# OpenAI 预览新一代模型 GPT-5.6 Sol - 来源：OpenAI：官网动态（RSS · 排除企业/客户案例） - 发布时间：2026-06-26 18:00 - AIHOT 分数：78 - AIHOT 标记：精选 - AIHOT 链接：https://aihot.virxact.com/items/cmqv6ikhu0ah8sl80m2p7v2m4 - 原文链接：https://openai.com/index/previewing-gpt-5-6-sol ## 精选理由 GPT-5.6 Sol 不是一次常规升级，它把推理推到新高度，还引入了子代理模式。但美国政府要求有限预览，让这次发布多了点政治味道。 ## AI 摘要 OpenAI 发布了新一代模型 GPT-5.6 Sol 的预览信息。该模型被定位为下一代模型，目前仅公开了预览消息和标题，尚未披露具体技术细节、性能参数或功能特性。 ## 正文 我们开始对 GPT‑5.6 系列进行有限预览：Sol，我们的旗舰模型；Terra，适用于日常工作的均衡模型；以及 Luna，一款快速且经济的模型。Terra 的性能与 GPT‑5.5 相当，但成本降低 2 倍，而 Luna 则以我们最低的成本提供了强大的能力。 GPT‑5.6 Sol 搭载了我们迄今为止最强大的安全堆栈。我们加强了对高风险活动、敏感网络请求和反复滥用的防护，并花费数周时间寻找弱点、对我们的系统进行压力测试，并使其能够抵御真实世界的攻击。 我们坚信广泛的可及性，并计划在未来几周内全面开放 GPT‑5.6 Sol、Terra 和 Luna。作为我们与美国政府持续沟通的一部分，我们在今天发布前预览了我们的计划及模型能力。应其要求，我们首先向一小部分值得信赖的合作伙伴开放有限预览，这些合作伙伴的参与情况已与政府共享，之后再进行更广泛的发布。在此预览期间，我们将继续测试并与合作伙伴密切协调，以推进更广泛的可及性。我们认为这种政府接入流程不应成为长期的默认模式。它使得最优秀的工具无法被需要它们的用户、开发者、企业、网络防御者和全球合作伙伴所使用。我们采取这一短期步骤，是因为我们认为这是在未来几周内实现更广泛可及性的最有力途径，同时我们将与政府合作制定网络安全行政令框架，并为未来的模型发布建立一个可重复的流程。 能力 GPT‑5.6 Sol 是我们迄今为止最强的模型。为预览模型性能，我们分享了一系列评估结果，展示了在编程、生物学和网络安全方面增强的智能体能力，更多安全性和准备度评估可在我们的系统卡中查看。当模型全面开放时，我们将公布更全面的评估结果。 通过 GPT‑5.6，我们引入了一种新的最大推理努力机制，让 Sol 拥有最充足的时间进行深度推理。此外，我们还推出了一种新的超级模式，该模式通过利用子智能体来加速复杂工作，从而超越了单一智能体的能力范围。 在编码工作流方面，GPT‑5.6 Sol 在 Terminal‑Bench 2.1 上树立了新的行业标杆，该基准测试考察的是需要规划、迭代和工具协调的命令行工作流。 TerminalBench 2.1 GPT‑5.6 Sol 在生物学工作流方面也展现出广泛的改进。在评估长周期基因组学和定量生物学分析的 GeneBench v1 上，它在使用更少模型 token 的情况下取得了比 GPT‑5.5 更强的结果。 GPT‑5.6 Sol 是我们迄今为止在网络安全领域能力最强的模型。它改变了长周期安全任务（包括漏洞研究和漏洞利用）的性能-效率边界。在 ExploitBench² 上，GPT‑5.6 Sol 仅使用约 1/3 的输出 token 就达到了与 Mythos Preview 相当的水平。在 ExploitGym³（一个由 UC Berkeley 研究人员与 OpenAI 及其他前沿实验室合作创建的基准测试）上，随着我们增加推理能力，GPT‑5.6 Sol、Terra 和 Luna 模型在网络能力方面均展现出强劲提升。 更强的网络能力，配合更强的安全防护 我们开发 GPT‑5.6 Sol、Terra 和 Luna 时，采用了迄今为止最强大的安全防护措施，并根据每个模型的能力进行了相应配置。随着模型能力增强，我们设计的安全防护措施能够更好地抵御现实世界中的对抗性压力，同时保留对代码审查、漏洞研究、补丁开发、调试、安全教育及防御性测试等合法工作的访问权限。我们的目标是让被禁止的攻击性活动变得更困难、更不确定、更易被检测，同时不对那些有益的用途施加不必要的限制。根据我们对模型及安全防护措施的评估，我们预计其将为合法的防御性工作带来巨大益处，同时有效约束被禁止的攻击性用途。 GPT‑5.6 Sol 在帮助人们发现和修复漏洞方面，比可靠地执行端到端攻击更为出色。随着这些能力持续提升，我们的首要任务是确保这些工具能够惠及防御者，他们可以利用这些工具发现弱点、开发补丁，并在更广泛的范围内强化系统。 根据我们的准备框架，GPT‑5.6 Sol 并未跨越网络关键阈值。在涉及 Chromium 和 Firefox 的评估中，它识别出了漏洞和利用原语——即构成漏洞利用的基本模块——但在测试条件下并未自主生成一个功能完整的全链漏洞利用。尽管如此，基准测试的阈值无法涵盖模型可能被使用或与其他工具结合的所有方式。正是这种不确定性，加上模型在能力上的整体阶跃式提升，促使我们将模型增强的能力与更强大的安全防护措施及分阶段发布相结合。我们在 GPT‑5.6 预览版系统卡中分享了关于安全防护措施的更多细节。 分层安全防护体系 没有任何单一的安全防护措施足以应对蓄意或适应性的滥用。在 GPT‑5.6 预览版中，我们采用了分层安全防护，其具体配置因模型而异，并针对现实世界的攻击进行了压力测试。这些措施包括：内置于模型中的防护训练、生成过程中的实时检查、账户级别的信号、差异化访问权限、监控、执行以及持续测试。 GPT‑5.6 经过训练，会拒绝提供被禁止的网络协助，包括当用户试图伪装其意图或对模型进行越狱攻击时。这些模型级别的安全防护措施，为模型应提供和不应提供的协助划定了第一道边界。 实时的网络和生物滥用分类器通过评估正在生成的输出来提供另一层防护。对于风险较高的案例，如果检测到潜在的违规行为，生成过程可能会暂停，同时由一个更强大的推理模型来审查对话及其上下文。如果输出被判定为不允许，它将在到达用户之前被拦截。 被标记的活动还可能触发跨相关对话和风险信号的账户级审查，这与我们在内容留存和审查方面的条款与政策保持一致。通过超越单一对话的视角，我们的系统能够将持续的恶意行为与合法的双重用途安全工作区分开来——在这些工作中，相似的技术概念可能出现在截然不同的语境中。 这些层级共同作用，使得整体方法比任何单一防护措施都更加稳健。模型行为降低了有害回复的可能性，实时系统可以在生成过程中进行干预，账户级审查能够识别更广泛的模式，而差异化访问则在默认情况下不广泛开放最敏感能力的同时，保留了重要的防御性工作。 尤其是在预览期间，用户可能会遇到阻止或拒绝某些请求的防护措施。其他请求可能需要更长时间，因为生成过程会暂停以进行额外审查。防护措施有时可能会对合法工作造成干预，尤其是在双重用途领域，防御性和攻击性活动最初可能看起来相似。 这正是预览版旨在测试的一部分。我们不仅希望了解防护措施能否限制滥用行为，还希望了解合法用户是否仍能可靠且高效地完成正常工作。预览期间的反馈将帮助我们减少不必要的拦截和延迟，改进防护措施对上下文的解读方式，并在更广泛发布前创造更流畅的体验。 我们还在与企业客户合作，探索更长期的方案——包括隐私保护检测、客户运营的安全控制，以及根据客户、用户或工作负载的风险进行校准的访问权限——在支持企业隐私要求的同时推进安全性。 通过自动化红队测试提升鲁棒性 当攻击者调整其策略时，防护措施也需要保持有效。仅能应对一组固定已知攻击的保护措施，对于前沿模型来说是不够鲁棒的。 正因如此，我们在安全方面投入了比以往更多的智能和算力，利用我们自己的模型来更快地发现弱点并改进防护措施。我们投入了超过 70 万 A100 等效 GPU 小时用于自动化红队测试，目标是寻找通用越狱方法：即那些能在多种提示词或上下文中生效的攻击，而不仅仅局限于单一场景。专注于这些更困难、更通用的攻击，使我们能够超越一组固定的已知故障来测试安全防护措施。这也让我们能够探索比单纯人工测试多得多的攻击模式，更早地识别故障模式，并缩短从发现弱点到解决弱点之间的路径。 除了自动化红队测试，我们还与第三方测试人员合作，开展了广泛的人类专家红队测试，这项工作将在预览期间持续进行。人工红队测试通过让富有创造力的专家尝试以我们系统可能无法预料的方式滥用模型来测试安全防护措施，从而对自动化工作形成补充。 没有任何评估能够代表每一种产品配置、多步骤攻击或真实世界的工作流程。因此，我们维护着一个快速响应流程，用于复现、评估、确定优先级并修复新发现的越狱方法，然后将它们纳入我们正在进行的评估中，以便将来能够针对类似的故障进行测试。 可用性与定价 在预览期间，GPT‑5.6 模型最初将通过 API 和 Codex 提供给经过筛选的受信任合作伙伴和组织。我们计划很快将其更广泛地提供给使用 ChatGPT、Codex 和 API 的用户。 在这个随 GPT‑5.6 引入的新命名体系中，数字标识模型的代际，而 Sol、Terra 和 Luna 则标识可持续的能力层级，这些层级可以按照各自的节奏演进。整个系列共同为用户和开发者提供了在智能、速度和成本之间更清晰的选择。 GPT‑5.6 按每百万 token 计费，共分三个模型规格：Sol 为 5 美元输入 / 30 美元输出；Terra 为 2.50 美元输入 / 15 美元输出；Luna 为 1 美元输入 / 6 美元输出。GPT‑5.6 还引入了更可预测的提示词缓存机制，包括支持显式缓存断点以及至少 30 分钟的缓存存活时间。对于 GPT‑5.6 及后续模型，缓存写入按模型未缓存输入价格的 1.25 倍计费，而缓存读取则继续享受 90% 的缓存输入折扣。 我们还将于七月在 Cerebras 平台上推出 GPT‑5.6 Sol，速度可达每秒 750 token，以前所未有的速度将前沿智能带给客户。初期仅限特定客户使用，待我们扩展容量后逐步开放。 我们非常期待继续从本次预览阶段中学习，并尽快将 GPT‑5.6 Sol、Terra 和 Luna 带给更多用户。 我们通过观察模型的线上生产行为并结合离线模拟来估算延迟和 API 成本。这些估算考虑了工具调用细节、采样 token 以及输入 token。实际结果可能存在较大差异，并取决于模拟中未涵盖的诸多因素。我们以快速 API 速度模拟延迟，并以常规 API 定价模拟成本。 所有模型均使用 ExploitBench API 测试框架进行评估，采用 5 个随机种子并保持推理连续性。 我们在 alpha API 上运行了 ExploitGym，该接口的响应速度比我们的公开 API 更快，随后按比例调整以匹配公开 API 的速度。在将延迟按比例调整至公开 API 的预期速度时，部分估算延迟会超过 2 小时和 6 小时的时限，尽管在评估运行中实际严格遵守了这些时限。对于时间敏感型工作，我们提供 API 中的优先处理以及 Codex 中的快速模式，以获得更快的速度。 未报告输出 token、延迟或成本的模型以水平虚线绘制。