GPT-5.6 Sol
GPT-5.6 旗舰 · OpenAI · 发布 2026-07-09 · 当前代
OpenAI 旗舰，Terminal-Bench 第一，限时 $4/$20。
- 类型
- 未披露
- 注意力
- 未披露
- 层数
- 未披露
- 专家
- 未披露
- 隐藏维
- 未披露
- 词表
- 未披露
未披露。系统卡仅称「以强化学习训练的推理模型，具备长内部思维链」。reasoning.effort 支持 none/low/medium/high/xhigh/max；ultra 模式调用子 agent。
未披露。OpenAI 未公布参数量、Dense/MoE、注意力结构。系统卡仅描述为「以强化学习训练、具备长内部思维链的推理模型」。
已知接口特性：
reasoning.effort：none/low/medium（默认） /high/xhigh/max（GPT-5.6 新增）- ultra 模式：超越单 agent，调用子 agent 并行推进复杂任务（Terminal-Bench 2.1 从 88.8% 提到 91.9%）
- 1,050,000 上下文，最大输入 922K，最大输出 128K
- 模态：文本 + 图像 → 文本
- 端点：Chat Completions、Responses、Batch；不支持 fine-tuning
- 内置工具：web search、file search、image generation、code interpreter、hosted shell、apply patch、skills、computer use、MCP、tool search
- 知识截止 2026-02-16
闭源模型，无自建选项，不提供显存表。
无自建选项。
成本模型（官方定价页，2026-08-28）：
- 输入 $4 / 缓存输入 $0.40 / 输出 $20 / MTok（2026-08-21 ~ 11-21 促销价，原价 $5 / $30）
-
272K 输入 token 的请求：输入 2×、输出 1.5×
- 缓存写 1.25×；Batch / Flex 半价，Priority 2.5×
实测（AA）：max 档单任务 $0.95~1.04，输出约 15K token / 任务（GPT-5.5 为 16K），69.6 tok/s，TTFT 约 122 s。同级的 Terra 便宜约 50%，Luna 便宜约 80%。
编程Terminal-Bench 2.1 88.8%（官方公告，ultra 91.9%）；SWE-bench Pro Public 64.6%（DataLearner）；AA Coding Agent Index 80。
推理AA 智能指数 61；ARC-AGI-2 92.5%（ARC Prize 验证）；ARC-AGI-3 7.8%。
数学FrontierMath v2 89.1%（max，DataLearner 汇总）。
AgentOSWorld 2.0 62.6%（xhigh + 工具）；ultra 模式以子 agent 加速复杂任务。
多模态支持文本 + 图像输入；官方未公布 MMMU。
中文中文可用，缺少独立中文评测。
数学与命令行 agent 极强：FrontierMath v2 89.1%（max）、Terminal-Bench 2.1 88.8%、GPQA Diamond 93.5%（DataLearner 汇总）。ARC-AGI-2 92.5%（ARC Prize 验证）说明模式推理已接近饱和，但 ARC-AGI-3 仅 7.8%，远低于 Opus 5 的 30.2%——交互式新环境推理是弱项。AA 智能指数 61，略低于 Opus 5（63）与 Fable 5（62）；AA-Briefcase 表现 Elo 最高但 rubric 分 42% 低于 Fable 5 的 56%。失败模式：系统卡承认存在任务作弊与捏造研究结果的实例。
- 1.Terminal-Bench 2.1 88.8%（ultra 模式 91.9%）领先全场，FrontierMath v2 89.1%
- 2.新增 max 推理档与 ultra 子 agent 模式，1.05M 上下文 + 128K 输出
- 3.2026-08-21 起降价至 $4 / $20（原 $5 / $30），至 11-21
- 1.$4 / $20 为三个月促销价，11-21 后可能回到 $5 / $30；>272K 输入按 2× 输入 / 1.5× 输出计费
- 2.AA 实测 max 档首 token 延迟约 122 s，深推理成本与时延都高
- 3.LMArena 1482 落后 Claude Fable 5 / Opus 5；网络安全与生化均被评为 High 风险，有安全拦截
| 基准 | 分数 | 来源 | 日期 | 证据 |
|---|---|---|---|---|
| LMArena Text Elo人类偏好 Elo | 1482 | LMArena Text (style control) | 2026-08-28 | 独立复测 |
| Artificial Analysis Intelligence IndexAA 综合指数 | 61 | Artificial Analysis Intelligence Index v3 | 2026-08-28 | 独立复测 |
| Terminal-Bench终端 agent | 88.8% | OpenAI 发布公告 | 2026-08-28 | 厂商公布 |
| Artificial Analysis Intelligence IndexAA 综合指数 | 61 | Artificial Analysis (v4.1.1) | 2026-08-28 | 独立复测 |
| GPQA Diamond研究生级科学问答 | 94.1% | Artificial Analysis (v4.1.1) | 2026-08-28 | 独立复测 |
| Humanity's Last Exam人类最后考试 | 49.5% | Artificial Analysis (v4.1.1) | 2026-08-28 | 独立复测 |
| SciCode科学计算编程 | 56.1% | Artificial Analysis (v4.1.1) | 2026-08-28 | 独立复测 |
| Terminal-Bench Hard终端 agent（AA 困难子集） | 65.9% | Artificial Analysis (v4.1.1) | 2026-08-28 | 独立复测 |
| τ²-Bench Telecom工具调用 agent（电信域） | 85.1% | Artificial Analysis (v4.1.1) | 2026-08-28 | 独立复测 |
| MMMU-Pro多模态理解（Pro） | 83.4% | Artificial Analysis (v4.1.1) | 2026-08-28 | 独立复测 |
| IFBench指令遵循 | 72.7% | Artificial Analysis (v4.1.1) | 2026-08-28 | 独立复测 |
| Terminal-Bench终端 agent | 88% | Artificial Analysis · Terminal-Bench 2.1 | 2026-08-28 | 独立复测 |
| τ³-Bench Banking工具调用 agent（银行域） | 44.3% | Artificial Analysis · τ³-Bench Banking | 2026-08-28 | 独立复测 |
| LMArena Chinese Elo中文人类偏好 Elo | 1538 | LMArena Text · Chinese (style control) | 2026-08-28 | 独立复测 |
更新 2026-08-28 · 排名供选型参考，基准会饱和、会泄漏、会过时。