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
- 「前沿模型 400 美元订阅不可能持久」,团队转向评测开源模型备胎 — ChrisRackauckas · 2026-10-18
- 150M 参数小模型拦截离题查询，Macro-F1 91.56% 超越顶级 LLM — kalyan_kpl · 2026-10-18
- OpenAI 测试列表惊现 aurora 红/绿/蓝三个 alpha 模型检查点 — ChrisGPT · 2026-10-18
- 波兰开发者业余两周造决策模型,开源榜第一超众多商业产品 — lukaszkaiser · 2026-10-18
- DeepSeek V4.1 Flash 智能体分暴涨,长程任务提升但约束遵循下滑 — teortaxesTex · 2026-10-18
- 科学计算大佬实测：日常维护任务开源模型反超，但深挖代码缺陷仍靠 Opus — ChrisRackauckas · 2026-10-18