OpenAI Releases GPT-5.6 (Sol, Terra, Luna): A Three-Tier Model Family With Programmatic Tool Calling in the Responses API

OpenAI 於今日正式將 GPT-5.6 系列模型全面開放使用，結束了先前的限量預覽階段。此次推出的並非單一模型，而是一個由三個不同定位的版本組成的家族：旗艦級 Sol、日常平衡款 Terra，以及最高成本效益的 Luna。這三個模型涵蓋從輕量到高強度運算的多種應用場景，並在 Responses API 中首次引入程式化工具呼叫（Programmatic Tool Calling）與多代理（multi-agent）測試功能。 價格方面，GPT-5.6 系列按每百萬個 tokens 計費，三款模型各有不同定價。Sol 的輸入價格為 5 美元、輸出價格為 30 美元；Terra 為輸入 2.5 美元、輸出 15 美元；Luna 則最為經濟，輸入僅需 1 美元、輸出 6 美元。在 ChatGPT 介面中，Plus、Pro、Business 與 Enterprise 用戶可存取 Sol，並可選擇中等或更高 effort 設定；Pro 與 Enterprise 用戶還可進一步選用 GPT-5.6 Sol Pro。在 ChatGPT Work 與 Codex 環境中，免費與 Go 等級用戶預設使用 Terra，而付費用戶則可在三個模型間自由切換，並為每個模型單獨設定 effort 等級。所有具備 GPT-5.6 存取權限的用戶都能在設定中啟用最高 effort 的 max 模式。API 端則完整開放三個模型的所有功能。 效能表現是 GPT-5.6 最受矚目的焦點。在 Artificial Analysis Coding Agent Index v1.1 上，Sol 在 max reasoning 模式下獲得 80 分，比 Anthropic 的 Claude Fable 5 高出 2.8 分，且 OpenAI 表示 Sol 僅用了不到一半的輸出 tokens 與不到一半的時間達到此成績。在 Terminal-Bench 2.1 與 DeepSWE 兩項基準測試中，Sol 創下了新的業界最佳紀錄。當啟用 ultra 模式（平行運行四個代理）時，Sol 可將 Terminal-Bench 2.1 分數從 88.8% 進一步提升至 91.9%。另外，Sol 在 BrowseComp 上達到 90.4%，而在 OSWorld 2.0 則拿下 62.6%，超越 Claude Opus 4.8 的 54.8%，同時使用的輸出 tokens 減少了 85%。 OpenAI 也公布了 Sol 在 Agents' Last Exam 上的成績，該測試橫跨 55 個領域評估長期專業工作流程。OpenAI 報告 Sol 創下 53.6 的新高，比 Claude Fable 5（自適應推理）高出 13.1 分；不過官方評估表格中 Sol 列為 52.7%，而 Fable 5 為 40.5%，兩者差距同樣為 13.1 分，但 Sol 的數字略有出入，OpenAI 並未說明哪個配置產生 53.6 的結果。整體來說，GPT-5.6 Sol 在多項指標上展現了強勁的競爭力，尤其在需要密集推理與工具使用的程式碼生成任務上表現突出。 儘管 Sol 在多個領域取得領先，仍有四個主要缺口值得關注。首先是軟體工程評估 SWE-Bench Pro，Sol 得分 64.6%，而 Claude Mythos 5 高達 80.3%、Claude Fable 5 也達 80%，落後約 15 個百分點，這是一個被廣泛關注的程式碼評估項目。其次，在廣泛的智慧與知識工作方面，Claude Fable 5 於 Artificial Analysis Intelligence Index v4.1 上以 59.9 分小幅領先 Sol 的 58.9 分；在 GDPval-AA v2 Elo 評分中 Fable 5 也領先約 12 分；在 HealthBench Professional 上，Fable 5 獲得 60.9%，Sol 為 60.5%。第三，在工具使用測試 Toolathlon 中，Sol 的 58% 落後於 Fable 5 的 61.7% 與 Opus 4.8 的 59.9%，且值得注意的是，Luna 在此項目上反而超越了 Terra，打亂了原本的層級順序。最後，長上下文處理能力方面，Luna 在 OpenAI MRCR v2 的 8-needle 測試中表現較弱，無論在 256K–512K 或 512K–1M 範圍內都僅有 41.3%；Sol 在 512K–1M 下為 73.8%，略低於 GPT-5.5 的 74%。 GPT-5.6 系列還帶來了多項基礎設施更新。Responses API 中新增了程式化工具呼叫功能，允許模型在隔離的 V8 執行環境中執行 JavaScript 程式碼，且無網路存取權限，提升安全性。同時，多代理測試版也在同一 API 中開放，ultra 模式即為此功能之一。提示快取（Prompt caching）機制也有所調整：GPT-5.6 支援明確的快取斷點，並設有 30 分鐘的最短快取生命週期；快取寫入將以模型未快取輸入費率的 1.25 倍計費，而快取讀取則繼續享有 90% 的折扣。 綜合來看，GPT-5.6 以三層級策略進攻不同市場：Sol 瞄準高強度編碼與複雜推理任務，Terra 服務日常開發與一般應用，Luna 則為成本敏感場景提供輕量方案。然而，其在 SWE-Bench Pro 與部分知識工作基準上的落後，顯示與 Anthropic 的 Claude 系列仍有差距。OpenAI 希望透過程式化工具呼叫與多代理協作等新功能，吸引開發者選用 Responses API 打造更自動化的 AI 工作流程。隨著模型正式上線，外界也將持續關注其在實際應用中的表現。