结论：截至 2026 年 7 月 20 日，GPT‑5.6 没有传统意义上的同行评审论文或 arXiv 论文。最接近“论文”的官方技术材料是 7 月 9 日发布的 GPT‑5.6 System Card PDF，另有网页版和包含完整性能表的发布说明。

GPT‑5.6 Sol 对 Claude Fable 5 的直接差距：

• Agents’ Last Exam：52.7% vs 40.5%，领先 12.2 个百分点。
• Coding Agent Index：80.0 vs 77.2，领先 2.8 分。
• Terminal-Bench 2.1：88.8% vs 83.1%，领先 5.7 个百分点。
• GPQA Diamond：94.6% vs 92.6%，领先 2.0 个百分点。

但 Sol 并非全面获胜。Fable 5 在 SWE‑Bench Pro 上为 80.0%，明显高于 Sol 的 64.6%；它还在 GDPval‑AA v2、Artificial Analysis Intelligence Index、FrontierMath Tier 4 和 Toolathlon 上分别领先 Sol。因此，偏长周期智能体、终端和综合专业工作时 Sol 更强；如果工作负载高度贴近 SWE‑Bench Pro，Fable 仍有明显优势。

API 价格

以下按短上下文标准价，单位为美元/百万 Token。“示例成本”是许多短请求累计 100 万输入 + 20 万输出，即 输入价 + 0.2 × 输出价，不包含工具调用和缓存。

长上下文价格会更高：GPT‑5.6 Sol/Terra/Luna 分别为 $10/$45、$5/$22.50、$2/$9；Gemini 3.1 Pro 超过 200K 提示时为 $4/$18。

综合来看：

• 追求最高综合能力：GPT‑5.6 Sol。
• 性价比最好：GPT‑5.6 Terra——在图中四项测试均略高于 Fable，但示例成本只有 Fable 的 27.5%。
• 大规模、预算敏感：GPT‑5.6 Luna。
• SWE‑Bench Pro 类的软件工程任务：值得同时实测 Fable 5。

价格与模型信息来源：OpenAI API 定价、Claude 模型与定价、Fable 5 发布说明、Gemini API 定价。直接对比表主要由 OpenAI 发布，不应当作完全独立的第三方排名；实际采购前最好用自己的任务集复测。