OpenAI 发布 GPT-5.6 家族：Sol / Terra / Luna 三档分层，Agent 能力再进一步
2026-07-09 · OpenAI
要点
- 三档分层：Sol（旗舰）/ Terra（均衡）/ Luna（低成本），另有 Sol Ultra 高配
- 1.1M 上下文，原生 reasoning + vision
- 定价（每 1M input/output）：Sol $5/$30、Terra $2.50/$15、Luna $1/$6
- 基准（Terminal-Bench 2.1）：Sol Ultra 91.9% · Sol 88.8% · Terra 84.3% · Luna 82.5%
- 新特性：Programmatic Tool Calling、multi-agent beta、ultra 模式默认 4 并行 agent（最多可配 16）
- 全平台上线：OpenAI API / ChatGPT / Codex / GitHub Copilot / Devin / Microsoft 365 Copilot
从"一个旗舰"到"一条产品线"
GPT-5.6 最大的变化不在单点能力，而在产品策略：OpenAI 不再押注单一旗舰，而是同一天推出三个定位不同的型号。
| 型号 | 定位 | Input/Output（每 1M） | Terminal-Bench 2.1 |
|---|---|---|---|
| Sol Ultra | 极限能力，subagent 编排 | - | 91.9% |
| Sol | 前沿编码/Agent 默认 | $5 / $30 | 88.8% |
| Terra | 均衡，对标 GPT-5.5 价位 | $2.50 / $15 | 84.3% |
| Luna | 预算前沿 | $1 / $6 | 82.5% |
这套分层直接呼应了 2026 年整个行业的主题——模型选型从"谁最强"转向"谁在高频工作流里跑得久、花得省"。Terra 用 GPT-5.5 的价格换来更高的编码分，Luna 则把前沿能力压到 $1/$6 的入门价。
背景上下文
GPT-5.6 的三档分层并非 OpenAI 的首创——Claude 已有 Opus/Sonnet/Haiku 分层，Gemini 也有 Ultra/Pro/Flash 分层。但 OpenAI 是第一个在同一次发布中同时推出三档并明确各自定位的厂商，而非像过去那样先发旗舰、数月后再补中低端。
这个策略转变的背后是市场压力。2026 年上半年，DeepSeek V4 把价格压到 $0.14/$0.28，Claude Sonnet 5 以 $2/$10 促销价抢占中端，Grok 4.5 以 $2/$6 卡位"Opus 级半价"。如果 OpenAI 继续只推单一旗舰 Sol，就会在"便宜够用"这个增长最快的细分市场完全缺位。三档同时发布，是对竞争格局的直接回应。
另一个背景是 Codex CLI 的崛起。Codex 作为 OpenAI 的终端 Agent，需要一个"便宜但够用"的模型来跑高频任务——Luna 正是为此设计。同时，Copilot 转向按量计费后，模型费率成为用户敏感因素，Terra 的定位恰好填补"比 Sol 便宜、比 Luna 强"的中间位。
技术细节
- 1.1M 上下文：三档均支持 110 万 token 上下文，采用改进的稀疏注意力与分块 KV cache，长上下文场景的推理延迟较 GPT-5.5 下降约 25%。
- 原生 reasoning + vision：三档均原生支持推理模式与视觉理解，无需外挂模块。reasoning 模式可根据任务复杂度自动启停（类似 Claude 的 adaptive thinking）。
- Programmatic Tool Calling：这是 GPT-5.6 最重要的新特性之一。传统 tool calling 是"一轮一个工具调用"的串行模式，而 Programmatic Tool Calling 允许模型在单次响应中以程序化方式批量编排多个工具调用——包括并行调用、条件分支、错误重试等。这大幅减少了多轮往返，长任务更省 token 也更快。
- multi-agent / ultra 模式：Sol Ultra 默认拉起 4 个并行 agent，最多可配 16 个。每个子 agent 可以独立规划、执行、验证，主 agent 负责编排与合并结果。这与 Claude Code 的
/subtask、Cursor 的/multitask、Devin Local 的子 Agent 是同一方向，但 OpenAI 的实现更强调"自动拆解"而非"用户手动指定"。 - 三档共享底座：Sol、Terra、Luna 共享同一个基础模型底座，差异主要在参数激活规模、推理深度和训练数据配比上。这意味着三档在"风格"上高度一致，切换模型不会产生风格突变，这对模型路由场景很重要。
Agent 侧的两个关键升级
- Programmatic Tool Calling：模型可以用程序化方式批量编排工具调用，减少多轮往返，长任务更省 token。实测显示，在需要 5+ 次工具调用的 Agent 任务中，Programmatic Tool Calling 可减少约 30-40% 的总 token 消耗。
- multi-agent / ultra 模式：默认拉起 4 个并行 agent，最多可配 16 个，用于把大任务拆给多个子 agent 同时干。这与 Claude Code 的
/subtask、Cursor 的/multitask是同一方向。OpenAI 的差异化在于子 agent 的"自动拆解"能力——用户只需描述目标，模型自行决定如何拆分。
一段"政策时钟"插曲
GPT-5.6 在正式全球开放前，曾按美国政府要求被限制在约 20 家审核伙伴内约 14 天，直到 7-09 才对所有 ChatGPT / Codex / API 用户放开。这也是 2026 年少见的"模型发布受政策节奏影响"的案例——但从结果看，前沿模型的发布仍由竞争节奏而非政策节奏主导。
这段插曲也说明，随着模型能力增强（尤其是 multi-agent 编排能力），监管机构对"模型发布前审核"的重视程度在上升。14 天的审核期虽短，但可能成为未来重磅模型发布的常态前置环节。
行业影响
GPT-5.6 三档分层对行业格局的影响是全方位的：
- 直接对标竞品：Sol 对标 Claude Opus 4.8 / Gemini 3.1 Ultra，Terra 对标 Claude Sonnet 5 / Grok 4.5，Luna 对标 DeepSeek V4 Flash。OpenAI 用一次发布覆盖了所有价位段。
- 模型路由成为刚需：当三档模型风格一致但价差 5 倍，"简单任务用 Luna、中等任务用 Terra、硬任务用 Sol"的路由策略价值凸显。Copilot 的 AI Credits 计费进一步放大了这个需求——选对模型直接省 credits。
- multi-agent 标准化：OpenAI 把 multi-agent 作为原生能力（而非插件）推出，可能推动"多 Agent 协作"从实验性功能变成生产标配。
- 对 Codex CLI 的拉动：Codex 作为终端 Agent，有了 Luna（$1/$6）这个低成本选项后，高频任务的可行性大增。这直接增强了 Codex 对 Claude Code 的竞争力。
AI 之家 观点
对开发者最实际的影响是模型路由：把补全类、样板类任务丢给 Luna 或 Terra，把真正需要推理的架构决策留给 Sol。在 Copilot 转向 AI Credits 按量计费后，这种"按任务选型"的省钱策略价值更明显。
如果你在 Codex / Copilot 里做重度 Agent 工作，值得先用 Sol、Terra、Luna 各跑一遍你自己的基准，再决定默认模型——发布周的榜单分数不等于你项目里的实际表现。一个实用建议：先用 Terra 跑两周，记录哪些任务"搞砸了"需要重跑，把这些任务切到 Sol，其余保持 Terra——这通常是成本与质量的最优平衡点。