GPT-5.6三款模型上线，最便宜比竞品低16倍

三个尺寸，三个价位

OpenAI周三发布了GPT-5.6系列，从最小到最大依次为Luna、Terra、Sol。定价按每百万输入/输出token计算：Luna 1美元/6美元，Terra 2.5美元/15美元，Sol 5美元/30美元。对比Claude系列，Claude Opus是5美元/25美元，旗舰Claude Fable 5则高达10美元/50美元。最便宜的Luna比Fable 5便宜约16倍，Terra也远低于对手。

三个模型共享同一知识截止日期2026年2月16日，上下文窗口100万token，最大输出128,000 token。开发者可在API中按任务选择推理努力级别，成本从0.71美分（Luna无推理）到48.55美分（Sol最大推理）不等。

基准测试的矛盾结果

在Agent's Last Exam基准测试中——考核55个领域的长时间专业工作流程——GPT-5.6 Sol得53.6分，超过Claude Fable 5（自适应推理模式）13.1分。即便在中等级别推理下，Sol仍领先Fable 5达11.4分，成本仅为后者的约四分之一。Terra和Luna更以约十六分之一成本同样超过Fable 5。

但SWE-Bench Pro（软件工程基准）的局面正好相反：Fable 5得分80%，而Sol仅64.6%。OpenAI随即发文指出，SWE-Bench Pro中约30%的任务存在问题，建议仔细检查结果。这场分数落差让基准的可信度成了争议点。

到底该选哪个模型？

作者提前体验了GPT-5.6 Sol，觉得它能干，但在自己常用的复杂编码任务上并不优于Claude Fable。选择取决于具体场景：简单工作、长流程代理任务可以选便宜的Luna或Terra，复杂编程可能Claude更可靠。不能只靠单一基准或价格做判断。

新API功能：更灵活的开发者工具

GPT-5.6系列API新增四项关键功能。Programmatic Tool Calling让模型能编写并运行JavaScript来编排工具调用，自动完成多步骤操作。Multi-agent功能允许模型启动子代理，进行并行、专注的工作，适合分解复杂任务。Prompt cache breakpoints使开发者能显式设置缓存断点，降低重复计算成本。图像请求新增detail: original参数，避免预处理缩放，保留原始分辨率。这些功能目前通过API提供给开发者。

OpenAI在直播中还演示了3D鹈鹕骑三轮车、自行车、小马和另一只鹈鹕的趣味场景。新系列已上线API，给开发者提供了更低成本、更多选择，但真实场景的优劣还需更多实际测试来验证。