Back to blog
GPT-5.6 正式发布：Sol / Terra / Luna 三档家族，用更少 Token 刷新编程与知识工作
本站为独立第三方技术服务平台，提供多模型 API 聚合接入服务，与 Anthropic、OpenAI、Google 等模型提供商无任何关联、授权或合作关系。
OpenAI 在 2026 年 7 月 9 日结束限量预览，把 GPT-5.6 家族推到全量可用（GA），覆盖 ChatGPT、Codex 和 OpenAI API，全球分批放量、24 小时内铺满。这次不是单发一个模型，而是一代三档，还顺手改了命名规则。对天天调 API 的团队来说，值得花几分钟看清楚变化和怎么选。
核心要点
- 一代三档：旗舰 Sol、日常均衡档 Terra（性能对标上一代 GPT-5.5）、最快最省的 Luna。
- 命名换逻辑：数字（5.6）代表「代」，Sol / Terra / Luna 是长期沿用的能力档位名，各档可按自己的节奏迭代。
- 两个新推理模式：
max（比 xhigh 给更多思考时间）与ultra（默认并行协调 4 个子代理，部分场景可扩到 16 个）。 - 主打「每个 Token 更值钱」：官方强调同样预算做更多活，或同样效果花更少钱。
- 编程刷新 SOTA：Coding Agent Index（max）拿到 80 分；Terminal-Bench 2.1 标准 88.8%、ultra 91.9%。
- 定价公布（每百万 Token，输入/输出）：Sol $5 / $30、Terra $2.5 / $15、Luna $1 / $6。
- 缓存更可控：支持显式缓存断点，最短缓存存活 30 分钟。
详细解读
命名：数字管「代」，名字管「档」
过去版本号越堆越长，选型很费脑。GPT-5.6 换了思路——数字标代际，Sol / Terra / Luna 标能力层级，而且这三个名字会长期沿用：
- Sol：新旗舰，编程、知识工作、安全、科学全线拉满。Chat 里 Plus/Pro/Business/Enterprise 可用，Pro/Enterprise 还能选质量更高的 Sol Pro。
- Terra：均衡档，性能对标上一代 GPT-5.5，但成本更低。Codex/ChatGPT Work 的 Free/Go 用户默认就是它。
- Luna：最快、最便宜，适合高并发、延迟敏感的轻量场景。
心智成本明显下降：以后你只要认「Sol=当代旗舰、Terra=性价比、Luna=极速」即可。
max 与 ultra：两种「多想一会儿」
这一代最值得关注的是两个新推理模式，思路完全不同：
- max：给单条推理链比 xhigh 更多的时间去推理、探索备选方案、自查并修正。适合「一步错步步错」的硬核题。
- ultra：更激进——默认并行协调 4 个子代理，用更高的 Token 消耗换更强结果和更短的完成时间；在 BrowseComp、SEC-Bench Pro 等评测里还测了 16 个子代理的配置。官方数据显示，加并行子代理能把「分数—延迟」曲线整体往「更高分、更快」的方向推。Terminal-Bench 2.1 从标准的 88.8% 提到 ultra 的 91.9%，就是这套架构的功劳。
API 侧对应的是 Responses API 里的 Multi-agent（beta）——一次请求内跑并发子代理并合并结果；以及 Programmatic Tool Calling——模型自己写并运行程序去协调工具、过滤中间结果，减少 Token 和往返次数，且兼容零数据保留（ZDR）。
Benchmark：编程、知识工作、安全全线走强
摘几组官方公布的数字（均以 OpenAI 发布说明为准）：
-
编程：Artificial Analysis Coding Agent Index，Sol（max）拿到 80 的 SOTA；Terminal-Bench 2.1 Sol 88.8% / ultra 91.9%；DeepSWE、SWE-Bench Pro 同步走高。
-
长程 Agent 工作：Agents' Last Exam（覆盖 55 个专业领域的长流程任务），Sol 创下 53.6 新高。
-
知识工作 / 电脑操作：BrowseComp Sol 90.4% / ultra 92.2%（SOTA）；OSWorld 2.0 达 62.6%。
-
安全：ExploitBench 从上一代 47.9% 提到 73.5%；SEC-Bench Pro 71.2%；ExploitGym 在时限内峰值 33.7%。
-
科学 / 健康：GeneBench Pro、LifeSciBench、HealthBench Professional 等均较上一代有提升。
⚠️ 一句实话：benchmark 是厂商在自选口径下跑出来的，横向对比时口径未必完全一致。任何单一分数都别全信，以你自己业务场景的实测为准——这恰恰是多模型平台的价值：同一套代码换
model就能横向比。
设计与知识工作：从「生成」到「自检交付」
除了跑分，这代主打「更像能交付的协作者」。它的电脑操作能力更强，能检查并打磨已渲染的结果（不只是生成代码/内容），在交回前发现视觉和功能问题、做收尾。知识工作上，它能把 Slack、Notion、Microsoft 365、Google Drive 里零散的上下文，整理成可直接分享的演示、文档和表格，尤其擅长「照着模板/参考稿复现设计系统」。
对开发者意味着什么
- 选型更简单：认准三档，按任务复杂度和预算三选一。
- 成本结构可优化：把大规模、重复性 Agent 任务下沉到 Terra / Luna，硬核任务留给 Sol +
max/ultra，整体开销更可控。官方公布的定价（每百万 Token）为 Sol $5/$30、Terra $2.5/$15、Luna $1/$6，可据此估算不同档位的成本区间。 - 缓存能省钱：显式缓存断点 + 30 分钟最短缓存存活，长上下文、重复前缀场景值得利用；注意缓存写入按 1.25× 未缓存输入价计费，缓存读取仍享较大折扣。
- 别锁死单一模型：Sol 编程强，但不同模型在架构判断、规划品味上各有所长。稳妥做法是保留横向切换的能力，用真实任务投票，而不是信榜单。
在 Code0 上如何使用
GPT-5.6 是 OpenAI 侧的新模型。Code0 作为多模型聚合网关，测试通过后会第一时间跟进上架，具体可用的 Model ID 与状态以 console.code0.ai 控制台通知为准。
Code0 的核心是 OpenAI SDK 零改造兼容——现有代码基本只改一行 base_url，就能用同一个 Key 在 300+ 模型之间切换。上架后调用大致是这样（model 换成控制台标注的对应 ID 即可）：
from openai import OpenAI
client = OpenAI(
base_url="https://hk.code0.ai/v1",
api_key="sk-你的Key", # 在 console.code0.ai 获取
)
resp = client.chat.completions.create(
model="gpt-5.6-sol", # 以控制台标注的 Model ID 为准；也可换 gpt-5.6-terra / claude-opus-4-8 / gemini-3-pro / deepseek-v3
messages=[{"role": "user", "content": "帮我评审这段代码"}],
)
print(resp.choices[0].message.content)
想做「同题横向对比」也很简单——保持 messages 不变，循环换 model 字段即可，一个 Key 就能把 GPT-5.6 三档和 Claude、Gemini、DeepSeek 各跑一遍，用数据决定谁更适合你的场景：
for model in ["gpt-5.6-sol", "gpt-5.6-terra", "gpt-5.6-luna", "claude-opus-4-8"]:
resp = client.chat.completions.create(
model=model, # Model ID 以控制台为准
messages=[{"role": "user", "content": "同一道题"}],
)
print(model, "→", resp.choices[0].message.content[:80])
Code0 侧的计费与可用模型清单以 console.code0.ai 控制台为准，失败请求不计费，按量即用。
总结
GPT-5.6 把「一代三档 + 两种推理模式」摆上了台面：能力上编程、知识工作和安全是明牌强项，思路上更强调「每个 Token 更值钱」而非单纯堆分。对开发者来说，真正的红利不在某个 benchmark 数字，而在按任务分档、按预算切换的自由度。与其押注一个模型，不如保留横向对比的能力——用你自己的业务数据说话。
