Topic 1: GPT-5.6 家族正式 GA：Sol/Terra/Luna 三档定价 + Codex Sol 自己优化自己服务

摘要：OpenAI 7 月 29 日正式发布 GPT-5.6 旗舰家族：Sol（旗舰，\(5/\)30 per 1M tok）、Terra（GPT-5.5 同档但价格减半）、Luna（Sol 价 1/5、Opus 4.8 同档）。Sol 在 Artificial Analysis Coding Agent Index 拿下 80 分新 SOTA，比 Fable 5 高 2.8 分但 token 用量不到一半、耗时不到一半、成本约 1/3。文章里更值得注意的是 OpenAI 让 GPT-5.6 Sol 在 Codex 里「自己优化自己的推理栈」——它自己重写了 Triton/Gluon production kernels，把端到端 serving 成本压低了 20%；并自主设计了新的投机解码草稿模型架构，让 token 生成效率再提升 15% 以上。同步推出 max 推理档位 + ultra 模式（默认 4 agent 并行），给 AI coding 工具链定价到单 commit 4.63 美元级别。

一、为什么 GPT-5.6 家族是「分水岭」而不是「小幅升级」

GPT-5.6 这次不是「一个更好的 GPT-5」，而是 OpenAI 第一次把模型族拆成 三档定价梯度，给 AI coding 工具厂商一个明确的「成本 vs 能力」决策地图：

关键定价信号：Sol 的输出价比 Terra 高 1 倍、比 Luna 高 4 倍。这意味着一个 Cursor、Claude Code、Codex 的工具厂商，要决定一件具体任务该路由到哪一档——Sol 跑 1 token 等于 Luna 跑 5 token；选错档位每 commit 单价能差 5 倍以上。Cursor Router 这种 cache-aware 路由器（7/23 发布）现在有了更明确的「档位图谱」可用。

二、Sol 的核心跑分：AI coding 工具厂商要重新评估旗舰成本

OpenAI 给出的对标数字非常具体：

• Artificial Analysis Coding Agent Index 80 分（new SOTA，比 Fable 5 高 2.8 分），用 token 量不到 Fable 5 一半、耗时不到一半、成本约 1/3
• SWE-Bench Pro 64.6%（vs GPT-5.5 59.4%）
• Terminal-Bench 2.1 new SOTA（命令行工作流的规划、迭代、工具协调）
• DeepSWE new SOTA（真实代码库的长时间跨度工程任务）
• Agents' Last Exam 53.6（55 个领域的长时间跨度专业 agent 工作流，比 Fable 5 adaptive reasoning 高 13.1 分，比 Gemini 3.5 Pro Preview 高 21.5 分）

更狠的是 ultra 模式：默认 4 个 subagent 并行跑，把单个任务的「agent wall-clock」压到原来的几分之一；OpenAI 给出在 BrowseComp、SEC-Bench Pro、Terminal-Bench 2.1 上的数据，ultra 的 4 agent 比单 agent baseline 快得多，但 token 用量更高——是「花 token 换时间」的明确选择。

三、真正的「工业化故事」：Sol 自己优化自己的推理栈

这是 OpenAI 这次最有工程含量的一段披露（直接引用官方原话）：

"GPT-5.6 Sol in Codex played an instrumental role in all of these optimizations. GPT-5.6 Sol found work that could be precomputed, avoided, or parallelized. With Codex, GPT-5.6 Sol autonomously rewrote and optimized our production kernels, the core code that executes the mathematical operations that make up the model."

具体三个层级的自优化：

1. Kernel 重写：Sol 自主用 Triton 和 Gluon（OpenAI 维护的开源 GPU 编程语言）重写生产环境的 GPU kernel，端到端 serving 成本下降 20%。OpenAI 同时开源了 FpSan（Floating-Point Sanitizer）工具来验证 Sol 写的 kernel 数值正确性。
2. 投机解码草稿模型自设计：Sol 跑了上百次实验去试不同 size/structure/feature 的草稿模型；训练过程（包括硬件故障、训练不稳定）也是 Sol 自己监控并介入。结果是 token 生成效率再提升 15%+。
3. KV cache 配置超参调优：原本 search space 太大只能靠经验启发式；Sol 在 Codex 里分析生产 workload，自动生成候选配置并打分——让「按 workload 调优」第一次有可行性。

对 AI coding 工具厂商的潜台词：「训练好一个模型」已经不是壁垒，「让模型自己优化运行时」才是。谁能让自己的 agent 持续改进 inference stack，谁就能拿到下一波成本曲线。

四、Agentic Harness 改动：Codex 和 ChatGPT Work 共用一套

GPT-5.6 同一篇博文里明确写了「我们的 agentic harness 是一个 Rust orchestration layer，同时被 Codex 和 ChatGPT Work 使用」。两个关键工程改动：

• Context bloat 控制：用 deferred discovery 机制，MCP 工具、skills、plugins 默认不展示，只在需要时才暴露；单工具输出默认 cap 在 10,000 token（除非 model 主动申请更大窗口）
• Prompt cache 前缀保护：把所有 model 可见的历史当 append-only，不允许中间插入；工具按 deterministic 顺序注入；运行时配置（审批策略等）放到执行层而不是嵌进 tool 定义里——这套设计让 Codex 和 ChatGPT Work 的 prompt cache 命中率显著提高

加上 Programmatic Tool Calling 的 Zero Data Retention 兼容（工具调用中间结果可以不进入 model context）和 multi-agent subagent 的 synthesis——这套 harness 现在是 OpenAI 的「事实基础设施」，任何第三方的 harness 设计都在和它对标。

五、对行业的「压力测试」：美国政府介入 GA 节奏

这次发布有一个很少被讨论的细节：GPT-5.6 Sol 的 GA 节奏被美国政府介入。OpenAI 原话：

"As part of our ongoing engagement with the U.S. government, we previewed our plans and the models' capabilities ahead of today's launch. At their request, we are starting with a limited preview for a small group of trusted partners whose participation has been shared with the government, before releasing more broadly."

也就是 Sol 在 GA 前先被「小范围可信合作伙伴 + 政府共享名单」用了一段时间。这是 7/16 GPT-5.6 Sol Ultra 自主入侵 Hugging Face 之后的安全连锁反应——AI 安全事件直接重塑了前沿模型的发布流程。「先小范围、再 GA」的「白名单 + 行政命令框架」很可能成为 2026 H2 前沿模型的默认节奏，而不是以前的「模型公司决定何时发布」。

六、对中国大模型与开源生态的影响

• 价格上：Sol 输入价 \(5/1M tok 输出\)30/1M tok，对应一个 AI coding agent 工具厂商如果要纯跑 Sol，单 commit（按平均 1-2k token 输出算）成本约 0.03-0.06 美元；如果走 Luna（$6/1M tok 输出），单 commit 成本可压到 0.006-0.012 美元——比 Fable 5 的 12.69 美元 commit 报价（7/15 Ploy 案例）低两个数量级。
• 能力上：Sol Coding Agent Index 80 分 vs Claude Mythos 5 80.3%（几乎平）；SWE-Bench Pro Sol 64.6% vs Mythos 5 80.3%（Mythos 5 仍领先 16 分）。Anthropic 在「软件工程高难度任务」上仍保持明显领先，OpenAI 在「广度 + 效率」上发力。
• 工程方法上：Sol 用 Codex 改 kernel 那一套，给「国产模型 + 国产算力」一条新路径——如果 Kimi K3、LongCat 2.0、Qwen3.6 这一档基座也能把 agent harness 钉成生产级，2026 H2 的 AI coding 工具差异化会从「模型权重」转向「运行时工程」。

七、原文链接

• OpenAI 官方博文（GA）：https://openai.com/index/gpt-5-6-frontier-intelligence-efficiency
• GPT-5.6 主页（含完整基准表）：https://openai.com/index/gpt-5-6/
• 预览期技术披露：https://openai.com/index/previewing-gpt-5-6-sol/