预览 GPT-5.6 Sol：下一代模型

Previewing GPT‑5.6 Sol: a next-generation model

2026年6月26日

产品发布

预览 GPT‑5.6 Sol：下一代模型

加载中……

我们开始对 GPT‑5.6 系列进行有限预览：Sol，我们的旗舰模型；Terra，适用于日常工作的均衡模型；以及 Luna，快速且经济的模型。Terra 的性能与 GPT‑5.5 相当，但成本降低 2 倍，而 Luna 则以最低成本提供强大的能力。

GPT‑5.6 Sol 的发布搭载了我们迄今为止最强大的安全堆栈。我们加强了对高风险活动、敏感网络请求和反复滥用行为的保护，并花费数周时间寻找弱点、对我们的系统进行压力测试，并使其能够抵御真实世界的攻击。

我们坚信广泛的可访问性，并计划在未来几周内将 GPT‑5.6 Sol、Terra 和 Luna 全面开放。作为我们与美国政府持续合作的一部分，我们在今天发布之前预览了我们的计划以及模型的能力。应他们的要求，我们首先向一小部分值得信赖的合作伙伴进行有限预览，这些合作伙伴的参与情况已与政府共享，之后再进行更广泛的发布。在此预览期间，我们将继续测试并与合作伙伴密切协调，以推进更广泛的可用性。我们认为这种政府访问流程不应成为长期的默认模式。它使得最好的工具无法被需要它们的用户、开发者、企业、网络防御者和全球合作伙伴所使用。我们采取这一短期步骤，是因为我们相信这是在未来几周内实现更广泛可用性的最有力途径，同时我们将与政府合作制定网络行政命令框架以及未来模型发布的可重复流程。

能力

Capabilities

GPT‑5.6 Sol 是我们迄今为止最强大的模型。为了预览模型性能，我们分享了一组评估结果，展示了在编码、生物学和网络安全方面增强的智能体能力，更多安全性和准备度评估可在我们的系统卡中查看。当我们广泛发布该模型时，我们将分享更全面的评估结果集。

通过 GPT‑5.6，我们引入了一种新的 max 推理努力级别，让 Sol 拥有最充足的时间进行深度推理。此外，我们还引入了一种新的 ultra 模式，该模式通过利用子智能体来加速复杂工作，从而超越单个智能体的能力。

对于编码工作流程，GPT‑5.6 Sol 在 Terminal‑Bench 2.1 上树立了新的行业标杆，该基准测试需要规划、迭代和工具协调的命令行工作流程。

GPT‑5.6 Sol 在生物学工作流程中也显示出广泛的改进。在 GeneBench v1 上，该基准评估长周期基因组学和定量生物学分析，它在使用更少 token 的情况下取得了比 GPT‑5.5 更优的结果。

GPT‑5.6 Sol 是我们迄今为止在网络安全方面能力最强的模型。它改变了长周期安全任务（包括漏洞研究和利用）的性能-效率边界。在 ExploitBench² 上，GPT‑5.6 Sol 仅使用约 1/3 的输出 token 就与 Mythos Preview 不相上下。在 ExploitGym³ 上，这是一个由加州大学伯克利分校的研究人员与 OpenAI 及其他前沿实验室合作创建的基准，随着我们增加推理深度，GPT‑5.6 Sol、Terra 和 Luna 模型在网络能力方面都展现出显著的改进。

更强的网络能力与更强的安全保障

Stronger cyber capabilities with stronger safeguards

我们开发了 GPT‑5.6 Sol、Terra 和 Luna，并为其配备了迄今为止最强大的安全措施，其配置与每个模型的能力相匹配。随着模型能力的增强，我们设计的安全措施能够更好地承受真实世界的对抗性压力，同时保留对合法工作的访问权限，例如代码审查、漏洞研究、补丁开发、调试、安全教育和防御性测试。我们的目标是使被禁止的攻击性活动更加困难、不确定和可检测，同时不会不必要地限制那些有益的用途。根据我们对模型和安全措施的评估，我们预计这将为合法的防御性工作带来巨大益处，同时有效限制被禁止的攻击性使用。

GPT‑5.6 Sol 在帮助人们发现和修复漏洞方面，比可靠地执行端到端攻击更为擅长。随着这些能力的持续进步，我们的首要任务是确保它们能够惠及防御者，他们可以利用这些工具来发现弱点、开发补丁并更广泛地加强系统。

根据我们的准备度框架，GPT‑5.6 Sol 并未跨越网络关键阈值。在涉及 Chromium 和 Firefox 的评估中，它识别出了漏洞和利用原语（即构建利用程序的模块），但在测试条件下并未自主生成一个功能完整的全链利用程序。尽管如此，基准测试的阈值无法涵盖模型可能被使用或与其他工具结合使用的所有方式。这种不确定性，加上模型能力的更广泛阶跃式变化，正是我们将模型增强的能力与更强的安全措施和分阶段发布相结合的原因。我们在 GPT‑5.6 预览系统卡中分享了关于我们安全措施的更多细节。

分层安全堆栈

A layered safeguard stack

没有任何单一的安全措施足以应对坚决或适应性的滥用行为。在整个 GPT‑5.6 预览中，我们采用了分层安全措施，具体配置因模型而异，并对其进行压力测试以抵御真实世界的攻击。这些措施包括：训练到模型中的保护、生成过程中的实时检查、账户级信号、差异化访问、监控、执行和持续测试。

GPT‑5.6 经过训练，可以拒绝被禁止的网络协助，包括当用户试图掩饰其意图或越狱模型时。这些模型级别的安全措施建立了模型应该和不应该提供帮助的第一道边界。

实时网络和生物学滥用分类器通过评估生成的输出来提供另一层保护。对于高风险案例，如果它们检测到潜在的违规行为，生成过程可能会暂停，同时一个更大的推理模型会审查对话及其上下文。如果输出被评估为不允许，它将在到达用户之前被拦截。

被标记的活动还可能触发跨相关对话和风险信号的账户级审查，这与我们关于内容保留和审查的条款和政策一致。超越单一对话进行审查，有助于我们的系统区分持续的恶意行为和合法的双重用途安全工作，在这些工作中，相似的技术概念可能出现在截然不同的上下文中。

这些层次共同作用，使得整体方法比任何单一的安全措施都更加稳健。模型行为降低了有害响应的可能性，实时系统可以在生成过程中进行干预，账户级审查可以识别更广泛的模式，而差异化访问则保留了重要的防御性工作，而无需默认广泛提供最敏感的能力。

特别是在预览期间，用户可能会遇到阻止或拒绝某些请求的安全措施。其他请求可能需要更长时间，因为生成过程会暂停以进行额外审查。安全措施有时可能会干预合法工作，尤其是在防御性和攻击性活动最初看起来相似的双重用途领域。

这正是预览旨在测试的一部分。我们不仅想了解安全措施是否限制了滥用，还想了解合法用户是否仍然能够可靠且高效地完成正常工作。预览期间的反馈将帮助我们减少不必要的阻止和延迟，改进安全措施对上下文的解读，并在更广泛发布之前创造更流畅的体验。

我们还在与企业客户合作，探索更长期的方案——包括隐私保护检测、客户操作的安全控制，以及根据客户、用户或工作负载的风险进行校准的访问——以在支持企业隐私要求的同时提升安全性。

通过自动化红队测试提高鲁棒性

Improving robustness with automated red-teaming

当攻击者调整其策略时，安全措施也需要保持有效。一个仅能防御一组固定已知攻击的保护措施，对于前沿模型来说是不够鲁棒的。

这就是为什么我们投入比以往更多的智能和算力用于安全，利用我们自己的模型来更快地发现弱点并改进安全措施。我们投入了超过 700,000 个 A100 等效 GPU 小时用于自动化红队测试，旨在发现通用越狱方法：那些可以在多种提示或上下文中起作用的攻击，而不仅仅是单一狭窄的设置。专注于这些更困难、更通用的攻击，使我们能够超越一组固定的已知故障来测试安全措施。它还使我们能够探索比人工测试所能覆盖的多得多的攻击模式，更早地识别故障模式，并缩短从发现弱点到解决它的路径。

除了自动化红队测试，我们还与第三方测试人员合作，进行了广泛的人类专家红队测试，这将在预览期间继续进行。人类红队测试通过测试安全措施来对抗那些试图以我们系统可能无法预料的方式滥用模型的创意专家，从而补充自动化工作。

没有任何评估能够代表每一种产品配置、多步骤攻击或真实世界的工作流程。因此，我们维持一个快速响应流程，以复现、评估、确定优先级并修复新发现的越狱方法，然后将它们添加到我们正在进行的评估中，以便我们将来能够针对类似的故障进行测试。

可用性和定价

Availability and pricing

在预览期间，GPT‑5.6 模型最初将通过 API 和 Codex 向选定的值得信赖的合作伙伴和组织提供。我们计划很快将它们更广泛地提供给使用 ChatGPT、Codex 和 API 的用户。

在这个随 GPT‑5.6 引入的新命名系统中，数字标识模型的代际，而 Sol、Terra 和 Luna 则标识持久的能力层级，这些层级可以按照自己的节奏发展。这个系列共同为人们和开发者在智能、速度和成本之间提供了更清晰的选择。

GPT‑5.6 按每百万 token 定价，涵盖三种模型规模：Sol 为 $5 输入 /$ 30 输出；Terra 为 $2.50 输入 /$ 15 输出；Luna 为 $1 输入 /$ 6 输出。GPT‑5.6 还引入了更可预测的提示缓存，包括对显式缓存断点和 30 分钟最小缓存生命周期的支持。对于 GPT‑5.6 及更高版本的模型，缓存写入按模型未缓存输入价格的 1.25 倍计费，而缓存读取则继续享受 90% 的缓存输入折扣。

我们还将于 7 月在 Cerebras 上推出 GPT‑5.6 Sol，速度高达每秒 750 个 token，以前所未有的速度将前沿智能带给客户。随着我们扩展容量，最初将仅限于选定的客户使用。

我们很高兴能继续从这个预览期中学习，并很快将 GPT‑5.6 Sol、Terra 和 Luna 带给更多人。

我们通过观察模型的线上行为并进行离线模拟来估算延迟和 API 成本。这些估算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，并以常规 API 定价模拟成本。
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。
我们在我们的 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我们公共 API 的预期速度时，这会导致某些估计的延迟超过 2 小时和 6 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。
未报告输出 token、延迟或成本的模型以水平虚线绘制。

2026

作者

Author

OpenAI

继续阅读

Keep reading

产品 · 2026年7月9日

ChatGPT 现已成为您最具雄心工作的合作伙伴

产品 · 2026年7月9日

GPT-5.6：与您的雄心一同扩展的前沿智能

产品 · 2026年7月9日