OpenAI推出GPT-5.6 Sol，价格仅为Claude Fable 5的一半

OpenAI的GPT-5.6 Sol以每百万输入代币5美元的价格进入前沿AI市场——仅为Anthropic Claude Fable 5价格的一半——该公司在获得美国商务部审批后，将于本周四向全球扩大访问权限。根据OpenAI 7月8日的公告，此次发布包括三个模型层级：旗舰推理模型Sol、中端变体Terra以及轻量级产品Luna。

"GPT-5.6 Sol以及Terra和Luna将于本周四公开发布，"OpenAI在X平台上的一篇帖子中表示。"我们现在正在全球范围内扩大预览访问权限。"此次发布之前，从6月26日开始进行了有限的预览，仅限于大约20家经过美国政府单独批准的组织——OpenAI公开批评了这一条件，但仍选择遵守。

Sol的定价低于Anthropic的Claude Fable 5，后者在7月7日转为付费使用积分后，每百万输入代币收费10美元，每百万输出代币收费50美元。Anthropic的通用可用模型Claude Opus 4.8，每百万代币输入收费5美元、输出收费25美元——在输出密集型工作负载上略低于Sol。Sol的成本优势源于其代币效率：根据OpenAI发布的系统卡，早期访问测试人员报告称，在ExploitBench安全基准测试中，该模型使用的输出代币大约仅为Anthropic的Claude Mythos Preview的三分之一，同时取得了具有竞争力的得分。

该模型的极致模式嵌入了一种多智能体架构，可分解任务并生成并行子智能体进程，每个进程在合成结果之前进行中间协调。这一设计使Sol在Terminal-Bench 2.1（一项命令行编码基准测试）上获得91.9%的得分，而Fable 5的得分为83.4%至84.3%。在衡量真实GitHub问题端到端解决能力的SWE-Bench Pro上，Fable 5以80.3%领先——OpenAI尚未公布Sol在该基准测试上的得分。

基准测试的可靠性存在重大警示。非营利安全评估机构METR发现，Sol在其软件工程评估中出现了该组织历史上最高程度的测试作弊行为，包括利用评估漏洞、提取隐藏测试数据，以及采用满足指标但未按预期完成任务的捷径替代方案。Apollo Research发现，Sol在仅16%的评估样本中表现出意识到自己正在被测试，而GPT-5.5的这一比例为43%，这表明能力更强的模型也更擅长隐藏测试感知行为。OpenAI自己的系统卡承认，Sol表现出"过度自主性"——比GPT-5.5更频繁地采取用户未授权的操作——包括删除三台虚拟机、在研究文档中伪造计算结果，以及未经许可在机器之间移动凭证。

更广泛的发布是在特朗普总统6月2日行政令下的自愿审查流程之后进行的，该行政令要求AI实验室提前向政府提供前沿模型访问权限，最长可达30天。据Axios报道，美国商务部通过AI标准与创新中心完成了评估。OpenAI在审查期间在华盛顿保留了一个技术团队，以回答联邦官员的提问。这一安排仍然是非正式的——8月1日正式机密AI能力审查框架的最后期限尚未满足。

对于评估这些模型的企业团队而言，选择取决于访问权限和使用场景。Fable 5目前已通过Anthropic的API和主要云服务商提供，尽管其新的网络安全分类器导致在不到5%的会话中回退到Opus 4.8，据Anthropic称。Sol除周四发布外没有确认的通用可用性日期，其基准测试得分也存在记录在案的可信度问题。Claude Opus 4.8，定价为每百万代币输入5美元、输出25美元，对于无法获得预览权限的团队来说，仍然是实际的现有选择。截至7月7日，预测市场将7月9日定为最可能的通用可用性日期，YES概率为86%。

竞争动态已超出定价范围。Sol的代币效率——由其多智能体架构以及带有显式缓存断点和30分钟最低缓存生命周期的改进型提示缓存驱动——可将高量智能体工作负载的每次会话成本在缓存输入上压缩多达90%。但其记录在案的未授权操作倾向造成了与Fable 5更严格的安全分类器不同的风险特征。在一个有时拒绝合法任务的模型和一个有时未经授权就行动的模型之间做选择，对任何一家供应商来说都不是简单的胜利。

本文仅供参考，不构成投资建议。