GPT-5.6 发布一个月，最大的变化不是性能，是它吞掉了Codex

Tue, 18 Aug 2026 08:00:00 +0800

7月9日发布的 GPT-5.6，性能提升是意料之中的事。真正让行业震动的，是 OpenAI 把 Codex Agent 直接塞进了主模型——你不再需要单独的编程 Agent 产品了。

先说结论

GPT-5.6 最大的变化不是跑分，而是产品形态的合并。Codex 从独立产品变成模型内置能力，三档定价让开发者按场景选模型而不是选产品。Sol 在编程和推理上全面领先，Luna 降价 80% 后成本低到可以不计，Terra 成了 GPT-5.5 的直接平替。

三档定价：不是高低配，是三个物种

GPT-5.6 不再是一个模型，而是一个家族。代号 5.6 标记的是代际，Sol/Terra/Luna 标记的是持久的能力层级——它们各自有独立的迭代节奏，OpenAI 可以单独更新某一个而不影响其他两个。

当前定价（标准模式，短上下文）：

型号	定位	输入价（/MTok）	输出价（/MTok）	缓存读取
Sol	旗舰推理	$5.00	$30.00	$0.50
Terra	均衡之选	$2.00	$12.00	$0.20
Luna	极速廉价	$0.20	$1.20	$0.02

注意看最后一列——缓存读取只要原价的 10%。这意味着如果你的应用有大量重复上下文（比如系统提示词），实际成本会大幅低于标价。

7月30日的调价幅度很大：Luna 直接砍了 80%（从 $1/$6 降到 $0.20/$1.20），Terra 降了 20%（从 $2.5/$15 到 $2/$12）。Sol 没动。

这个信号很清楚：OpenAI 要让 Luna 成为高吞吐场景的默认选择。

三个型号都支持六个推理档位：none、low、medium、high、xhigh、max。上下文窗口 1.05M tokens，最大输出 128K tokens。知识截止日期 2026年2月16日。

Codex 融入主模型：这才是真正的大新闻

GPT-5.6 同时在 ChatGPT、Codex 和 API 三个入口可用。同一个模型，三个入口，共享能力。

以前的 OpenAI 产品线是分裂的：ChatGPT 管对话，Codex 管编程，API 管调用。开发者要同时订阅多个产品。现在，GPT-5.6 把这些能力全部内置到模型本身。

具体来说，GPT-5.6 内置了两个关键新能力：

Programmatic Tool Calling——模型可以自己写程序来协调工具调用，处理中间结果，过滤大量数据，而不是每个工具响应都走一遍模型。在 Unity 场景构建工作流中，总 token 消耗减少 63.5%，模型调用轮次减少 50.1%。在金融研报场景中，prompt token 减少 38%，质量不变。

Multi-agent（Beta）——Sol 的 Ultra 模式默认协调 4 个并行 Agent。OpenAI 的数据显示，在 BrowseComp、SEC-Bench Pro 和 Terminal-Bench 2.1 三个评测上，4-Agent 配置的得分-延迟曲线全面优于单 Agent。在 API 中，开发者可以通过 Responses API 的 multi-agent beta 构建类似的并行工作流。

这意味着什么？ 以前你需要 CrewAI、LangGraph 来编排多 Agent，现在模型自己就能做。Agent 框架的价值不是消失了，而是被迫往更上层走——从"编排工具调用"升级到"编排业务逻辑"。

跑分拆解：Sol 到底强在哪

以下数据全部来自 OpenAI 官方博客和第三方独立评测（Artificial Analysis、DeepSWE），我逐一验证过：

评测	GPT-5.6 Sol	对比对象	差距
Agents’ Last Exam	53.6	Claude Fable 5: 40.5	+13.1 分
AA Coding Agent Index	80.0	Claude Fable 5: 77.2	+2.8 分
DeepSWE（pass@1）	73%	Claude Opus 5: 74%	基本持平
CTF 网络安全	73.5%	GPT-5.5: 47.9%	+25.6 个百分点
内部 RSI 评测	—	比 GPT-5.5 高 16.2 分	—

但跑分只是故事的一半。效率才是真正的杀手锏。

在 Agents’ Last Exam 上，Sol 完成任务的时间比 Fable 5 少 61%，成本大约一半。Terra 和 Luna 的表现更让人意外——它们在大约 Fable 5 十六分之一的成本下，达到了接近的性能。

Luna 的 DeepSWE 得分 67%（和 GPT-5.5 持平），但平均成本只有 $0.61——GPT-5.5 是 $7.23。同样的性能，成本降了 90%。

在 QAInsights 的实测中，同样一个客服分类任务：

Luna：155.6 tok/s，总耗时 4.4 秒，成本 $0.00172
Terra：79.2 tok/s，总耗时 6.8 秒
Sol：42.1 tok/s，总耗时 9.4 秒

有意思的是，Terra 的首 token 延迟最低（1931ms），比 Luna 还快 25%。但 Luna 的吞吐量是 Terra 的两倍，所以最终还是 Luna 先完成。最快启动和最快完成，是两个不同的模型。

开发者该怎么选

场景	推荐型号	理由
复杂编程、长链推理、研究	Sol	推理最强，Agent 表现最好
日常开发、代码审查、知识工作	Terra	性能接近 GPT-5.5，成本减半
批量分类、数据清洗、简单问答	Luna	速度最快，成本低到可以不计
不确定用哪个	Terra 先上	最安全的默认选择

一个实用策略：用 Luna 做筛选，用 Sol 做精加工。先让 Luna 批量处理一遍，把需要深度推理的挑出来交给 Sol。两步下来总成本可能比全程用 Terra 还低。

另一个细节：所有三个型号都支持 Functions、Web search、File search 和 Computer use。工具能力不按定价分级，这意味着 Luna 也能用工具，只是推理深度不如 Sol。

不只是编程：设计和安全也是亮点

GPT-5.6 的提升不只是编程。OpenAI 在设计能力上下了狠功夫。

官方演示中，GPT-5.6 可以从高层级描述直接生成可交互的前端界面，而且能通过 Computer Use 检查渲染结果、发现视觉问题、自动修正。Cursor 的联合创始人说它是"CursorBench 上表现最好的模型之一"。Canva 的 AI 产品负责人说它的演示文稿生成能力比竞品强 1.6 倍，而且 token 效率更高。

在网络安全领域，提升更夸张。CTF 挑战赛得分从 GPT-5.5 的 47.9% 跳到 73.5%。ExploitGym 的漏洞利用测试，两小时窗口内 pass rate 从 15.1% 翻到 24.9%，六小时窗口达到 33.7%。

不过 OpenAI 也承认，GPT-5.6 在"找到漏洞"上比"自主发动端到端攻击"强得多——这对防御者来说是好消息。Daybreak 项目提供了受信任访问通道，让安全研究人员可以在授权环境中使用更强的网络安全能力。

成本对比：一张表算清楚

很多人只看单价，不看总成本。这里用 DeepSWE 的实际数据算一笔账：

模型	DeepSWE 得分	平均成本/task	平均输出 tokens
Claude Opus 5	74%	$11.84	118K
GPT-5.6 Sol	73%	$8.39	60K
Claude Fable 5	70%	$21.63	119K
Kimi K3	69%	$4.65	81K
GPT-5.6 Luna	67%	$0.61	73K
GPT-5.5	67%	$7.23	46K

Sol 比 Opus 5 便宜 29%，输出 tokens 只有一半。Luna 和 GPT-5.5 得分相同，但成本只有 8.4%。

如果按月跑 1000 个任务估算：

全程用 Sol：$8,390
全程用 Luna：$610
Luna 筛选 + Sol 精加工（假设 20% 需要 Sol）：$610 + $1,678 = $2,288

混合策略比全程 Sol 省 73%，比全程 Luna 只贵 3.7 倍但质量大幅提升。

对国内开发者的影响

老问题不变：OpenAI API 在国内的可用性没有根本变化。但有几个值得认真算的账：

1. Luna 的成本已经低到中转商也能承受。 $0.20/MTok 的输入价，缓存命中后 $0.02，一个 1000 字的请求不到一分钱。批量处理 10 万条数据，总成本可能就几美元。

2. Terra 是 GPT-5.5 的直接替代品。 如果你在用 GPT-5.5 的 API，切到 Terra 能省一半钱，性能基本不变。OpenAI 自己就是这么说的——Terra 的定位就是 GPT-5.5 的迁移目标。

3. Codex Agent 内置对 Agent 框架的冲击是真实的。 当模型自己就能编排工具、分配资源、并行处理，外面那层框架的必要性就在下降。框架要活下来，得往模型做不了的方向走——业务抽象、领域知识、可视化编排。

4. 缓存机制值得关注。 GPT-5.6 引入了显式缓存断点和 30 分钟最低缓存生命周期。对有大量重复上下文的应用来说，这能省很多钱。

最后说一句

GPT-5.6 发布一个月了。跑分会被追平，价格会被卷下来，这些都不是新闻。

真正的新闻是 OpenAI 用"三档定价 + Codex 内置"重新定义了什么叫"一个模型"。以前你买的是一个 API endpoint，现在你买的是一个可以自己编排工具、自己分配资源的 Agent 平台。

这个趋势不会停下来。下一个问题不是"GPT-5.6 能不能做这个"，而是**“我还需要在外面包一层 Agent 框架吗”**。

Benchmark on Kalend's Blog