GPT-5.6模型选型指南：Sol/Terra/Luna版本差异与实测解析

Codex 的下拉列表里，悄无声息地多出了三个 5.6 版本。

Sol、Terra、Luna。

等了许久，它终于来了。这下我得好好盘一盘 fable5，看看它是不是还那么傲娇。不得不说，下半年的大模型之卷，已经开始了。

OpenAI 现在取名也开始走“宇宙系”了。

很多兄弟第一反应肯定和我一样：这三个到底有什么区别？哪个最牛？

我直接先说结论：只看能力上限，选 Sol；日常主力，选 Terra；简单活求快，选 Luna。

不过，我查完官方资料后，觉得这次更值得聊的，不只是“谁跑分最高”。OpenAI 正在把同一代模型拆成几个长期能力档位，以后选模型会越来越像挑选工作模式。

01 先把三个名字说清楚

OpenAI 在 2026 年 7 月 9 日正式发布 GPT-5.6，三档模型已开始在 ChatGPT、Codex 和 API 全球推送。

官方这次专门解释了新命名：5.6 代表模型代际，Sol、Terra、Luna 代表长期能力档位，而且三个档位以后可以按各自节奏继续升级。

简单讲：

模型	官方定位	API 输入 / 输出价格
GPT-5.6 Sol	旗舰，能力上限最高	$5 /$30 每百万 tokens
GPT-5.6 Terra	日常均衡，价格更低	$2.5 /$15 每百万 tokens
GPT-5.6 Luna	最快、最便宜	$1 /$6 每百万 tokens

这里的价格是 API token 价格，不是 ChatGPT 或 Codex 的会员价格。

在 Codex 里，Free 和 Go 用户主要使用 Terra；Plus、Pro、Business、Enterprise 用户则可以在 Sol、Terra、Luna 之间自由选择。也就是说，这次不是只给 API 开发者换了几个模型名，而是真的进入了普通用户的工作台。

02 Sol 到底强多少？

先看 OpenAI 官方公布的两组代码能力数据：

官方评测	Sol	Terra	Luna	GPT-5.5
Coding Agent Index v1.1	80.0	77.4	74.6	76.4
Terminal-Bench 2.1	88.8%	87.4%	84.7%	85.6%

这张表里有两个挺有意思的点。

第一，Sol 确实是实力最强的一档。第二，Terra 并不是一个“缩水小模型”，它在 Coding Agent Index 上的得分已经略高于 GPT-5.5，但 API 价格却只有 Sol 的一半。

Luna 的能力相对最低，但也没差到不能干活。它在 Terminal-Bench 2.1 上是 84.7%，和 GPT-5.5 的 85.6% 很接近，官方给它的定位本来就是速度和成本优先。

边界也要说清楚：这些都是 OpenAI 官方评测，不是我的完整实测。benchmark 能帮我们决定先试谁，但不能代替真实项目里的交付结果。

03 跑分看不懂没关系，先看它做出了什么

我把 OpenAI 发布页和官方视频全点了一遍。说实话，这部分比 benchmark 更有感觉。

这批案例不是让模型简单地回答几个问题。OpenAI 直接摆出了能玩的游戏、完整网站、互动解释器、PPT、研报、财务模型，以及能跨应用跑几个小时的工作流。

1. 先做了一个真的能玩的帆船游戏

OpenAI 的 15 秒演示里，GPT-5.6 做出了一个叫 Saltwind 的帆船计时游戏。里面有风向、赛门、路线、计时、声音和完整操作，不是只有一张漂亮封面。

更关键的是，OpenAI 强调它会用 computer use 看自己渲染出来的结果，检查视觉和功能问题，再继续返修。以前是模型把代码吐给你，现在它开始自己看一眼“做出来到底像不像样”。

官方发布页还放了 Tiny Voids 3D 游戏[1]、完整博物馆网站[2]、钟表村剧情游戏[3]，还有一套 9 页韩文室内设计提案[4]。

这里最让我有感觉的，不是页面更花了，而是模型开始同时处理场景、交互、文案和视觉完成度。

2. 不解释概念，直接做成互动工具

OpenAI 还展示了三个很小但很聪明的案例：交互式螺线仪、波干涉实验，以及 GPT Tokenizer 解释器。

从视频里的时间看，前两个分别用了 1 分 12 秒和 1 分 11 秒，Tokenizer 用了 2 分 11 秒。你可以拖参数、改输入、一步步看结果，不是再读一篇 2000 字的概念解释。

这个案例我很喜欢。知识不只是说给你听，而是直接做给你玩。

3. PPT、研报和财务模型，也开始像交付物了

官方拿同一个 PPT 母版做了对比。下图从左到右分别是参考文件、GPT-5.5 输出和 GPT-5.6 输出。

中间的 5.5 把数据更新了，但丢了母版里的顶部品牌线、脚注、数字标注和一些版式细节。右边的 5.6 能继续识别字体、间距、颜色和 Slide Master 规则，明显更像在原稿上改出来的。

OpenAI 还直接放出了 8 页收购提案、11 页股票研究报告和 4 页 LBO 财务模型。LBO 示例里连 Sources & Uses、债务偿还、利息、MOIC、IRR 和检查项都做了，不只是生成几张“看起来像金融”的表。

这件事很实用。AI 做 PPT、文档、表格，过去最大的坑不是它不会生成，而是成品离真正交付还差很多手工修整；这次 OpenAI 明显在补这一层。

4. 它开始跨应用跑完整工作了

OpenAI 同一天还发布了 ChatGPT Work，由 Codex 和 GPT-5.6 驱动。官方给它的定义很直接：可以操作你的应用和文件，一个项目需要的话可以持续跑几个小时，最后把目标变成完成的工作。

官方视频里，它会连接已有应用，处理产品素材，生成图片，再把资料整理成领导汇报用的 deck。人可以中途补一句反馈，它继续改；人离开以后，它也能接着跑。

这已经不是“问它一个问题”了，更像把一个任务交给了一张 AI 工位。

5. 三个真实用户，也比跑分更有画面

OpenAI 这次还拍了三个真实用户：日本的西兰花农场主 Hiroki、数学研究者 Bartosz，以及在家里餐桌旁经营谷物品牌的 Wishingrads 一家。

一个拿它管理农场，一个拿它推进以前解不开的数学问题，一个家庭用它做产品和经营生意。这个跨度挺夸张，也说明 OpenAI 想表达的已经不只是“程序员写代码更快”。

OpenAI 发布页还列了几组合作方自己的内部数据：Lovable 的步骤减少约 25%，工具调用减少 35%–48%，卡死任务减少 15%；PlayCo 搭 Unity 场景时 token 减少 63.5%，模型轮次减少 50.1%；Triple Whale 的前端 QA 得分是 4.4/5，GPT-5.5 是 4.0；Model ML 做真实业务 deck 时，token 比 Fable 少 39%。

这些不是统一环境下的 benchmark，而是合作方各自的测试，不能横着硬比。但它们共同指向一件事：GPT-5.6 的升级重点不只是回答更聪明，而是能看结果、会返工、能跨工具，最后交付成品。

04 Ultra 不是第四个模型

上面这些案例，还是一个模型把一个成品做完整。Ultra 是另一个方向：把大任务拆成几条线，让多个 agent 同时干。

我后来已经把这台机器切到 Sol + Ultra，准备专门拿复杂任务试试。

不过这里很容易误解。ultra 不是第四个 GPT-5.6，也不只是把“思考时间”再拉长一点。

max 是让模型花更多时间推理、检查和修正；ultra 更进一步，默认会协调 4 个 agent 并行工作。官方公布的 Terminal-Bench 2.1 里，Sol 从 88.8% 提到 Ultra 模式的 91.9%。

这个点很关键。Ultra 更适合能拆成几条线同时推进的大任务，比如大型迁移、跨仓库排查、复杂调研，而不是随手改一句文案。为了一个标点符号叫 4 个 agent 来开会，多少有点浪费。

05 我会怎么选？

我不会以后所有任务都无脑上 Sol + Ultra。

真正要算的不是“我有没有用上最贵的模型”，而是它能不能少返工、少重试、少把你带沟里。

我会这么分：

真实任务	我会先选
改一句文案、整理格式、批量简单处理	Luna
日常写代码、改文件、查普通 bug、写文档	Terra
疑难 bug、架构判断、长任务、关键交付	Sol
大型迁移、多路线调研、可并行的复杂项目	Sol + Ultra

如果懒得每次选，Terra 很可能是最合适的日常默认档。真遇到难活，再切 Sol；任务能明显拆成并行工作流，再开 Ultra。

这样比所有事情都上最强模型，更符合真实工作方式。

06 这次真正的信号

我觉得 GPT-5.6 这次有两个值得关注的变化。

第一，Sol、Terra、Luna 不再假设“每个任务都应该用同一个最强模型”，而是在能力、速度和成本之间做长期分工。第二，模型不只是回答问题，而是把代码、浏览器、文件、PPT、表格和应用逐渐揉成一个交付系统。

模型以后还会继续换名字，但“先判断任务，再选择档位”和“让 AI 对最终成品负责”这两件事会留下来。

做 HiAPI 的时候，我也越来越确定：用户真正需要的，不只是“一个 API 能调很多模型”。更重要的是，这个任务该用哪个模型，失败以后怎么降级，结果怎么验证，什么时候值得多花钱。

模型路由本身，正在变成产品能力。

07 下一步，直接拿真实任务测

上面的官方案例能说明能力上限，但不能代替我的实测。发布方肯定会挑最好看的结果，我先不急着无脑吹。

接下来真要对比，我准备拿三类任务跑一轮：同一个真实仓库修疑难 bug，同一张复杂 UI 截图做前端还原，同一批资料整理成长报告。最后不只看跑分，还看完成时间、返工次数和最终能不能验收。

不要问它强不强，直接让它干活。

能交付，才是真的强。

大模型卷起来了，兄弟们，冲就完了！当然了，无论多强的模型，最终还是要落到具体的业务场景里。像云栈社区里大家常聊的，人工智能 的落地从来不是拼参数，而是拼谁能真正解决实际问题。

引用链接

[1] Tiny Voids 3D 游戏: https://cdn.openai.com/ctf-cdn/sites/tiny-void-game/index.html
[2] 完整博物馆网站: https://cdn.openai.com/ctf-cdn/sites/museum-website/index.html
[3] 钟表村剧情游戏: https://cdn.openai.com/ctf-cdn/sites/vanished-hour-game/index.html
[4] 9 页韩文室内设计提案: https://cdn.openai.com/ctf-cdn/sites/furniture-slideshow/index.html
[5] OpenAI：GPT-5.6 正式发布: https://openai.com/index/gpt-5-6/
[6] OpenAI 官方 X：Sol、Terra、Luna 开始推送: https://x.com/OpenAI/status/2075271421149020426
[7] OpenAI 官方 X：GPT-5.6 设计判断与视觉自检: https://x.com/OpenAI/status/2075271429336273153
[8] OpenAI 官方 X：ChatGPT Work 跨应用工作流: https://x.com/OpenAI/status/2075274271845404744
[9] 农场: https://x.com/OpenAI/status/2075310019185389913
[10] 数学研究: https://x.com/OpenAI/status/2075310020653351324
[11] 家庭谷物生意: https://x.com/OpenAI/status/2075310022121472399