GPT-5.6 三档位基准横评
docdavkitty · reddit · 2026-07-13
这条帖对 OpenAI GPT-5.6 的三个档位做了完整横评：Sol / Terra / Luna。
关键信息
- OpenAI 于 7 月 9 日 GA 发布 GPT-5.6
- 三个 tier 可以独立迭代：
- Sol：$5 / $30 per 1M tokens
- Terra：$2.50 / $15
- Luna：$1 / $6
- 新增了 max reasoning 和 ultra multi-agent 模式
主要基准表现
- Terminal-Bench 2.1：Sol 88.8%，Terra 87.4%，Luna 84.7%
- BrowseComp：Sol 92.2%，作者称为 SOTA
- AA Coding Agent Index：Sol 80，Terra 77.4，Luna 74.6
- SWE-Bench Pro：Sol 64.6%，但作者也指出 OpenAI 对这个 benchmark 有质疑
- DeepSWE value：Luna 的性价比被认为非常高，约 24 pts / $1，明显优于更贵的方案
路由结论
- Terra 是大多数工作负载的默认选择
- Sol 主要适合最难的 agentic / terminal 场景
- Luna 更适合高吞吐流水线，性价比很强
- Ultra mode 价格约高 3 倍，但只多出约 3 分，通常不划算
所属事件:OpenAI 发布 GPT-5.6 家族：三档位上线，主推 Sol 性价比(10 条相关)→
「模型」频道最新
- AxiomProver登顶LeanEval,末个未饱和数学形式化基准 — BenBlaiszik · 2026-09-03
- Muse Spark 1.3 把用户叫成 Judah 后又死不承认 — fragment_me · 2026-09-03
- 用户实测:Google AI Mode 对 TOFU 类查询完全不给出处引用 — gaganghotra_ · 2026-09-03
- 评测称 Fable 5.1 失败率减半：每百次仅 7 次失败、幻觉率 0.7% — ryanshrout · 2026-09-03
- Seroter 每日阅读清单:Gemini 3.8 Flash、agent 遥测与 7 种 skill 模式 — rseroter · 2026-09-03
- 爆料称 OpenAI Astra 有两个测试版，主打长时自主任务 — Ok_Display_3159 · 2026-09-03