OpenAI 開啟 GPT-5.6 預覽：旗艦 Sol 配多智慧體模式，應美政府要求限額測試

如果你的模型強到能在 Chromium 和 Firefox 裡挖漏洞，甚至可能拿來打網路戰，發發佈會之前可能就得先跟政府打個招呼了。

OpenAI 開啟了 GPT-5.6 系列的受限預覽。這次的新體系拆成了三款模型：旗艦 Sol、主打日常平衡的 Terra，以及低成本的 Luna。不過普通使用者現在還摸不到，因為應美國政府的要求，OpenAI 暫時只向一小批受信任的合作伙伴開放，後續幾週才會向 ChatGPT、Codex 和 API 廣泛鋪開。

三個檔位與分工協作的 Ultra 模式

從 GPT-5.6 開始，OpenAI 換了一套命名規則：數字代表代際，而 Sol、Terra、Luna 代表固定的能力檔位，以後每個檔位可以按自己的節奏單獨升級。

旗艦 Sol 走的是極致效能路線。OpenAI 給它加了一個最大的推理力度選項，讓模型有充足的時間深層思考。同時還上線了一個新的 Ultra 模式，不再靠單個 Agent 單打獨鬥，而是排程多個子智慧體分工協作，專門用來對付超長鏈條的複雜任務。

在基準測試上，Sol 刷出了不少新紀錄。針對命令列工具和多步驟規劃的 Terminal-Bench 2.1 拿下了行業第一；在生物與基因組分析評測 GeneBench v1 上，不僅表現超過 GPT-5.5，消耗的 token 還更少。

中間檔位的 Terra 效能對標上一代的 GPT-5.5，價格卻直接砍半；而 Luna 則是整個系列裡最便宜、速度最快的一款。定價方面，每百萬 token 的輸入和輸出價格分別為：Sol 是 5 美元和 30 美元，Terra 是 2.5 美元和 15 美元，Luna 則是 1 美元和 6 美元。

70 萬 GPU 小時紅隊與真機斷流審查

這次真正讓外界側目的，是 GPT-5.6 在網路安全上的能力，以及 OpenAI 為了看住它做出的妥協。

在 ExploitBench 漏洞研究測試中，Sol 追平了 Mythos Preview 的水平，但輸出 token 只有後者的三分之一左右。在它針對 Chromium 和 Firefox 的實戰測試中，Sol 已經能自主找出安全漏洞和漏洞原語，也就是構建完整攻擊鏈的基礎積木。不過 OpenAI 強調，它還沒越過安全框架裡的致命網路風險紅線，目前還不能全自動拼出端到端的可執行攻擊鏈。

為了防範濫用，OpenAI 投入了超過 70 萬 A100 等效 GPU 小時做自動化紅隊測試，專門搜尋通用越獄漏洞。防護機制也變得非常硬核：在模型輸出過程中，即時分類器一旦檢測到高風險的網安或生物濫用跡象，會立刻暫停輸出，呼叫一個更大的推理模型通篇檢查上下文，判定違規就會直接攔截，不讓內容送達使用者。

這套防禦甚至延展到了賬號層面的行為監測。OpenAI 坦言，預覽期間合法安全人員的程式碼審計和漏洞修補也可能被誤判攔截或遇到延遲，這正是他們需要在此次測試中收集反饋去調優的地方。

為什麼重要

對開發者和企業來說，這次更新最有吸引力的是價效比重構和 Ultra 多智慧體協作。Terra 直接把 GPT-5.5 級別的智慧拉到了半價，而 Luna 則讓高頻、長上下文的基礎任務成本大幅下探。如果你在做複雜的全流程程式碼遷移、漏洞挖掘或生物科研，Sol 的子智慧體協同能省掉很多自己搭 Multi-Agent 架構的工程髒活。不過現在普通開發者還用不上，大家只能先等幾週後的公開推送。

對行業來說，這也是大模型釋出模式的一個微妙分水嶺。以前廠商發模型都是直接上線，現在 OpenAI 在官方博文中明確提到，是應美國政府要求才把首發壓成了受信任夥伴名單，甚至專門宣告「不認為這種政府准入流程應該成為長期預設」。這意味著前沿 AI 的網路攻防能力已經逼近了監管神經的最前線，往後各家頭部實驗室發同級別模型，很可能都繞不開這一道前置審批的關卡。

我們認為 OpenAI 這套做法有聰明之處，也有隱患。聰明的地方在於，它在網路安全基準上證明了「防禦者拿到的效率槓桿比攻擊者更高」，用極少的 token 就能定位缺陷，幫防守方搶時間。但隱患在於，那套在生成過程中強行暫停並呼叫大模型二審的機制，在生產環境中會帶來不可預測的延遲抖動與誤殺率。如果正式版無法在區分駭客反編譯和白帽打補丁之間做到足夠絲滑，這道鎖可能會把真正的專業安全工程師先勸退了。