://deploymentsafety.openai.com/gpt-5-6-preview/metagaming-in-evaluations
编辑：摩西
一光年有多远？人类探测器飞了50年，才飞了一光天？
一光年到底有多远？为什么人类的探测器飞了快五十年，却连这段路的百分之一都没走完？ 更扎心的是，就算你真的飞到一光年外，也还没到最近的另一颗恒星。你甚至可能还在太阳系外围，连这片家门口的荒地，都没有彻底穿过去。
你肯定听过答案：一光年，大约九万四千六百亿公里。
可这个数字太大了。
多念一个零，少念一个零，对你的感觉几乎没有区别。
所以这一次，我们换一把尺子。
把太阳缩成一颗直径两点五厘米的玻璃球，放在你面前。
地球跟着缩小，只剩一粒细沙那么大。
你把它放到距离玻璃球两米七的位置，地球轨道就摆好了。
接下来往外走。
走过木星、土星，一直走到八十多米外，你终于放下海王星。
整个八大行星的地盘，看起来也就一个足球场的尺度。
那么，一光年的刻度，应该放在哪里？球场外面？隔壁街道？还是城市另一头？ 都不够。
你得从这颗玻璃球出发，走出去大约一百七十公里。
记住，地球才在两米七外。
海王星才在八十多米外。
而你现在要跨过的，是一段足以连接两座城市的距离。
沿途绝大多数地方，连一颗行星都没有。
你以前看到的太阳系示意图，把行星挤得整整齐齐，却很难让你真正感受到，它们之间到底空成什么样。
如果把人类的探测器，也放进这套模型呢？ 旅行者一号，一九七七年出发，掠过木星和土星，一路飞向太阳风影响之外。
它每秒能飞十七公里。
你眨一下眼，它就已经越过一座城市的一部分。
可持续飞行近半个世纪，它在这套模型里，也不过走到距离玻璃球几百米的地方。
前面那条通往一光年的路，依然长得几乎看不到尽头。
按每秒十七公里算，飞完一光年，需要大约一万七千六百年。
你出发时留下的城市，可能已经消失。
你说的语言，可能早就没人听得懂。
而飞船，还在赶路。
你可能觉得，这不公平。
旅行者一号毕竟是几十年前的技术。
换一台快得多的探测器，总能把时间压下来吧？ 帕克太阳探测器，在最接近太阳时，速度能达到每小时约六十九万公里。
假设它能一直保持这样的速度，飞完一光年，仍然需要一千五百多年。
而且，这已经是一个过于理想的假设。
帕克的极速，来自它沿轨道冲向太阳时的加速。
离开太阳之后，它会减速。
那个惊人的纪录，不能直接变成一张通往恒星的车票。
不过，先让我们跳过这些困难。
假设未来的你，终于抵达一光年外，在那里建起了一座太空站。
你回头看，太阳还看得见吗？ 看得见。
它不会彻底淹没在星海里，仍然会是一颗非常明亮的星。
但你熟悉的金色圆盘消失了，剩下的，只是一个指向家的光点。
抵达这里的阳光，比地球附近微弱了约四十亿倍。
能看见它，不代表还能靠它照亮身边的世界。
就像远处一盏灯，你知道它亮着，脚下却依旧一片漆黑。
至于地球，那颗你想念的蓝色星球，肉眼已经根本找不到。
它自己不会发出可见光，只能反射太阳的光。
那一点微弱的亮度，几乎淹没在太阳旁边。
更让人难受的是，就算设备足够好，让你看清了家乡，你看到的，也是一年前的地球。
因为光从那里来到你的眼睛，已经走了整整一年。
这时候，你想给家里发一条消息。
今天是家人的三十岁生日。
你对着镜头说出生日快乐，按下发送。
消息离开天线，穿过黑暗，等它抵达地球，那个人已经三十一岁了。
对方看完，立刻回复一句谢谢。
你再收到这两个字时，又过去一年。
一来一回，两年。
这里最奢侈的东西，可能就是一次普通的聊天。
你问家里今天怎么样，等到回答抵达，那个今天，早就变成了两年前。
你换更好的天线，能让画面更清楚，声音更清晰，却不能把这一年变成一秒。
无线电和激光，在真空中都以光速传播。
设备可以升级，距离带来的等待，却不会自动消失。
如果太空站突然出了故障呢？你向地球求救，就算那边的人收到后立刻想出解决办法，操作指令也要等两年，才能回到你手里。
真正走进星际空间，你得先学会自己解决问题。
因为在这里，连一句别着急，都可能来不及。
可一光年外，到底有什么在等你？ 没有一堵墙，没有一条天然边界，也没有一颗刚好停在那里、等你登陆的星球。
这只是人类在宇宙里画下的一道刻度。
我们认为，远离行星轨道的地方，还分布着奥尔特云中的冰冷天体。
它的范围仍有不确定性。
一光年的终点，甚至可能还没有超出这片遥远的区域。
穿过太阳风形成的边界，和离开所有绕太阳运行的天体，并不是同一件事。
而最近的另一颗恒星，比邻星，距离我们约四点二四光年。
你费尽力气走完这一光年，连去它那里的四分之一路程，都还没走到。
所以，下次再听见一光年，不妨想想那颗玻璃球。
地球在两米七外，你站在一百七十公里外。
脚下没有路灯，没有补给，也没有能立刻回答你的人。
而这段让人类飞上一万多年、让一句问候往返两年的距离，在宇宙里，却只是尺子上最开始的一个刻度。
太阳系要提前散伙了？肇事者竟是它自己
广告 太阳系要提前散伙了？肇事者竟是它自己 10:26 广告 广告 广告 了解详情 > 会员跳广告 首月9.9元 秒后跳过广告 1080P及以上画质仅为黄金会员专享> 开通/续费会员 抱歉，您观看的视频加载失败 请检查网络连接后重试，有话要说？请点击 我要反馈>> 正在切换清晰度... 播放 按esc可退出全屏模式 00:00 00:00 00:37 广告 只看TA 高清 倍速 剧集 字幕 字幕 下拉浏览更多 5X进行中 炫彩HDRVIP尊享HDR视觉盛宴 超清 720P 高清 540P 2.0x 1.5x 1.25x 1.0x 0.8x 50 哎呀，什么都没识别到 反馈 循环播放 跳过片头片尾 画面色彩调整 AI明星识别 视频截取 跳过片头片尾 是 | 否 色彩调整 亮度 标准 饱和度 100 对比度 100 恢复默认设置 关闭 单语言 双语言 选择显示语言 中文 English 主字幕（上方） 中文 English 副字幕（下方） 中文 English 关闭 复制全部log 科学家最新研究发现，太阳在生命末期不会安静退场，而是会像“打嗝”一样反复喷出物质，自己也会被反推而发生偏移。经过成千上万次扰动后，外围行星轨道将被打乱，太阳系也会提前“散伙”。
