GPT‑5.6：随你雄心扩展的前沿智能
GPT‑5.6: Frontier intelligence that scales with your ambition
每个 token 产出更多智能，每美元带来更强性能，为你最艰巨的工作提供按需增强的能力。
加载中……
在有限预览之后，我们正式发布 GPT‑5.6 模型系列：我们的新旗舰 Sol，面向日常工作的均衡模型 Terra，以及最具成本效益的模型 Luna。
GPT‑5.6 Sol 在智能和效率两方面都树立了新标准，在编程、知识工作、网络安全和科学领域取得了最先进的结果，同时以更少的 token 和更低的预估成本超越了此前及竞品的前沿模型。结果是更强的每美元性能：同样的花费完成更多成功的工作，或以更低的总成本获得可比的结果。我们还引入了一种加速最艰巨工作的新方式：ultra 是我们的最高能力设置，可协调多个智能体（agent）跨并行工作流，更快完成复杂任务。更强的计算机使用能力和设计判断力使 GPT‑5.6 Sol 成为我们迄今为止最精良的协作者，帮助它检查、优化并交付可直接使用的结果。
我们训练 GPT‑5.6 从每个 token 中获取更多有用的工作。在 Agents' Last Exam（一项涵盖 55 个领域的长期专业工作流评估）中，GPT‑5.6 Sol 以 53.6 分创下新高，领先 Claude Fable 5（自适应推理）13.1 分。即使在中等推理水平下，它也以约四分之一预估成本领先 Fable 5 11.4 分。这种效率延伸到更小的模型，这对于让智能更丰富、更实惠至关重要：GPT‑5.6 Terra 和 GPT‑5.6 Luna 以约十六分之一的成本超越了 Fable 5。在 Artificial Analysis Intelligence Index（一项涵盖智能体工作、编程、科学推理和通用能力的广泛智能衡量指标）上，GPT‑5.6 Sol 在最大推理设置下与 Fable 5 仅差 1 分，同时完成任务的时间缩短 61%，预估成本约为其一半。
**“GPT‑5.6 Sol 是我们评估过的第一个能持续生成可直接用于实际工作的演示文稿的模型。在 20 个具有挑战性的客户工作流和 Model ML 的 FinBench 中数百个演示文稿中，它每个演示文稿使用的 token 比 Fable 少 39%，同时生成了更精致、更清晰的演示文稿，包含更清晰、更准确的数据可视化，在分享前需要的返工更少。”——Chaz Englander，Model ML 联合创始人兼 CEO“GPT‑5.6 是我们七项任务基准测试中整体表现最佳的前端模型。在我们五分制的前端 QA 评分标准中，它获得了 4.4 分，而 GPT‑5.5 为 4.0 分，Claude 4.8 为 3.5 分，并且始终能将复杂的电商、仪表盘和产品简报转化为完整的、响应式的桌面和移动端界面。”——AJ Orbach，Triple Whale CEO“借助 GPT‑5.6 的程序化工具调用（Programmatic Tool Calling），我们可以通过结构化 API 更高效地构建详细的 Unity 场景。在场景构建工作流中，与使用直接工具调用的同一模型相比，它使用的总 token 减少了 63.5%，模型交互轮次减少了 50.1%，同时产生了可比的视觉效果。这使得迭代式游戏创作在规模化时更加实用。”——Teddy Cross，PlayCo 联合创始人兼 CPO“GPT‑5.6 在演示文稿方面尤其出色。在我们早期的设计评估中，它在幻灯片创建方面比竞品模型更强，token 效率大约高出 1.6 倍，这在 Canva 规模下生成和优化视觉作品时非常重要。”——Danny Wu，Canva AI 产品负责人“GPT‑5.6 标志着 Microsoft 365 中工件生成（artifact generation）的进步。在我们的评估中，它在广泛的生产力场景中交付了强劲的结果，生成的输出高度连贯、准确且可直接使用。通过减少优化提示和迭代草稿所需的工作量，它帮助用户花更少的时间塑造内容，花更多的时间执行内容。”——Charles Lamanna，Microsoft Copilot、智能体和平台执行副总裁“在 30 次真实的应用程序构建对话中，GPT‑5.6 使用的输入 token 比 GPT‑5.5 少 22%，输出 token 少 23%，同时在全新项目和长期多轮工作中保持竞争力。这是一个真正的进步，尤其是在设计和前端能力方面。”——Gabriel Grinberg，Base44 AI 工程负责人“GPT‑5.6 在法律工作流方面是一个进步。在 Legora 的内部评估框架中，它在 7 项任务中有 5 项取得改进或保持稳定，在结构化起草和先例审查方面提升最大，同时在法律结论上保持适当的谨慎。”——Jake Lauritzen，Legora CTO“借助 Figma Make 中的 GPT‑5.6，团队甚至可以将复杂的设计转化为交互式原型。它提高了设计到代码工作流的标准。”——Loredana Crisan，Figma 首席设计官
推动网络安全和科学的前沿
Pushing the frontier on cyber and science
GPT‑5.6 是我们迄今为止最强的网络安全模型，以显著更少的 token 实现了前沿性能。在 ExploitBench（衡量从访问易受攻击代码到实现任意代码执行的进展）上，它在可比的输出 token 预算下得分为 73.5%，而 GPT‑5.5 为 47.9%。在 ExploitGym（要求智能体将真实世界的漏洞转化为可用的利用代码）上，它在两小时限制下几乎将 GPT‑5.5 的最高通过率翻倍，从 15.1% 提升至 24.9%；在六小时限制下，达到 33.7%。在 SEC-Bench Pro（测试复杂软件的概念验证生成）上，它以改进的延迟获得了 71.2% 的分数，而 GPT‑5.5 为 45.8%。
GPT‑5.6 支持重要的防御性任务，如安全代码审查、补丁修复、威胁建模和蓝队行动。OpenAI Daybreak 的 Trusted Access for Cyber 计划中符合条件的个人和组织，可以通过在授权环境中对经过验证的工作实施更精确的安全防护措施，访问其更多的防御能力，包括漏洞分类与验证、恶意软件分析、检测工程和补丁验证。
个人可以验证身份并申请可信访问，组织可以为其团队申请。个人成员需要在 9 月 1 日之前启用基于硬件的通行密钥的高级账户安全，以保留对我们最具网络能力的前沿模型的访问权限；未启用的用户将恢复为默认访问权限。尚未拥有硬件通行密钥的用户可以从我们的合作伙伴 Yubico 获得优惠定价。我们还在采取额外措施，限制高风险实体和高风险司法管辖区的访问。
ExploitBench： 逐步构建能力更强的 V8 利用代码；GPT‑5.6 相比 GPT‑5.5 显示出巨大提升。未显示延迟图，因为此基准测试的延迟估计不可靠。
GPT‑5.6 Sol 在 科学研究 方面也显示出广泛的进步。在生命科学评估中，GPT‑5.6 在真实世界生物学、生命科学研究工作流和化学方面，相比 GPT‑5.5 展现出帕累托改进。
GeneBench Pro： 长期基因组学和定量生物学分析；GPT‑5.6 以更少的 token 和更少的时间达到更强的结果。未包含 Claude Fable 5，因为它不回答高级生物学问题，并拒绝此评估中的大多数问题。
GPT‑5.6 加速 OpenAI
GPT‑5.6 accelerates OpenAI
GPT‑5.6 是我们迄今为止加速 AI 研究的最强模型。在 OpenAI 内部，研究人员在开发循环的各个环节使用它：诊断故障、优化训练系统、运行实验和解释结果。在 GPT‑5.6 的内部测试期间，我们已经看到了这种加速和更强的采用率，每位活跃研究人员的日均输出 token 量是 GPT‑5.5 观察到的最高水平的两倍多。
这种工作方式正在迅速成为标准。在过去六个月中，用于内部编程推理的研究计算份额增长了 100 倍，而内部智能体 token 使用量增长了约 22 倍。这些采用指标本身并不能衡量研究进展，但它们显示了 AI 辅助在研究以及销售、营销、用户运营、财务等其他团队中增长的速度。
为了直接衡量这种能力，我们基于真实的 AI 研究任务开发了一套内部评估，包括调试研究系统、优化内核和训练配方、运行机器学习实验以及改进另一个模型。
聚合 RSI 能力： 在一套衡量递归自我改进（recursive self-improvement）进展的评估中，我们观察到 GPT‑5.6 Sol 相比 GPT‑5.5 提升了 16.2 分，全面加速了内部研究。
随能力扩展安全与保障
Scaling safety and security with capability
随着模型能力的增强，我们加强了安全堆栈，以便先进智能能够保持广泛有用，同时对最高风险的使用施加更严格的审查。对于 GPT‑5.6，我们构建了迄今为止最强大的安全系统，根据每个模型的能力进行校准，并由比以往更多的计算资源驱动。
GPT‑5.6 模型在生物学和网络安全方面都比我们早期的模型能力更强，但在这两个类别中均未达到“临界”（Critical）阈值。在网络安全方面，我们的测试表明，GPT‑5.6 更擅长发现和修复漏洞，而不是可靠地对加固目标进行自主的端到端攻击——这为防御者在弱点被利用之前提供了加强系统的机会。在生物学方面，我们的测试表明，GPT‑5.6 可以支持合法研究，但不具备创造、工程化或合成高度危险的新型威胁所需的端到端能力。
这两个领域本质上都是双重用途的。在网络安全中，帮助攻击者利用漏洞的相同能力，也可以帮助防御者发现它、复现它并构建可靠的修复方案。因此，过度拦截本身也会造成安全风险。它可能阻止防御者测试系统和部署补丁，而恶意行为者继续使用其他模型，包括能力日益增强的开源模型以及成熟的工具。有效的安全防护措施应考虑请求的上下文和可能后果，保留合法的防御性工作，同时在证据表明存在严重伤害风险时施加更强的控制。
GPT‑5.6 的安全防护措施是分层的，以提高准确性和冗余度，并设计为能够在新攻击出现时快速适应。训练到模型中的保护措施与实时检查、持续监控和账户级执行协同工作，即使在特定层未能按预期工作时，也能帮助系统保持安全。在许多系统中，仅靠分类器标志来决定阻止什么，依赖更难更改的低智能模型来防止伤害。我们的方法增加了一个推理监控器（reasoning monitor），它审查对话以确定是否存在潜在的伤害。这种设计旨在支持防御性工作，同时阻止严重的滥用，最敏感的能力通过 Trusted Access 保留给经过验证的用户。由于某些保护措施使用测试时推理（test-time reasoning），我们可以快速更新它们以弥补漏洞，而无需从头重新训练分类器。
在继续加强系统以抵御自适应攻击的同时，我们正在采取更保守的方法。与之前的模型相比，我们的 GPT‑5.6 Sol 网络安全防护措施阻止的潜在有害活动大约增加了十倍。由于这些措施可能会给良性使用带来摩擦，我们在 ChatGPT 和 Codex 中提供了一个选项，可以轻松地在能力较低的模型上重试提示，我们将继续在保持高鲁棒性标准的同时，减少安全防护措施对良性使用的影响。这反映了我们的迭代部署方法：从保守开始，并根据从实际使用中学到的经验进行改进。
在正式发布之前，我们进行了迄今为止最密集的安全评估，包括广泛的红队测试、与外部专家进行的能力和安全防护措施测试，以及大约 700,000 A100e GPU 小时的黑盒自动化红队测试。这使我们能够系统地探测可能的薄弱点，发现越狱漏洞，并帮助我们在发布前加强系统。
不存在完美的安全性，我们保护能力日益增强的模型的工作仍在继续。新的弱点将被发现，新的越狱方法也会出现，以规避现有的安全防护措施。每一代新模型也会创造新的攻击和滥用途径。我们通过分层安全防护措施、持续监控、快速修复以及防御社区的协作来应对这一现实。对于 GPT‑5.6，我们将现有的安全和生物学漏洞赏金计划与新的快速修复流程以及迄今为止最强大的监控工作相结合。来自研究人员、监控和真实世界滥用的发现将不断反馈到新的评估和更强的安全防护措施中。
在我们的更新版 GPT‑5.6 系统卡中阅读更多关于安全防护措施的信息。
可用性与定价
Availability and pricing
GPT‑5.6 涵盖三个模型层级：我们的旗舰模型 Sol；性能与 GPT‑5.5 相当的低成本模型 Terra；以及我们最快、最实惠的模型 Luna。数字标识代际，而 Sol、Terra 和 Luna 是持久的能力层级，可以按照自己的节奏发展。
GPT‑5.6 即日起在 ChatGPT、Codex 和 OpenAI API 上可用。全球范围内的推出现已开始，并将在未来 24 小时内逐步达到完全可用。
- 聊天： Plus、Pro、Business 和 Enterprise 用户可以通过中等及更高努力设置访问 GPT‑5.6 Sol。Pro 和 Enterprise 用户还可以选择 GPT‑5.6 Sol Pro，以在复杂任务上获得最高质量的结果。
- ChatGPT Work 和 Codex： Free 和 Go 用户访问 GPT‑5.6 Terra。Plus、Pro、Business 和 Enterprise 用户可以在 GPT‑5.6 Sol、Terra 和 Luna 之间进行选择，并为每个模型设置努力级别。
max对所有在 ChatGPT Work 和 Codex 中拥有 GPT‑5.6 访问权限的用户可用，并可在设置中切换。在 ChatGPT Work 中，ultra对 Pro 和 Enterprise 用户可用。在 Codex 中，它对 Plus 及更高计划可用。 - API： 开发者可以通过 OpenAI API 访问 Sol、Terra 和 Luna。在 Responses API 中，程序化工具调用允许 GPT‑5.6 在内存中编写和运行程序，以协调工具并处理中间结果，使其兼容零数据保留（ZDR）。多智能体（multi-agent）功能最初以测试版提供，允许 GPT‑5.6 运行并发子智能体，并在单个请求中综合它们的工作。
GPT‑5.6 按每百万 token 定价，涵盖三种模型规模：Sol 为 30 输出；Terra 为 15 输出；Luna 为 6 输出。GPT‑5.6 还引入了更可预测的提示缓存（prompt caching），包括对显式缓存断点的支持以及 30 分钟的最小缓存生命周期。对于 GPT‑5.6 及后续模型，缓存写入按模型未缓存输入价格的 1.25 倍计费，而缓存读取继续享受 90% 的缓存输入折扣。
专业能力
| 评估项 | GPT‑5.6 Sol | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 | Claude Fable 5 | Claude Opus 4.8 | Gemini 3.1 Pro Preview | Gemini 3.5 Flash |
|---|---|---|---|---|---|---|---|---|
| Agents' Last Exam | 52.7% | 50.4% | 50.3% | 46.9% | 40.5% | 45.2% | 32.1% | — |
| GDPval-AA v2 | 1,747.8 Elo | 1,593 Elo | 1,591.8 Elo | 1,493.7 Elo | 1,759.6 Elo | 1,600.1 Elo | 962.3 Elo | 1,348.8 Elo |
| 管理咨询任务（内部） | 43.2% | 37.2% | 35.4% | 31.3% | 35.5% | 31.6% | 13.2% | — |
| Big Finance Bench | 53% | 51% | 36% | 49% | — | 44% | — | — |
| Artificial Analysis Intelligence Index v4.1 | 58.9 Index score | 55 Index score | 51.2 Index score | 54.8 Index score | 59.9 Index score | 55.7 Index score | 46.5 Index score | 50.2 Index score |
编程能力
| 评估项 | GPT‑5.6 Sol | GPT‑5.6 Sol Ultra | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 | Claude Mythos 5 | Claude Mythos Preview | Claude Fable 5 | Claude Opus 4.8 | Gemini 3.1 Pro Preview |
|---|---|---|---|---|---|---|---|---|---|---|
| Artificial Analysis Coding Agent Index v1.1 | 80 Index score | — | 77.4 Index score | 74.6 Index score | 76.4 Index score | — | — | 77.2 Index score | 72.5 Index score | 42.7 Index score |
| SWE-Bench Pro | 64.6% | — | 63.4% | 62.7% | 59.4% | 80.3% | 77.8% | 80% | 69.2% | 54.2% |
| DeepSWE v1.1 | 72.7% | — | 69.6% | 67.2% | 67% | — | — | 69.7% | 59% | 11.8% |
| Terminal-Bench 2.1 | 88.8% | 91.9% | 87.4% | 84.7% | 85.6% | 88% | — | 83.1% | 78.9% | 70.7% |
科学与健康
| 评估项 | GPT‑5.6 Sol | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 | Claude Fable 5 | Claude Opus 4.8 | Gemini 3.1 Pro Preview | Gemini 3.5 Flash |
|---|---|---|---|---|---|---|---|---|
| GeneBench Pro | 28.7% | 23.3% | 10.8% | 12% | — | 16% | 3.1% | 8.14% |
| LifeSciBench | 59.9% | 56% | 51.2% | 50.4% | — | 53.6% | — | — |
| MedChemBench (内部) | 48.3% | 35% | 30.4% | 35.5% | — | — | — | — |
| HealthBench Professional⁶ | 60.5% | 57.7% | 55.7% | 49.5% | 60.9% | 53% | — | — |
计算机使用
| 评估项 | GPT‑5.6 Sol | GPT‑5.6 Sol Ultra | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 | Claude Mythos 5 | Claude Mythos Preview | Claude Opus 4.8 | Gemini 3.1 Pro Preview |
|---|---|---|---|---|---|---|---|---|---|
| OSWorld 2.0 | 62.6% | — | 50.2% | 45.6% | 47.5% | — | — | 54.8% | — |
| BrowseComp | 90.4% | 92.2% | 87.5% | 83.3% | 84.4% | 88% | 87.9% | 84.3% | 85.9% |
| BenchCAD | 70.6% | — | 62.3% | 63.1% | 44.4% | 38.4% | 35.5% | 27.3% | — |
| BenchCAD (python tool) | 83.4% | — | 78.2% | 73.9% | 55.8% | 65% | 61% | 51.8% | — |
网络安全
| 评估项 | GPT‑5.6 Sol | GPT‑5.6 Sol Ultra | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 | Claude Mythos 5 | Claude Mythos Preview | Claude Opus 4.8 |
|---|---|---|---|---|---|---|---|---|
| Capture-the-Flag Challenges | 96.7% | — | 91.8% | 85.2% | 88.1% | — | — | — |
| SEC-Bench Pro | 71.2% | 74.3% | 57.7% | 48.9% | 45.8% | — | — | — |
| CyberGym | 84.5% | — | 81.8% | 77.9% | 81.8% | 83.8% | 83% | 78.1% |
| ExploitBench | 73.5% | — | 52.9% | 33.2% | 47.9% | 78% | 74.2% | 40% |
| ExploitGym | 33.7% | — | 23.2% | 12.4% | 15.1% | — | — | — |
自我改进
| 评估项 | GPT‑5.6 Sol | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 |
|---|---|---|---|---|
| 内部研究调试评估 | 68.3% | 67.8% | 50.8% | 50% |
| KernelGen 1P | 61.1% | 49.2% | 22.4% | 29.3% |
| NanoGPT | 9.69% | 14.5% | 1.66% | 2.65% |
| PostTrainBench Lite | 50.3% | 51.5% | 29.6% | 38.8% |
| RSI Index | 57.9% | 56.3% | 41.9% | 41.7% |
多模态
| 评估项 | GPT‑5.6 Sol | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 | Claude Fable 5 | Claude Opus 4.8 | Gemini 3.1 Pro Preview |
|---|---|---|---|---|---|---|---|
| MMMU Pro (无工具) | 83% | 80.7% | 78.4% | 81.2% | — | — | 80.5% |
| MMMU Pro (带工具) | 84.6% | 82% | 79.5% | 83.2% | — | — | — |
| gdp.pdf | 30.7% | 24.7% | 22.7% | 26% | 29.8% | 22.5% | 16.7% |
学术能力
| 评估项 | GPT‑5.6 Sol | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 | Claude Mythos 5 | Claude Mythos Preview | Claude Fable 5 | Claude Opus 4.8 | Gemini 3.1 Pro Preview |
|---|---|---|---|---|---|---|---|---|---|
| GPQA Diamond | 94.6% | 92.9% | 92.3% | 93.6% | 94.1% | 94.6% | 92.6% | 92% | 94.3% |
| FrontierMath Tier 1-3 (v2) | 89% | 84.9% | 78.6% | 85.3% | — | — | 87% | 80% | 59.6% |
| FrontierMath Tier 4 (v2) | 83% | 68.3% | 58.5% | 72.5% | — | — | 87.8% | 56.1% | — |
工具使用
| 评估项 | GPT‑5.6 Sol | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 | Claude Mythos 5 | Claude Mythos Preview | Claude Fable 5 | Claude Opus 4.8 | Gemini 3.1 Pro Preview | Gemini 3.5 Flash |
|---|---|---|---|---|---|---|---|---|---|---|
| AutomationBench | 18.1% | 15.2% | 14.9% | 12.9% | — | — | 17.4% | 15.5% | — | 14.5% |
| Toolathlon | 58% | 53.1% | 53.4% | 55.6% | 61.7% | 61.1% | 61.7% | 59.9% | 48.8% | — |
长上下文
| 评估项 | GPT‑5.6 Sol | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 | Claude Mythos 5 | Claude Mythos Preview | Claude Opus 4.8 |
|---|---|---|---|---|---|---|---|
| OpenAI MRCR v2 8-needle 256K-512K | 91.5% | 89.6% | 41.3% | 81.5% | — | — | — |
| OpenAI MRCR v2 8-needle 512K-1M | 73.8% | 72.5% | 41.3% | 74% | — | — | — |
| GraphWalks BFS 256k f1 | 90.7% | 76.9% | 81.3% | 73.7% | 91.1% | 85.7% | 85.9% |
| GraphWalks BFS 1mil f1 | 77.1% | 71.2% | 51.2% | 45.4% | 79.4% | 74.3% | 68.1% |
抽象推理
| 评估项 | GPT‑5.6 Sol | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 | Claude Opus 4.8 | Gemini 3.1 Pro Preview |
|---|---|---|---|---|---|---|
| ARC-AGI-3⁷ | 7.78% | 0.8% | 0.18% | 0.43% | 1.5% | 0.42% |
- 2026
作者
Author
OpenAI
脚注
Footnotes
- 网络安全能力在减少安全防护措施的情况下进行评估。用户可以加入 OpenAI Daybreak 的 Trusted Access for Cyber 计划，以获得对防御性网络能力的更多访问权限。
- 所有模型均使用 ExploitBench API 框架进行评估，采用 5 个种子和推理连续性。
- 我们在 alpha API 上运行了 ExploitGym，该 API 输出响应的速度快于我们的公共 API，然后重新缩放以匹配我们的公共 API。当将延迟重新缩放到公共 API 的预期速度时，这会导致某些估计的延迟超过两小时和六小时的时间限制，尽管在评估运行中已正确遵守。为了在时间敏感的工作中获得更快的速度，我们在 API 中提供优先处理，在 Codex 中提供快速模式。
- 我们通过观察模型的生成行为并进行离线模拟来估计延迟和 API 成本。这些估计考虑了工具调用细节、采样 token 和输入 token。实际结果可能会有很大差异，并且取决于我们模拟中未捕获的许多因素。我们以快速 API 速度模拟延迟，以常规 API 定价模拟成本。
- 未报告输出 token、延迟或成本的模型以水平虚线绘制。
- 对于多智能体，延迟源自根智能体，而输出 token 和 API 成本总计包括所有 token。Ultra 使用 4 个智能体运行。
- 我们使用 HealthBench Professional 论文中描述的官方评分方法计算分数，该方法与 Anthropic 系统卡中报告的结果不可比。
- Opus 4.8 的 ARC-AGI-3 是在高推理努力而非最大推理努力下运行的，因为这是唯一已发布的 ARC-AGI-3 结果。
继续阅读
Keep reading
查看所有封面图片
GPT-5.6 现已成为 Microsoft 365 Copilot 的首选模型
产品 · 2026年7月9日
ChatGPT 现已成为你最具雄心工作的合作伙伴
产品 · 2026年7月9日
介绍 GPT-Live
产品 · 2026年7月8日