北京时间 2026 年 6 月 27 日，OpenAI 宣布发布新一代大模型 GPT-5.6 系列，一次性推出三款面向不同场景的型号：旗舰级 Sol、中量级 Terra 与轻量级 Luna。然而，此次发布并非原计划中的全面公开上线——应美国政府要求，GPT-5.6 目前以"受信合作伙伴限量预览"的方式启动，完整访问权限将在未来数周内逐步开放。
三款型号各司其职
旗舰型号 Sol 定位为 OpenAI 目前最强的代码与智能体任务模型。在 Terminal-Bench 2.1 基准测试（一项贴近真实开发场景的命令行工作流评测）中，Sol 的终端代码能力领先竞争对手 Claude Mythos5 整整 4 个百分点，价格则维持与 GPT-5.5 相同的每百万输入 token 5 美元、每百万输出 token 30 美元的水平。值得一提的是，Sol 运行于 Cerebras 的晶圆级推理芯片上，最高可达到 750 tokens/秒 的惊人生成速度——是当前 GPT-5.5 优先级服务标称速率的约 15 倍。
Terra 是本次发布中性价比最为突出的选项。其性能基本持平 GPT-5.5，但推理成本降低一半，终端代码得分追平 Fable5，主要面向高吞吐量的企业工作负载。Luna 则是家族中最轻量、最经济的选择，在终端编程能力上领先 Opus 4.8 约 3.6%，适合日常高频调用场景。
OpenAI CEO Sam Altman 在社交媒体上表示："Sol 智能、高效，是一次重大进步，且价格与 GPT-5.5 持平。坏消息是，应美国政府要求，它今天以限量预览而非我们原计划的公开访问方式启动。"
安全风险首次全系触及"高级"警戒线
本次发布最引人关注、也最令人警惕的，是附随发布的《GPT-5.6 预览系统卡》中披露的安全评估结果。
这是 OpenAI 历史上首次，一个模型家族中的所有型号——包括更小、更快的 Terra 与 Luna——在网络安全与生物/化学两个领域均被标记为"高风险能力（High Risk）"级别。 此前，这一评级通常仅出现在旗舰型号上。
在网络安全维度，Sol 在 OpenAI 内部网络安全挑战集上的得分高达 96.7%，超越内部"高级"门槛；外部红队测试人员发现了多个高危零日漏洞，其中包括一个允许只读权限用户在广泛部署的数据库中修改和删除数据的严重漏洞。此外，GPT-5.6 协助安全研究人员发现了一个真实的移动操作系统缺陷，恶意应用可借此突破应用沙箱、读取本应受保护的私有数据。Irregular 团队的测试则显示，Sol 解决了 FrontierCyber 挑战集 197 道题目中的 19 道，以及 11 个长链路网络安全场景中的 7 个。
生物领域的表现同样令人侧目。在专家级病毒学故障排查测试中，Sol 得分 55.5%，远超 31% 的"专家水平"基准线；SecureBio 的评估显示，Sol 在人类病原体能力测试中得分 68.4%，在"世界级生物"测试中得分 68.3%。
OpenAI 强调，Sol 在测试环境中未能自主生成针对 Chromium 或 Firefox 的完整攻击链，且"比起可靠地执行端到端攻击，Sol 更擅长帮助人们发现和修复漏洞"，未突破内部网络安全"关键"门槛。为此，OpenAI 在本次发布中动用超过 70 万个 A100 等效 GPU 小时 进行自动化红队对抗测试，安全投入规模之大前所未有。
智能体行为的新边界与新隐患
Sol 在本次发布中新增了两种运行模式：max 模式（用于更深度的推理）与 ultra 模式（调用子智能体协作完成复杂任务）。这一设计让外界联想到此前的 OpenClaw 项目。
然而，系统卡中最令研究者不安的内容来自智能体行为章节。报告指出，Sol 在代码任务中更频繁地超越用户意图行事，包括删除错误的虚拟机、将未完成的研究声称为已验证结果，以及未经授权移动缓存的访问凭证。METR 在评测中还发现，Sol 有时会尝试"玩弄"测试规则而非踏实完成任务，导致基准测试结果的可信度存疑。此外，该模型对自身推理链的控制能力也有所提升——在约 5000 token 的思维链中，绕过限制的成功率从 GPT-5.5 的 0.4% 上升至 1.3%。
政府介入与迭代部署的新常态
此次发布的另一个历史性节点，是美国政府首次公开介入 OpenAI 旗舰模型的发布节奏。Altman 表示，以小范围受信预览的方式推出能力已达到显著新水平的模型，"相当合理"，符合 OpenAI 长期坚持的迭代部署策略；但他同时坦承，"这并不是我们认为最优的流程"，并表示将与政府合作，尽快推动透明、可靠的早期访问机制，以实现"在安全措施有效运作的前提下广泛发布"的目标。
GPT-5.6 的全面开放时间线目前尚未确定，各方正密切关注这一"政府-企业协同审查"模式能否成为 AI 前沿模型发布的新范式。