从 GPT-5.5 到 5.6，这次不是换引擎，是换变速箱！

7 月 10 日，OpenAI 正式发布 GPT-5.6。Hacker News 1369 分、943 条评论，是本周全球 AI 圈最大的事。

和 6 月底的预览版不同，这次是全量上线：ChatGPT、Codex、API 三端同时开放，三档模型齐发。但名字变了，不再是"5.5-Pro"这种直白编号，而是 Sol、Terra、Luna 三颗星球。

先说定价，对照 GPT-5.5 的 API 价格，Terra 基本持平，但性能更强。HN 用户 simianwords 的评论一针见血："GPT Terra 比 5.5 便宜 50%，性能还更强，等于白送了 50% 的折扣。"

【基准测试：漂亮数字背后的三个问题】

OpenAI 官方放出了一堆基准测试，挑几个关键的：

Agents' Last Exam（55 个专业领域长程工作流评测）：Sol 拿了 53.6 分，超过 Claude Fable 5（adaptive reasoning）13.1 分。OpenAI 特别强调，即使 Sol 用 medium reasoning effort，也比 Fable 5 高 11.4 分，成本只有四分之一。

ARC-AGI-3：Sol 拿了 7.8%，是首个通过此测试的前沿模型。虽然 7.8% 听着不高，但这是 ARC Prize 组织的官方验证，之前所有模型都是零。

Artificial Analysis Coding Agent Index：Sol 拿了 80 分，比 Fable 高 2.8 分，输出 token 少一半，时间短一半，成本低三分之一。

SWE-Bench Pro：Sol 64.6%，低于 Fable 的 80% 和 Opus 4.8 的 69.2%。这是 OpenAI 自己页面上的数据。

【三个问题】

问题一：Fable 在 GeneBench 和 LifeSciBench 里被排除了，理由是"拒答率太高"。 HN 用户 eig 指出，OpenAI 在这两个基准上没有纳入 Fable 5，因为"Fable 不回答高级生物问题，并且拒绝大部分评测问题"。这算什么？排除对手再宣布胜利？这招不是第一次用了。

问题二：SWE-Bench Pro 编码基准上 Sol 只有 64.6%。 用户 gozucito 贴了数据：Sol 64.6%，Fable 80%，Opus 69.2%。在编程这个核心场景里，Sol 连上一代 Opus 都没跑赢，更别说 Fable 了。但 OpenAI 的宣传页把这个数据放在了很不起眼的位置。

问题三：Sol Ultra 是个 token 焚烧炉。 用户 EugeneOZ 报告：Sol Ultra 完成一个任务后自作主张开始"审查"，吞了 19.5M + 11.9M token，而任务本身不到 5M。另一位用户 gorgmah 报告 Terra Ultra 在 10 分钟内烧完了他 5 小时的额度窗口。

【九百条评论里最值得看的】

翻完 943 条评论，以下几条信息最有看头：

安全围栏比 Fable 还严。 多位开发者报告 Sol 在编程任务中频繁触发安全检查。用户 tekacs 说："在长程 agent 使用中，我反复撞上安全围栏，比 Fable 还多。我不确定我的代码库里什么在触发它。"用户 cmrdporcupine 在用 Sol 写 CUDA kernel 基准测试时遇到了额外的安全审查延迟。但做安全研究的用户 bryceneal 明确表示 5.5 比 Anthropic 的模型拒绝率低，5.6 延续了这个方向。

知识截止日期可能有问题。 用户 egorfine 发现 5.6 自报知识截止日期为 2024 年 6 月，而 5.5 是 2025 年 8 月。这可能是初始版本的 bug，但如果属实，意味着 5.6 的训练数据比 5.5 还老。

Programmatic Tool Calling 是个真创新。 OpenAI 引入了程序化工具调用：可以在 Responses API 中让模型过滤中间数据、只保留关键信息、沿路调整工作流。HN 用户 CjHuber 认为这是最值得关注的新功能。

缓存终于改了。 30 分钟最低缓存寿命，支持显式缓存断点。用户 hyperknot 说："终于从 5 分钟默认缓存走出来了，希望其他厂商跟进。"

Sol 训练了 Luna。 OpenAI 在发布视频里提到，5.6 Sol 自主完成了 5.6 Luna 的后训练（post-training）。这是公开信息里第一次明确说一个大模型自治训练了另一个小模型。

【模型选择指南：什么时候用哪一档】

HN 用户 rsanek 提出了一个好问题："根据 Intelligence vs. Cost 图，Terra 存在的意义是什么？"答案是：在某些中等复杂度场景下，Terra 性价比最高。但更实际的选择是：

Luna max（低价格高推理）替代 GPT-5.5 用于日常编码，用户 epolanski 已在验证："日常 Jira 小任务几分钟搞定，非常快的循环。"

Sol xhigh/max 用于复杂任务。但要做好心理准备：token 消耗可能是预期的 4 倍。

Terra 是给不想思考模型选择的人用的默认选项。 但如果你愿意花 30 秒判断任务复杂度，直接在 Luna 和 Sol 之间切换更划算。

【和 Anthropic 的竞争到了白热化】

时间线很有意思：Fable 5 上线后给用户每周补贴额度，补贴刚好在 7 月 12 日到期。GPT-5.6 在 7 月 10 日发布。用户 lukebuehler 的评论很直接："我刚拿到了额外的 Fable 额度，正琢磨着省着用，结果现在完全不用了。"然后用户 gorgmah 发现 Anthropic 的 Fable 补贴通知已经消失了。

这不是巧合。两大顶级 AI 实验室在 API 定价和订阅模式上的竞争，已经到了精确到天的程度。

说真的，GPT-5.6 是一次扎实的迭代，不是革命。Sol 在 Agent 评测上领先 13 分是真本事，但 SWE-Bench Pro 上落后 Fable 5 15 个点是硬伤。Token 效率提升是真金白银，但 Sol Ultra 的自作主张和 token 焚烧问题让很多人头疼。

最值得关注的不是基准测试，而是 Sol 自主训练 Luna 这件事。如果大模型真的开始自主训练下一代，那 5.6 的历史意义不在于它跑了多少分，而在于它第一次把这件事摆到了明面上。

于你该不该切换？取决于你现在的工具链。Claude Code 用户不会因为 5.6 出来就放弃整个工作流，但如果你在用 Codex，5.6 Terra 已经比 5.5 更便宜更强了，没有不升级的理由。

ChatGPT5.6