2026 年 9 月 29 日补充： 本文介绍的是 2026 年 7 月全面开放的 GPT-5.6（Luna / Terra / Sol）。此后，OpenAI 于 9 月 3 日发布了 GPT-6 Astra，又于 9 月 22 日（美国时间）发布了把 Sol、Luna 之名延续到下一代的 GPT-6 Sol 和 GPT-6 Luna。截至 2026 年 9 月 30 日，其 API 模型列表建议：不确定从哪里开始时用 Astra，兼顾智能与成本用 9 月 29 日发布的 GPT-6.1 Sol（在 ChatGPT 中可在 Work 和 Codex 使用，聊天中没有；每百万 token 输入 $2、输出 $10），注重成本的大批量任务用 GPT-6 Luna（同 $0.10、$0.50）；GPT-5.6 的三款模型已不在推荐之列（据 ChatGPT 帮助页面，GPT-5.6 Sol、Terra、Luna 在过渡期内仍可使用）。Anthropic 也于 7 月 24 日发布了 Claude Opus 5、9 月 1 日发布了 Claude Fable 5.1、9 月 22 日发布了 Claude Opus 5.5。费用方面请参阅实测比较 Astra（low）与 GPT-5.6 Sol（high）的文章。正文中的“旗舰”“首位”等说法和基准数值均为撰写时的情况。9 月 22 日我们还注明：Luna 在 DeepSWE 上的性价比（每美元约 24 分）是第三方依据 OpenAI 数据做的推算，并标出了出处。
目录
2026年7月9日，OpenAI 正式向公众开放了全新模型家族 “GPT-5.6”（OpenAI 官方公告，在6月26日的限量预览之后正式上线）。最大的特点是，放弃了以往“基础版+Pro”的两档结构，改为 Luna（高速、低成本）/ Terra（均衡）/ Sol（旗舰） 的 三模型体系。
旗舰款 Sol 在衡量编程智能体性能的指标 Artificial Analysis Coding Agent Index 上取得 80 分 位居榜首，在衡量长时实务工作流的 Agents' Last Exam 上也拿下 53.6，把 Claude Fable 5（40.5）拉开了 13.1 分（OpenAI 公布的数值，由 Vellum 整理）。另一方面，在生产级实战编程的 SWE-Bench Pro 上，Claude Fable 5 为 80.0%，Sol 为 64.6%，仍存在明显输给 Claude 的领域（两者均为 OpenAI 评估表中的数值；Anthropic 的系统卡中 Fable 5 也为 80.0%；Anthropic 发布表格中的 80.3% 是与 Mythos 5 共用一栏时较高的数值，即 Mythos 5 的成绩）。
本文基于 OpenAI 官方公告及多份独立基准测试报告，围绕 GPT-5.6 的 三款模型的区别、价格、基准测试、新功能、ChatGPT 各套餐提供情况、与 Claude 的对比、按用途的选择，用确定信息进行解读。
GPT-5.6 发布
2026年7月9日 正式公开发布 / 三模型体系
1. 发布概览——日期、提供范围、规格一览
| 项目 | 内容 |
|---|---|
| 家族名称 | GPT-5.6 |
| 正式公开发布 | 2026年7月9日（限量预览为6月26日） |
| 开发方 | OpenAI |
| 上一代 | GPT-5.5 |
| 模型构成 | Luna（高速、低成本）/ Terra（均衡）/ Sol（旗舰）三款模型 |
| 上下文窗口 | 约 100 万 tokens（1,050,000）* 三款模型共通 |
| 最大输出 | 128,000 tokens |
| 知识截止 | 2026年2月16日 |
| API 价格（Sol） | $5（输入）/ $30（输出）per 1M tokens |
| API 价格（Terra） | $2（输入）/ $12（输出）per 1M tokens |
| API 价格（Luna） | $0.20（输入）/ $1.20（输出）per 1M tokens |
| 推理 effort | none / low / medium / high / xhigh / max 六个档位 |
| 提供渠道 | ChatGPT / ChatGPT Work / Codex / OpenAI API |
| 同期发布 | ChatGPT Work（业务智能体）、内置 Codex 的全新桌面应用、语音模型 GPT-Live |
要点在于，三款模型都共享相同的约 100 万 tokens 上下文与 128K 的最大输出。区别在于“聪明程度”“速度”“价格”，可处理的文档量并无不同。这一设计让你可以按用途和成本进行纵向的分档选择。
2. Luna / Terra / Sol——三款模型的区别与选择
GPT-5.6 最大的变化是从“两档（基础版/Pro）”重组为“三档”。下面梳理各自的定位。
最便宜、最快的模型。最适合简单的分类、摘要、聊天、大批量处理。Trilogy AI Center of Excellence（2026 年 7 月 10 日）根据 OpenAI 发布图表中的 DeepSWE v1.1 得分与估算 API 成本推算：Luna 在最高得分时每 1 美元估算 API 成本约得 24 分，远超 Claude Fable 5 的 3.2（成本为 OpenAI 模拟得出的估算值）。
适合用途：高频次、低单价任务、企业内部工具
以远低于上一代的价格提供与 GPT-5.5 相当性能的“日常使用首选”。在 TerminalBench 2.1 上以 87.4% 逼近 Sol，单价却只有 Sol 的四成（2026年7月30日降价后）。被定位为“多数实务工作负载用 Terra 就够了”。
适合用途：日常编程、写作、智能体
GPT-5.6 家族中最聪明的模型。在智能体综合实力、长时任务、安全性上均为最高水准。据 OpenAI 称，编程的 token 效率提升了 54%，实现“用更少的 token 达到前沿性能”。
适合用途：复杂智能体、长时自主任务
选择原则很简单。先把 Terra 设为默认，精度不够就升到 Sol，若最看重单价和速度就降到 Luna——这种“以 Terra 为起点”的思路，能更容易地在成本与质量之间取得平衡。
3. 价格体系——低一档的 Terra 值得关注
| 模型 | 输入 / 1M tokens | 输出 / 1M tokens | 定位 |
|---|---|---|---|
| GPT-5.6 Sol | $5.00 | $30.00 | 最高性能 |
| GPT-5.6 Terra | $2.00 | $12.00 | 以 Sol 四成的单价达到 GPT-5.5 水准 |
| GPT-5.6 Luna | $0.20 | $1.20 | 最便宜、最快 |
值得注意的是 Terra 的性价比。OpenAI 解释称“Terra 以约半价提供与上一代 GPT-5.5 相当的性能”。也就是说，此前需要 Sol（相当于旧基础版）才能完成的许多任务，如今有可能以一半的成本运转。
另一方面，Sol 的 $5/$30 与 Claude Opus 4.8（$5/$25）在输入上同价，输出则略高。各家旗舰的单价正逐渐趋于持平，差距已进入靠“性能”和“token 效率”来体现的时代。
4. 基准测试——与 Claude 的直接对比
GPT-5.6 基准测试（主要 4 项）
Sol / Terra / Luna vs Claude Fable 5
来源：OpenAI 的 GPT-5.6 发布中的评估表（Coding Agent Index 来自 Artificial Analysis；Sol 的 Agents' Last Exam 来自发布正文）。Claude Fable 5 的数值同样来自 OpenAI 的表；Anthropic 自己的发布给出的是 SWE-Bench Pro 80.3%、TerminalBench 2.1 88.0%（均为与 Mythos 5 共用一栏时两者中较高的数值；系统卡中 Fable 5 单独为 80.0% 和 84.3%）
| 基准测试 | Sol | Terra | Luna | Claude Fable 5 |
|---|---|---|---|---|
| TerminalBench 2.1 | 88.8% | 87.4% | 84.7% | 83.1% |
| SWE-Bench Pro | 64.6% | 63.4% | 62.7% | 80.0% |
| Agents' Last Exam | 53.6 | 50.4 | 50.3 | 40.5 |
| Coding Agent Index | 80 | 77.4 | 74.6 | 77.2 |
| MRCR 长文本召回 | 91.5% | 89.6% | 41.3% | — |
结论：智能体强，生产级实战编程 Claude 更胜一筹
GPT-5.6 Sol 在 智能体综合实力（Agents' Last Exam）和编程智能体指标上位居首位。按 OpenAI 的表，在 TerminalBench 上也超过 Claude Fable 5（83.1%）。然而在 SWE-Bench Pro（在真实代码仓库中修复生产级 Bug）上，Sol 为 64.6%，对阵 Claude Fable 5 的 80.0%（Terra 为 63.4%，Luna 为 62.7%），以超过 15 分的差距落败。“作为智能体自主运转的能力”与“精准修改真实代码库的能力”是两回事——这是坦率的解读。
此外，Luna 的长文本召回（MRCR）为 41.3%，大幅低于 Sol/Terra。即便拥有 100 万 tokens 的窗口，用 Luna 精细处理超长文本也并不合适。长文本请选择 Terra 及以上。
5. 有哪些新变化——五大要点
① 从两档结构转向三模型体系
最大的变化。从以往的“基础版+昂贵的 Pro”，重组为 Luna / Terra / Sol 三档。尤其 Terra 以“用 Sol 四成的单价达到 GPT-5.5 水准”的性价比，成为成本设计的主角。
② token 效率的改进（编程提升 54%）
OpenAI 的萨姆·奥尔特曼 CEO 表示，Sol 在智能体编程任务上的 token 效率高出 54%（接受 CNBC 采访时所说，未说明比较基准）。即便是相同的工作，只要消耗的 token 减少，单价不变总成本也会下降。这正是应当不只看单价表、更要按“每个任务的实际成本”来比较的原因。
③ Programmatic Tool Calling（Responses API）
作为面向开发者的新功能，让模型生成并执行 JavaScript 来编排工具调用的“Programmatic Tool Calling”被加入到了 Responses API 中（Simon Willison 的解读）。可以用更少的往返执行跨多个工具的复杂智能体。推理 effort 分为 none / low / medium / high / xhigh / max 六个档位。
④ ChatGPT Work、全新桌面应用
在 GPT-5.6 发布的同时，还发布了面向业务的智能体 “ChatGPT Work”、内置 Codex 的全新桌面应用，以及面向客户的托管服务。这是把 ChatGPT 从“单纯的聊天”拓展为“执行业务的平台”的举措。
⑤ 语音模型 GPT-Live（全双工对话）
在语音方面推出了新系列 GPT-Live。它不再采用以往的轮次制（说完后才回应），而是实现 全双工（full-duplex）、像人一样可以插话、附和的对话。付费用户可用 GPT-Live-1，免费用户提供 GPT-Live-1 mini。
6. ChatGPT 各套餐的提供情况
| 套餐 | 月费参考 | GPT-5.6 的使用 | 模型选择 |
|---|---|---|---|
| Free | $0 | △ 仅在 ChatGPT Work / Codex 内使用 Terra | 不可（固定 Terra） |
| Go | $8/月 | △ 仅在 ChatGPT Work / Codex 内使用 Terra | 不可（固定 Terra） |
| Plus | $20/月 | ✅ Sol / Terra / Luna | 可（可设置 effort） |
| Pro | $100〜$200/月 | ✅ Sol / Terra / Luna | 可（可设置 effort） |
| Business | $25/席起 | ✅ Sol / Terra / Luna | 可（可设置 effort） |
| Enterprise | 面议 | ✅ Sol / Terra / Luna | 可（可设置 effort） |
Free / Go 用户的一个特点是，在 ChatGPT Work 或 Codex 中也可以使用 Terra。不过，能够自由地分档选择模型、甚至调整推理 effort 的，是 Plus 及以上。语音的 GPT-Live 即使免费也能使用 mini 版。（套餐构成、价格基于发布时的各类报道。最新信息请查看 ChatGPT 官方价格页）
7. 与 Claude（Fable 5 / Opus 4.8）的对比
GPT-5.6 Sol vs Claude Fable 5 vs Claude Opus 4.8
旗舰级的分工使用
归纳来看——“作为智能体广泛地自主运转”选 GPT-5.6 Sol，“精准修改真实代码库、进行长时编程”选 Claude，这就是两者的分工。价格方面，Claude Opus 4.8（$5/$25）的输出单价比 Sol（$5/$30）便宜，且编程质量高，因此在编程用途上 Claude 阵营的性价比更为突出。
8. 注意事项——未公开的基准与编程短板
① 存在 OpenAI 未公开的基准测试
独立分析（Vellum）在发布后不久指出，OpenAI 未公布 SWE-bench Verified、GPQA Diamond、AIME、MMLU、ARC-AGI-2、FrontierMath。不过，2026 年 9 月 22 日查看的 OpenAI 发布页评估表中列有 GPQA Diamond（Sol 94.6%）和 FrontierMath（第 1 至 3 级 89%，第 4 级 83%）。表中没有的是 SWE-bench Verified、AIME、MMLU；Sol 的 ARC-AGI-2 数值（92.5%）则是在 9 月 3 日 GPT-6 Astra 发布的对比表中才首次出现。以智能体类指标为中心、通用推理与数学的对比值偏少这一点，在评估时应予留意。需要打个折扣来看待——因为有可能只罗列了好看的数字。
② 生产级实战编程即便是 Sol 也偏弱
如前所述，在 SWE-Bench Pro 上 Sol 为 64.6%，而 Claude Fable 5 为 80.0%（均为 OpenAI 评估表中的数值）。若主要目的是生产仓库的 Bug 修复或创建 PR，比起 GPT-5.6，值得考虑 Claude。另外，OpenAI 虽然把这一数值列入评估表，却另外发布了一份分析，认为 SWE-Bench Pro 中约 30% 的任务存在缺陷（Vellum 指出）。
③ Luna 不擅长长文本处理
Luna 便宜又快，但长文本召回（MRCR）仅为 41.3%，大幅偏低。请避免把冗长的规格文档、日志、代码库整份交给 Luna，长文本请交给 Terra 及以上。
④ 知识截止为 2026年2月16日
此后发生的事件未被学习。需要最新信息的任务，以配合使用 Web 搜索工具为前提。
9. 按用途推荐——该选哪款模型
- 日常编程、写作、摘要
- 看重成本与质量的平衡
- “先作为默认使用”的一台
- 复杂的自主智能体运营
- 长时任务、安全业务
- 精度比成本更重要的场景
- 高频次、低单价的大批量处理
- 分类、抽取、简短聊天
- 以短文本为主（避免长文本）
- 生产仓库的 Bug 修复、PR
- 长时的自主编程
- 准确性、安全性最优先
FAQ
Q1. GPT-5.6 从什么时候开始可以使用？
2026年7月9日开始正式向公众提供（限量预览为6月26日）。可在 ChatGPT、ChatGPT Work、Codex、OpenAI API 中使用。
Q2. Luna / Terra / Sol 有什么区别？
它们是在聪明程度、速度、价格三条轴上纵向排列的模型。Luna=最便宜、最快，Terra=均衡（以 Sol 四成的单价达到 GPT-5.5 水准），Sol=最高性能。上下文（约 100 万 tokens）和最大输出（128K）三款模型共通。建议先把 Terra 设为默认，再按需切换到 Sol/Luna。
Q3. 免费套餐也能使用 GPT-5.6 吗？
在普通聊天中不能使用，但 在 ChatGPT Work 或 Codex 中，Free / Go 也能使用 Terra。若要自由地分档选择模型或调整推理 effort，则需要 Plus（$20/月）及以上。语音的 GPT-Live 即使免费也能使用 mini 版。
Q4. GPT-5.6 和 Claude，编程谁更强？
取决于指标。在终端操作（TerminalBench 2.1）上，Sol 88.8% 超过 Claude Fable 5 的 83.1%，但在生产级实战的 SWE-Bench Pro 上，Claude Fable 5 为 80.0%，Sol 64.6%，Claude 大幅占优（均为 OpenAI 评估表中的数值；Anthropic 的系统卡中 Fable 5 的 SWE-Bench Pro 也为 80.0%）。若主要目的是生产仓库的 Bug 修复就选 Claude，若要广泛的自主智能体就选 Sol，这样分工使用更为现实。
Q5. 价格是怎样的？
每 1M tokens，Sol $5/$30，Terra $2/$12，Luna $0.20/$1.20（输入/输出）（截至 2026年8月）。2026年7月30日 Luna 降价 80%、Terra 降价 20%，Sol 保持不变。Terra 被定位为以 Sol 约四成的单价提供相当于上一代 GPT-5.5 的性能，是成本设计的主角。另外，Sol 自2026年8月21日起转为促销价（输入 $4 / 输出 $20，公告称为期3个月）。它和 GPT-6 Astra 哪个更省钱，在GPT-6 Astra 的 low 真的更便宜吗里根据实测值做了比较。
Q6. 上下文窗口和知识截止是？
三款模型都拥有约 100 万 tokens（1,050,000）的上下文和 128K 的最大输出。知识截止为 2026年2月16日。
Q7. 有面向开发者的新功能吗？
Responses API 中新增了 Programmatic Tool Calling（让模型生成 JavaScript 来组装工具调用的功能）。推理 effort 可以用 none / low / medium / high / xhigh / max 六个档位来控制。
Q8. GPT-Live 是什么？
是与 GPT-5.6 同时发布的全新语音模型系列。它不是轮次制，而是 全双工（full-duplex），能进行包含插话和附和的自然对话。付费提供 GPT-Live-1，免费提供 GPT-Live-1 mini。
Q9. 有 OpenAI 未公开的基准测试吗？
是的。发布页的评估表中没有 SWE-bench Verified、AIME、MMLU。独立分析（Vellum）在发布后不久指出 GPQA Diamond 和 FrontierMath 也未公布，但 2026 年 9 月 22 日查看的评估表中已列有 GPQA Diamond（Sol 94.6%）和 FrontierMath。由于以智能体类指标为中心，通用推理、数学的实力需要另行评估。
Q10. 现有的 GPT 应用还能照常运行吗？
API 大体兼容，切换模型 ID 即可迁移。不过由于变成了三模型体系，重新设计把哪类任务分配给 Luna/Terra/Sol，能够优化成本与质量。多数情况下以 Terra 为起点是有效的。
总结：进入以三模型体系“纵向选择”的时代
GPT-5.6 不是单一的招牌模型，而是以 Luna / Terra / Sol 三档结构登场。Sol 在智能体综合实力和编程智能体指标上位居首位，Terra 以“用 Sol 四成的单价达到 GPT-5.5 水准”的性价比成为实务主力，Luna 则担当大批量处理的性价比角色——分工明确。
另一方面，在生产级实战编程（SWE-Bench Pro）上大幅输给 Claude，以及 OpenAI 评估表中通用推理、数学的对比值偏少、Luna 的长文本处理偏弱等，也存在无法无条件称之为最佳的因素。
2026 年聪明的用法，仍然是 “根据任务在 GPT-5.6 的三款模型与 Claude 之间分工使用”。日常用 Terra，复杂智能体用 Sol，大批量处理用 Luna，生产编程用 Claude——以多模型为前提，持续优化成本与质量。
相关文章
- GPT-6 Astra 发布完全解读 — 接替 GPT-5.6 的现役旗舰
- GPT-5.5 发布完全解读 — 上一代 GPT-5.5 的详解
- Claude Opus 4.8 发布完全解读 — 直接的竞争模型
- Claude Fable 5 发布完全解读 — SWE-Bench Pro 首位的模型
- Claude vs ChatGPT 价格对比 — 两者的套餐结构
- ChatGPT Work 是什么？GPT-5.6 工作智能体详解 — 能生成文档、表格与幻灯片的工作智能体
- GPT-5.6 vs GPT-5.5 深度对比 — 三款模型体系与四成单价的 Terra 该如何迁移
- Kimi K3 是什么？“第三名”说法背后的 2.8 万亿参数模型 — 价格、开放权重与市场冲击
