GPT-5.6 正式发布：Sol / Terra / Luna 三档旗舰，1/4 成本超越 Fable 5

OpenAI 这次没有延续"一个大模型打天下"的叙事，而是把 GPT-5.6 拆成三条产品线：Sol 负责复杂推理与多智能体编排，Terra 是面向大多数业务的主力档，Luna 承担高并发与低延迟场景。命名很直白，背后的取舍也很直白。

三档定位，一次看懂

Sol 的定位是"想得久一点"。它支持可调的推理预算，在启用 Pro 模式后能拆出多个子智能体并行验证，再把结论汇总。我们对它的直观感受是：它更像一个项目组，而不是一个回答者。

Terra 是这次的甜点位。它的综合能力接近上一代旗舰，但单位成本下降了一半以上，响应也更稳定。对于绝大多数内容生产、数据分析与常规编码任务，Terra 已经够用。

Luna 则明显是为了"量"而生。它牺牲了长链推理的稳定性，换来更低的延迟与更扁的定价曲线，适合做分类、抽取、客服分流这类高频但简单的任务。

价格：真正被改变的部分

过去一年，前沿模型的价格下降主要来自"更小的模型做得更好"，而不是"旗舰变便宜"。GPT-5.6 把这条曲线又推了一段：

模型            输入 ¥/M    输出 ¥/M    相对成本
----------------------------------------------------
GPT-5.6 Sol      70          280         1.00x
GPT-5.6 Terra    18          72          0.26x
GPT-5.6 Luna      3           12          0.04x
Claude Fable 5   65          260         0.93x

把 Terra 放在主力位置，意味着同样的预算能跑接近四倍的调用量。这也是我们说"1/4 成本"的来源——不是旗舰更便宜，而是你未必需要旗舰。

真正决定成本的，从来不是单价，而是你为一个任务多付了多少不必要的推理。

实测：推理与代码

我们用自建评测集跑了三轮，题目覆盖数学多步推理、真实仓库缺陷修复、长文摘要一致性。几个明确观察：

• 多步数学：Sol 明显领先，尤其在需要自我校验的题目上错误率更低；Terra 在 4 步以内的题目上差距很小。
• 仓库级修复：Terra 与 Sol 的差距主要出现在跨文件依赖，单文件改动几乎持平。
• 长文一致性：三档都能守住结构，但 Luna 在超过 3 万字后开始丢失前文细节。

一个容易被忽略的点：Sol 的优势在多次尝试时才充分体现。单次问答里，它和 Terra 的体感差异远小于价格差异。

Sol Pro 的多智能体意味着什么

Pro 模式会把任务拆给若干角色：规划、检索、执行、复核。工程上它是把编排逻辑内置到了模型侧，你不需要自己写一堆 prompt 链。代价是延迟变长、可观测性变差——你看到的是一个结论，而不是中间过程。

谁应该切换，谁不必着急

如果你们正在用上一代模型做内容生产或常规开发辅助，切到 Terra 是低风险的增益；如果已经围绕某个模型做了大量提示词与工具适配，先做一轮 A/B，别急着全量迁移。

而对于刚起步的团队，更值得做的事不是选最强的模型，而是建立自己的评测集。没有评测集，任何"更强"都只是别人的结论。