GPT-5.6 Sol 发布，ChatGPT Work 同步上线

1. OpenAI 发布 GPT-5.6 Sol/Terra/Luna 三款模型

7 月 9 日，OpenAI 正式发布 GPT-5.6 系列模型，包括 Sol（旗舰，最高推理能力上限）、Terra（均衡中档）和 Luna（最快/最便宜高吞吐量）三个版本，同步在 ChatGPT、Codex 和 API 上线。伴随模型发布，OpenAI 还推出了三款重磅产品：ChatGPT Work（知识工作智能体，可跨应用/文件操作并持续数小时跟随项目）、全新 ChatGPT 桌面应用（合并了 Codex 编码能力，支持浏览器集成和 Chrome 扩展）、以及 Sites（将输出转化为可分享网页的 Beta 功能）。

Sol, Terra, and Luna, our GPT‑5.6 family of models, are starting to roll out now in ChatGPT, Codex, and the API.
— @OpenAI

Sol、Terra 和 Luna，即我们的 GPT-5.6 模型家族，现已开始在 ChatGPT、Codex 和 API 中逐步上线。

5.6 livestream going now. in addition to the model, 3 major product things. 1. ChatGPT Work--really big deal! 2. new ChatGPT desktop app 3. hosted sites
— @sama

5.6 直播正在进行中。除了模型之外，还有三件重要的产品：1. ChatGPT Work——非常重磅！2. 全新 ChatGPT 桌面应用 3. 托管站点功能

ChatGPT Plus/Pro/Business/Enterprise 用户可通过中等及以上推理强度（effort）访问 GPT-5.6 Sol，Pro 和 Enterprise 用户还可使用 GPT-5.6 Pro 获取最高质量结果。

2. GPT-5.6 定价维持 GPT-5.5 同价，首次引入缓存写入计费

OpenAI 明确将本次发布定位为"性价比之战"。Sam Altman 表示 GPT-5.6 Sol 是"单任务单位成本"的巨大进步。API 定价方面：Sol 为 $5/$30（每百万输入/输出 token）、Terra 为 $2.5/$15、Luna 为 $1/$6。OpenAI 首次引入了缓存写入定价：缓存写入按输入 token 价格的 1.25 倍收费，缓存读取维持 90% 折扣。

we have heard enterprises on their concerns about AI costs, and 5.6 sol is a huge step forward for dollars-per-task, as are terra and luna
— @sama

我们听到了企业客户对 AI 成本的担忧，5.6 Sol 在单任务成本方面迈出了一大步，Terra 和 Luna 也是如此。

Artificial Analysis 的实测数据进一步验证了成本优势：GPT-5.6 Sol（max 推理）在 Intelligence Index 上每任务成本仅 $1.04，约为 Claude Fable 5 的三分之一。Terra 和 Luna 分别仅需 $0.55 和 $0.21。

3. 基准测试全面开花：编码 Agent 评测领跑

GPT-5.6 在多项第三方基准测试中表现突出。Artificial Analysis 的编码智能体指数（Coding Agent Index）中，Sol 以 80 分领跑全部三个评测（DeepSWE、Terminal-Bench v2、SWE-Atlas-QnA，后者与 Grok 4.5 并列）。另一方面，AA Intelligence Index 上 Sol 以 59 分位居第二，仅次于 Claude Fable 5。

GPT-5.6 Sol comes close second to Claude Fable 5 in the Artificial Analysis Intelligence Index at one third of the cost, and leads the Artificial Analysis Coding Agent Index in OpenAI's Codex harness. GPT-5.6 Sol (max) leads the Artificial Analysis Coding Agent Index at 80 points. One third of the cost of Claude Fable 5: On max reasoning effort, GPT-5.6 Sol costs $1.04 per task.
— @ArtificialAnlys

GPT-5.6 Sol 在 Artificial Analysis 智能指数中以三分之一的成本接近 Claude Fable 5，并在 Codex 智能体框架下领跑编码 Agent 指数。Sol（max）在编码 Agent 指数中达到 80 分。在最大推理强度下，Sol 每任务成本仅 $1.04。

其他亮点包括：ARC Prize 确认 Sol 在 ARC-AGI-3 上取得 7.8% 的新 SOTA（首个攻克 ARC-AGI-3 游戏的前沿模型，前纪录 Opus 4.8 仅 1.5%）；CursorBench 得分 67.2%；Cognition 的 FrontierCode 1.1 Extended 显示 Sol 以近一半成本实现顶级性能；Vals 则指出 Sol 在 CyberBench、Excel Modeling、Legal Research、ProofBench、SWE-bench 和 Terminal-Bench 2.1 六个专项评测中均排名第一。FrontierMath T4 v2 修正后得分为 83%。

4. GPT-5.6 存在严重安全漏洞：UK AISI 发现通用越狱

本发布最令人担忧的安全发现来自英国 AI 安全研究所（UK AISI）。测试人员发现 GPT-5.6 Sol 存在通用越狱漏洞，可使模型在漏洞发现和漏洞利用开发等领域完成长时间智能体任务。

At @AISecurityInst, we tested the cybersecurity safeguards on GPT-5.6 Sol. In all rounds of testing, we found universal jailbreaks that allowed for long-form agentic task completion in domains like vulnerability discovery and exploit development.
— @alxndrdavies

我们在 AISI 测试了 GPT-5.6 Sol 的网络安全防护措施。在所有测试轮次中，我们均发现了通用越狱漏洞，使得模型能够在漏洞发现和漏洞利用开发等领域完成长时间的智能体任务。

这一发现引发了轩然大波。研究员 @EthanJPerez 将此称为"有史以来任何模型发布中最高风险的安全问题"。OpenAI 官方承认 GPT-5.6 是其"在网络和生物相关任务上能力最强的模型"，并警告某些 API 调用可能在中间环节被阻止或暂停以进行额外审核。值得注意的是，@yonashav 赞扬 OpenAI 允许第三方在发布前公布对其不利的安全发现。

5. "Sol 自主后训练 Luna"争议：能力展示还是营销表述？

本次发布最具讨论度的声明是"GPT-5.6 Sol 自主完成 Luna 的后训练"。该说法被 @scaling01、@dejavucoder、@tejalpatwardhan 等人广泛传播，成为发布会的标志性金句。

然而社区随即出现辩论。@nikolaj2030 质疑实际范围可能远比字面意义窄：Sol 可能只是编辑了配置文件、启动了已有的训练流程，而非执行端到端的完整后训练。@nrehiew_ 也呼应了这种更窄的解读。即使按照窄解读，这仍然指向了一个不可逆转的趋势：模型辅助模型开发正从实验室趣闻走向发布营销。

6. Meta 发布 Muse Spark 1.1 + 首个 Meta Model API

7 月 8 日，Meta 发布 Muse Spark 1.1，并首次推出托管式 Meta Model API。官方宣称在智能体、编码、多模态和计算机使用方面性能提升，支持 100 万 token 上下文、包括视频理解在内的多模态能力。API 定价约为 $1.25/百万输入 token 和 $4.25/百万输出 token。第三方评测反馈褒贬不一：在 Harvey Legal Bench、TaxEval 和 MedScribe 等专业评测中表现强劲，但在某些编码/网络评测中弱于 Grok 4.5 和 Claude。多位评测者认为其真正的亮点是价格/性能比——据称是"最便宜的前沿智能体模型"，成本仅为 Fable 和 GPT-5.5 的约十分之一。

7. Grok 4.5 正式发布，以成本优势切入编码赛道

xAI 同步推出 Grok 4.5，定位编码、智能体工作流和技术知识工作场景。该模型使用数万颗 NVIDIA GB300 GPU 训练，定价 $2/$6（每百万输入/输出 token），在 SWE-Bench Pro 上平均仅消耗约 15.9k 输出 token，对比 Opus 4.8 的约 67k 显示出显著的 token 效率优势。Artificial Analysis 的编码智能体指数显示，Grok 4.5 在 Grok Build 框架下与 Codex GPT-5.5 xhigh 编码性能相当，而每任务成本仅为其约一半。Arena 将 Grok 4.5 排在 Code Arena: Frontend 第三位。社区反馈中，价格和效率被认为是最大卖点，但品牌信任和欧盟区域可用性仍是障碍。

8. Anthropic 回应：Fable 5 多智能体架构 96% 性能 46% 成本

Anthropic 公布了多智能体编排方案：以 Fable 5 作为协调器、Sonnet 5 作为执行器，在 BrowseComp 上实现全 Fable 性能的 96%（86.8% vs 90.8% 准确率），成本仅需 46%（$18.53 vs $40.56/问题）。SWE-bench Pro 上 Sonnet 5 在 Fable 5 指导下达标约 92% 性能、约 63% 成本。社区开发者已将这一模式打包为 pilotfish 开源方案，定义 Fable 5 负责意图/架构/风险评估，Opus 处理复杂实现/安全审查，Sonnet 执行常规编码任务，Haiku 负责仓库发现和日志验证。同时 Anthropic 还推出三项认证（Claude Certified Associate、Developer、Architect），并重置了 5 小时和周用量限额。

9. MiniMax 计划发布 2.7T 参数开源模型

据 The Information 报道，中国公司 MiniMax 计划最早在 Q3 发布代号为 M3 Pro 的下一代大模型，参数规模达 2.7 万亿，约为当前 M3（428B）的 6.3 倍。目标提升复杂推理和 multi-step 指令/任务处理能力。虽然消费级硬件无法本地运行，但社区认为开源权重可让云服务商以更低成本提供 API 接入——无需支付闭源模型授权费即可部署竞争性模型。业界将此视为对 DeepSeek 路径的跟进，同时期待 MiniMax 能像 DeepSeek 一样提供小型蒸馏版本以便社区实验。此外，围绕 GLM-5.2 的媒体恐慌报道引发社区反弹——Futurism 一篇声称该模型可在"几乎任何硬件"上运行、构成网络安全威胁的文章被批评为技术错误和危言耸听。

10. Ollama 宣布融资，全球 900 万+活跃构建者

Ollama 宣布新一轮融资并披露最新数据：平台已服务 900 万+活跃构建者，拥有 67K 集成，据称已进入 85% 的财富 500 强企业。Ollama 将自身定位为开源 AI 的"所有权层"，为企业和开发者提供本地化模型部署能力。与此同时，语言模型开源社区出现了显著的政策忧虑——@AndrewYNg、@Dan_Jeffries1 等人警告美国可能出台类似"准许可"式的模型审查制度，威胁开源模型生态。在技术基础设施建设方面，哈利用推理框架优化成为焦点：一篇论文指出仅通过"更换编排框架"即可将混合每任务成本降低 41%、每任务 token 消耗降低 38%、中位墙钟时间降低 44%，凸显了模型之外的系统设计价值。

本期覆盖 12 个 subreddit、544 个 Twitter 账号，筛选 10 个最重要事件。AI 世界在 2026 年 7 月 8-9 日迎来了竞争最激烈的 48 小时：三家前沿实验室在同一天发布新模型/产品，性价比取代单一基准测试分数成为核心战场。

本作品采用《CC 协议》，转载必须注明作者和本文链接