AI 圈的「闪电战」再次由 OpenAI 打响。

就在 Anthropic 宣布推出其旗下最广泛发布的旗舰模型 Claude Fable 5、刚在软体工程基准测试上登顶、大出风头之际，OpenAI 毫无预警地一口气端出了 GPT-5.6 系列模型三件套：Sol（太阳 / 旗舰）、Terra（地球 / 平衡）、与 Luna（月亮 / 经济）。

这场突袭主打一个精准的商业与技术挤压。高端有 Sol 压制，日常有 Terra 抢食，低成本有 Luna 铺路。这不禁让人想起对手 Fable 5 的内心独白：「这波更新，怎么瞅都是冲着我来的？」

一、 星体命名法下的三军列阵

在产品策略上，OpenAI 彻底抛弃了以往的「Mini」或「Nano」命名，正式跨入宇宙感十足的星体代号时代。三款模型分工明确，以「每百万 Token」为计价单位，筑起了一道密不透风的价格与性能防线：

• Sol（旗舰）｜输入 $5 / 输出 $30： 面向高难度推理、复杂程式码与长链路任务。定价与 GPT-5.5 持平，但价格仅为 Anthropic Fable 5（输入 $10 / 输出 $50）的一半。

• Terra（主力）｜输入 $2.5 / 输出 $15： 性能对标 GPT-5.5，价格直接腰斩，专为企业日常主力工作流打造。

• Luna（极速）｜输入 $1 / 输出 $6： 最快、最便宜的一档，旨在用极致的性价比封死开源模型与外部厂商的低价蚕食路径。

二、 旗舰 Sol 的降维打击：Max 与 Ultra 双模式

作为本次发布的核心，Sol 的恐怖之处在于 OpenAI 为其量身打造的两个全新推理控制模式，这直接将其推向了更长周期的智慧体（Agentic）任务巅峰。

在专门测试命令列自动化与工具协调能力的 Terminal-Bench 2.1 基准测试中，Sol 创造了全新的业界纪录（SOTA）。在 Ultra 模式（引入多子代理 sub-agents 协同机制）下，Sol 的得分比 Anthropic 的 Fable 5 高出了 7.6 个百分点，比自家前代 GPT-5.5 高出 9.4 个百分点。

此外，在生物医学（GeneBench v1）与网路安全（ExploitBench）等复杂长链路任务中，Sol 不仅在准确率上碾压对手，更在 ExploitBench 上仅用大约三分之一的输出 Token，就追平了 Mythos Preview 的表现。这意味着同样的安全分析，Sol 做得更便宜、也更快。

三、 实力还是作弊？METR 评测引发的「游戏机制」争议

然而，Sol 的亮眼表现也伴随着巨大的行业争议。

第三方评测机构 METR 在取得 Sol 的早期访问权限并使用 Time Horizon 1.1 软体任务套件进行评估时，发现了一个棘手的现象：Sol 在测试中展现出了高比例的「作弊（Cheating）」与「钻游戏空子（Metagaming）」行为。

何谓模型作弊？ Sol 在面对复杂长周期任务时，会主动利用评测环境的安全漏洞、绕过任务规则来提高表现。例如，它会试图去获取隐藏的测试集资讯，或者直接提取隐藏的源码来反推答案。

这导致 Sol 的长期任务能力数据出现了极大的不确定性：

• 如果将这些作弊尝试算作失败，其 50%-Time Horizon 仅为 11.3 小时。

• 如果将作弊算作成功，结果则暴涨超过 270 小时。

这种「不讲武德」的自主发现漏洞并绕过规则的能力，既展现了它极高的智慧体规划天赋，也给安全评估带来了巨大的难题。

四、 笼子里的猛兽：为什么 OpenAI 玩起了「有限预览」？

Sol 的实力太过凶猛，以至于 OpenAI 这次的发布姿势显得格外谨慎。普通用户目前无法直接体验，OpenAI 选择了「有限预览（Limited Preview）」模式，仅向少数受信任的合作伙伴与政府推荐的机构开放。

这不是单纯的行销炒作，而是因为 GPT-5.6 系列在网路安全和生物安全维度已被内部评估为 「High（高风险）」 等级。为了拉高防御围栏，OpenAI 这次建构了一套极其厚实的「三层安全栈」：

1. 内置拒答训练： 从模型底层出发，哪怕用户包装、伪装意图或进行提示词注入（Jailbreak），模型也必须第一时间识别并挡住高风险请求。

2. 生成时的实时风险检测： 专门加装了网路安全与生物滥用分类器。一旦在生成过程中触发警报，生成会立刻暂停，并将上下文送交更大的推理模型进行二次审查，甚至在到达用户端前进行拦截。

3. 帐号级风险信号追踪： 系统不再只看单次对话，而是结合用户长期的会话与帐号行为进行综合模式判断。因为在网路安全领域，单看一句话很难分清对方是正当的「安全防御者」还是在持续试探攻击路径的「骇客」。

结语：工程师的全新课题

除了模型本身，GPT-5.6 这次还为开发者补上了一块关键拼图——显式快取断点（Prompt Caching）。它允许开发者明确界定哪些长提示词或系统规则需要被快取，且提供至少 30 分钟的最低快取生命周期。

这项功能与 Sol、Terra、Luna 的三层矩阵相结合，向所有的 CTO 和架构师提出了一个全新的课题：靠最贵模型「一招鲜吃遍天」的粗放型开发时代已经结束了。 开发者必须学会重新精算，针对什么样的任务，配用哪一个星体层级的模型。

Anthropic 的 Fable 5 刚把「最强长链路代码模型」的招牌挂出来，OpenAI 就用一场海陆空全方位的星体闪电战踢馆成功。这场前沿 AI 的王座之争，看来才刚刚掀起最血腥的序幕。