OpenAI推出GPT‑5.6三层模型家族 实现程序化工具调用并大幅降低使用成本
•0 阅读•5分钟•前沿
OpenAIGPT-5.6Programmatic Tool Calling
•0 阅读•5分钟•前沿
模型家族概览
OpenAI 在本次发布中将 GPT‑5.6 拆分为 Sol、Terra、Luna 三个层级，分别面向高端、主流和成本敏感的使用场景。每个层级在算力、响应速度以及工具调用能力上保持一致，仅在价格和默认推理深度上有所差异。
价格结构（每 1M token）
- Sol：输入 $5，输出 $30
- Terra：输入 $2.50，输出 $15
- Luna：输入 $1，输出 $6
价格均为 API 调用费用，缓存写入按 1.25 倍未缓存输入费率计费，读取维持 90% 折扣，缓存最短生命周期 30 分钟。
核心技术亮点
程序化工具调用（Programmatic Tool Calling）
- 通过模型生成的 JavaScript 在隔离的 V8 运行时执行，实现工具链的自动编排。
- 完全无网络访问，确保安全；中间结果不返回给模型，显著降低了 prompt token 消耗（最高 63.5%）
- 与传统工具调用相比，能够在单次请求中并行调度多个子任务，提升工作流效率。
多代理模式（Ultra）
- Sol Ultra 版本默认启用四代理并行执行，Terminal‑Bench 2.1 分数提升至 91.9%，BrowseComp 达到 92.2%。
- 该模式在 API 中以 Responses API 的多代理 beta 形式提供，可按需开启。
基准评测概览
| 基准 | Sol | Terra | Luna | 竞争模型 |
|---|---|---|---|---|
| Artificial Analysis Coding Agent Index | 80 (领先 2.8 分) | — | — | Claude Fable 5: 77.2 |
| Terminal‑Bench 2.1 | 88.8% → 91.9% (Ultra) | 84.7% | 78.9% | Claude Mythos 5: 88% |
| DeepSWE v1.1 | 92.2% | 69.6% | 59% | — |
| OSWorld 2.0 | 62.6%（使用 85% 更少输出 token） | 50.2% | 41.3%（长上下文） | Claude Opus 4.8: 58% |
| SWE‑Bench Pro | 64.6% | 63.4% | 59.7% | Claude Mythos 5: 80.3% |
以上数据均摘自 OpenAI 官方发布的评测表，除 SWE‑Bench Pro 外，Sol 在多数关键指标上实现了 超越 GPT‑5.5 的表现。
使用场景与可达性
- ChatGPT Work / Codex：免费与付费用户均可访问 Terra；Pro 与 Enterprise 用户可切换至 Sol 或 Sol Pro。
- API：三层模型全部开放，用户可通过 Responses API 调用程序化工具调用与多代理功能。
- 缓存机制：支持显式缓存断点，缓存写入计费 1.25 倍，读取保持 90% 折扣，帮助大型推理任务显著削减成本。
竞争格局与挑战
- 虽然 Sol 在多数人工分析基准上领先，但在 SWE‑Bench Pro、Toolathlon 等编程与工具使用评测中仍落后于 Claude Mythos 5 与 Claude Fable 5，分差约 15 分。
- 长上下文（256K‑1M token）下 Luna 的表现下降明显，提示在超长对话场景仍需进一步优化。
- OpenAI 自报的延迟与成本为离线模拟，实际生产环境可能出现差异，用户需自行评估。
业界影响
GPT‑5.6 的三层定价结构为企业提供了更细粒度的成本控制手段；程序化工具调用则为构建复杂 AI 工作流提供了原生支持，降低了开发者对外部编排层的依赖。随着竞争对手如 Anthropic、Google 继续在编程基准上保持优势，OpenAI 需要在代码生成与工具协同上进一步提升，以巩固其在大模型商业化赛道的领先地位。
本文基于 OpenAI 官方发布的技术文档、系统卡片以及公开评测数据撰写，旨在为行业从业者提供客观、可操作的产品洞察。
本文是对第三方新闻源的主观解读。消息可能出现过时、不准确、歧义或错误的地方，仅供参考使用。点击此处查看消息源。