# OpenAI论文揭示GPT-5.6三个Pro变体，打破单一顶级策略

- 来源：The Decoder：AI News（RSS）
- 作者：Maximilian Schreiner
- 发布时间：2026-07-01 18:03
- AIHOT 分数：70
- AIHOT 标记：精选
- AIHOT 链接：https://aihot.virxact.com/items/cmr1wzzsm02uosl8zop6s0sly
- 原文链接：https://the-decoder.com/openai-paper-reveals-three-gpt-5-6-pro-models-breaking-with-single-top-tier-strategy

## 精选理由

论文意外曝光 GPT-5.6 Pro 将有三个变体，Pro 不再只是一个最强模型，而是让用户按推理需求选版本，这才是匹配 200 美元月费该有的逻辑。

## AI 摘要

OpenAI论文首次列出GPT-5.6的三个Pro变体：Luna Pro、Terra Pro和Sol Pro，取代以往单一Pro模式。在基因组学基准中，Sol Pro通过率31.5%居60个测试模型之首，领先标准Sol（28.7%）和Claude Opus 4.8（16.0%）。Pro相比标准版本提升逐级递减：Luna Pro提升7.1个百分点（16.5%→23.6%），Terra Pro提升5.2（23.3%→28.5%），Sol Pro仅提升2.8（28.7%→31.5%）。Terra Pro（28.5%）几乎与标准Sol（28.7%）持平。论文未披露Pro运行的token用量，也不清楚该分层是否会在ChatGPT中实际推出。

## 正文

核心要点

OpenAI 一篇论文首次列出了 GPT-5.6 的三种 Pro 模型：Luna Pro、Terra Pro 和 Sol Pro。此前，Pro 始终是单一顶级模型。

Pro 用户或许很快就能在速度、吞吐量和最大推理能力之间做出选择。

该论文并未说明这一产品线是否真的会在 ChatGPT 中上线，且 Pro 运行的 token 用量仍未披露。

OpenAI 的一篇基准测试论文表明，GPT-5.6 的 Pro 层级可能以三种变体形式推出。这将是自该计划启动以来 ChatGPT Pro 结构的首次重大变革。

OpenAI 于 6 月下旬正式发布了 GPT-5.6 代模型，将其分为三个型号。Sol 负责处理最困难的任务，Terra 面向高负载商业场景，Luna 则覆盖更快、更便宜的日常查询。Pro 变体并未包含在当时的发布公告中。

如今，OpenAI 一篇关于基因组学基准测试的新论文首次揭示了 Pro 模型。结果表格中包含了“GPT-5.6 Luna Pro”、“Terra Pro”和“Sol Pro”的行，每行均标注为“Pro（扩展）”运行。

Pro 不再只是单一顶级模型

在该基准测试中，Sol Pro 的通过率达到 31.5%，成为全部 60 个测试模型中最强的一个。它击败了标准版 Sol 的 28.7%，以及非 GPT 模型中的最佳成绩——Claude Opus 4.8 的 16.0%。通过率衡量的是模型完整完成多步骤分析且无错误、并得出正确最终答案的频率。

此前，ChatGPT Pro 仅仅是可用的单一最佳模型，比所有其他模型高出一个层级。该论文表明这一情况正在改变。它列出了三种并行的 Pro 变体，与标准 GPT-5.6 产品线相对应：一个快速型、一个高吞吐量型，以及一个最大性能型。

将每个标准层级在其最高推理设置（“max”）下与其 Pro 变体进行比较，可以看出性能提升的效果。所有数值均为完整 129 项任务套件的通过率：

在这种情况下，Pro 版本的性能提升会随着等级升高而递减。Luna Pro 相比标准版提升了整整七个百分点，而 Sol Pro 的提升则不到三个百分点。额外的算力对较低层级模型的提升更为显著：Terra Pro 达到了 28.5%，几乎与标准版 Sol 的 28.7% 持平，这意味着高容量的 Pro 版本性能几乎与最好的标准旗舰型号相当。

与 Pro 一贯的运作方式截然不同

这种分层模式将是自 ChatGPT Pro 推出以来，Pro 产品首次出现的重大变化。Pro 不再只是一个昂贵的高端层级，而是可能演变成一个包含三个模型的系列，用户可以根据手头任务在速度、吞吐量和最大推理能力之间进行选择。

这篇论文并未明确说明这种分层结构是否真的会出现在 ChatGPT 中。目前，这些名称仅来自基准测试表格。

还有一个细节被隐藏了。对于标准版 GPT 模型，论文报告了平均 token 使用量，作为计算成本的一个粗略指标——Sol 在最高设置下约为 33,200 个 token。而对于 Pro 版本的运行，这个数字是缺失的。作者表示没有可比的 token 核算数据，但更可能的解释是，OpenAI 根本不想分享这些数字。