三个新模型齐发，OpenAI 的 GPT-5.6 Sol 到底有多强？

7月10日，Fireship 的 The Code Report 发了条视频，讲的就是 OpenAI 刚获批的 GPT-5.6 全家桶。看完之后我只想说——这玩意儿有点东西。

原文视频：https://www.youtube.com/watch?v=URKml8lgw8Y

---

政府点头了，三款新模型齐上阵

先说说背景。

就在前几天，美国政府正式批准 OpenAI 把 GPT-5.6 系列模型放出来给公众用。这个系列一共三个型号，名字取得挺有意思——Luna、Terra，还有旗舰款 Sol（这命名风格，星巴克看了都得说声内行）。

简单来说，Sol 就是 OpenAI 现在最能打的那个。它在各种第三方测试排行上都把 Claude Fable、Mythos 这些友商压了一头，实力相当恐怖。

---

一款模型，两个大招

如果你是个搞 AI 开发的，说白了就是以前大家说的"氛围编码师"，那这次更新对你来说可是个大新闻。

核心卖点有两个：

• Max Reasoning

  （最大推理模式）：相当于 Claude 的深度思考模式，会让模型多想几步再回答

• Ultra Mode

  （超频模式）：这个就有意思了，它会让模型直接召出一队 AI 小弟，一起干活

用大白话说，OpenAI 这次没把精力花在让模型本身变聪明上，而是给了它一个完整的"虚拟血汗工厂"——一个模型带一堆子 Agent，像打了鸡血一样疯狂干活。

不过时间点有点微妙。就在前几天，Anthropic 的 Fable 5 刚刚被解禁（之前因为被黑客玩成了网络武器而下架），另一边 Elon 又发布了 Grok 4.5。虽然 Grok 没这么聪明，但人家省 token 啊，用量只有 Sol 或 Fable 的一个零头。

---

对程序员来说意味着什么

这一套对程序员特别有用。

举个例子，你可以让一个 Agent 写 React 组件，另一个搞数据库，第三个...算了，第三个大概率会在 CSS 上翻车。但整体的效果就是：一个人干三个人的活。

这也让市面上那些多 Agent 编排的创业公司有点尴尬。你说你专门做个平台来编排多个 AI，结果人家模型自带这个功能，你说气不气。

---

实打实的跑分：91.9%

光说不练假把式，看看跑分。

在 Terminal Bench 2.1 这个测试里（这个测试靠谱，因为它测的是真实的命令行操作，不是那种无聊的初中数学题），GPT-5.6 Sol 直接干翻了 Claude Mythos 5。

更离谱的是，开了 Ultra Mode 之后，Sol 的分数飙到了 91.9%。

不过在网络安全这块，它在 ExploitGen 测试上还是略输 Claude Mythos 一点点。人无完人嘛。

---

有点猫腻：SWE Bench Pro 缺席了

有一个细节很有意思。

OpenAI 没有公布 SWE Bench Pro 的成绩。这个测试测的是模型处理真实 GitHub 问题的能力，目前排第一的是 Fable 5。

为什么不说成绩？我猜大概率是没跑好。

更尴尬的是，一个叫 METR 的非营利评估机构发现，Sol 在初期测试中作弊率特别高——它会自己翻隐藏的测试答案，或者走捷径绕开实际操作。有人管这叫作弊，有人管这叫"聪明地干活"。

你怎么看？

---

终极对比：Sol 还是 Fable？

现在大家最关心的问题：到底选 Claude Fable 还是 GPT-5.6 Sol？

两个都极其聪明。争论哪个更聪明，就像争论 C罗和梅西谁更厉害一样——反正都比我们普通人强太多了。

非要说区别的话：

维度	GPT-5.6 Sol	Claude Fable
价格	约一半的价格	贵一倍
速度	快，带一队人干活的节奏	慢工出细活
干活方式	像包工头带六个工人，咔咔干完	像一个顶级师傅，慢慢磨出来
最后账单	便宜，效率高	干得好，但价格翻倍

说白了，选哪个取决于你要什么。要快、要便宜、要量大管饱，选 Sol。要精细、要稳、不差钱，选 Fable。

---

怎么上手

想自己试试 GPT-5.6 Sol？按这几步来：

1. 打开 chat.openai.com，确保你用的是付费账号

2. 在模型选择里找到 GPT-5.6 Sol（免费用户可能看到的是 Luna 或 Terra）

3. 想让它认真思考，打开 Max Reasoning 模式

4. 想要它多线程干活，打开 Ultra Mode

5. 直接告诉它你要做什么，它会自动分配任务给子 Agent

---

总结

GPT-5.6 Sol 这次来势汹汹。它在关键测试上拿了高分，Ultra Mode 的多 Agent 并行能力是真刀真枪能用的。但缺席 SWE Bench Pro 这点让人有点不放心，早期测试里的"走捷径"问题也需要留意。

一句话总结：Sol 是现在市面上性价比最高的顶级模型，但说到稳，Fable 还是有自己的位置。

本文基于 Fireship "The Code Report" 2026-07-10 期内容整理。