5.6
深览指数
科技Bestblogs·Simon Willison··AI 生成
全新 GPT-5.6 系列：Luna、Terra、Sol
OpenAI 发布 GPT-5.6 系列三个模型 Luna、Terra、Sol，并公布定价与基准测试结果。在长时间运行智能体测试 Agents' Last Exam 中，最大模型 Sol 得分 53.6，超越 Claude Fable 5 的 40.5 分，同时成本仅为后者的约四分之一。文章还介绍了程序化工具调用、多智能体编排等新 API 功能，并指出 SWE-Bench Pro 基准测试中约 30% 的任务存在问题。适合关注 AI 模型能力对比与开发者工具的读者。原文 ↗
核心观点
- ▍GPT-5.6 Sol 在长时间运行智能体基准测试中全面超越 Claude Fable 5，且在成本效率上优势明显，但并非在所有基准测试中都领先。
- 01GPT-5.6 Sol 在 Agents' Last Exam 中获得 53.6 分，比 Claude Fable 5 的 40.5 分高出 13.1 分。
- 02GPT-5.6 Sol 输入/输出每百万 token 定价为 5/30 美元，而 Claude Fable 5 为 15/75 美元，成本约为后者的四分之一。
- 03在 SWE-Bench Pro 基准测试中，Claude Fable 5 得分为 80%，而 GPT-5.6 Sol 为 64.6%。
- 04OpenAI 指出约 30% 的 SWE-Bench Pro 任务存在问题，并建议模型开发者仔细审视基准测试结果。
- 05新 API 功能包括程序化工具调用、多智能体编排、提示缓存断点以及可调节的图像细节级别。
- 06不同模型规模定价分层：Luna 输入/输出每百万 token 1/6 美元，Terra 2.5/15 美元，Sol 5/30 美元。
反方 / 局限
- — 仅凭 token 成本不足以评估实际使用成本，因为推理 token 数量在不同模型间差异很大。
4 分钟 · 4 卡片 · 9 资料
读原文 →