GPT‑5.6：隨你的抱負擴展的前沿智能

繼我們的有限預覽⁠後，我們正式推出 GPT‑5.6 模型系列：全新旗艦模型 Sol，以及適合日常工作的均衡模型 Terra 和最具成本效益的模型 Luna。

GPT‑5.6 Sol 在智能和效率方面樹立新標準，在編碼、知識工作、網絡安全和科學領域均取得最先進成果，同時以更少 Token 和較低估算成本，勝過先前模型和其他具競爭力的前沿模型。成果是每美元效能更強：以相同支出成功完成更多工作，或以較低總成本取得相若成果。我們亦引入一種新方式，加快處理最高要求的工作：ultra 是我們能力最高的設定，可協調多個智能代理並行處理不同工作流程，更快完成複雜任務。GPT‑5.6 Sol 帶來更強的電腦操作能力和設計判斷力，成為我們迄今最成熟的協作夥伴，協助檢查、完善並交付可直接使用的成果。

我們訓練 GPT‑5.6，讓每個 Token 都能完成更多有用工作。在 Agents’ Last Exam⁠（在新視窗中開啟） 這項涵蓋 55 個領域、評估長時間運行專業工作流程的測試中，GPT‑5.6 Sol 創下 53.6 的新高分，較 Claude Fable 5（自適應推理）高出 13.1 分。即使在「中」推理級別下，它仍領先 Fable 5 11.4 分，而預估成本約為其四分之一。這種效率亦延伸至較小型模型，而較小型模型對於讓智能更普及和更經濟實惠至關重要：GPT‑5.6 Terra 和 GPT‑5.6 Luna 的表現優於 Fable 5，成本約為其十六分之一。Artificial Analysis Intelligence Index⁠（在新視窗中開啟） 是一項廣泛的智能衡量指標，涵蓋智能代理工作、編碼、科學推理及一般能力；在這項評估中，使用「max」推理的 GPT‑5.6 Sol 與 Fable 5 相差不到一分，同時完成任務所需時間減少 61%，估算成本約為一半。

GPT‑5.6 推出時配備我們迄今最穩健的安全保障，旨在抵禦蓄意而且會因應情況調整手法的濫用，同時不會廣泛限制正當用途。在正式推出前，我們對模型和安全保障進行了迄今最全面的評估，結合人工紅隊演練和大規模自動化測試。在預覽期間，我們與專家機構及可信賴的合作夥伴緊密合作，在更廣泛推出前對防禦措施進行壓力測試並加強安全保障。最終系統結合模型內建的防護措施、即時檢查和監察，並按信任程度和風險調整存取權限。

GPT‑5.6 Sol 是我們迄今最出色的編碼模型。在 Artificial Analysis Coding Agent Index 上，GPT‑5.6 Sol 使用「max」推理時以 80 分創下新的最先進水平，比 Fable 5 高 2.8 分，同時使用的輸出 Token 不到一半，所需時間不到一半，成本約低三分之一。這項優勢遍及整個模型系列：Terra 略高於 Fable 5，而 Luna 則超越 Opus 4.8；兩者所需時間約只有三分之一，輸出 Token 約少一半，估算成本亦約只有四分之一。它亦在 Terminal‑Bench 2.1 和 DeepSWE 上取得全新最先進成果；這些基準測試涵蓋複雜命令列工作流程，以及真實程式碼庫中的長時間跨度工程任務。

GPT‑5.6 可編寫並執行輕量程式，以協調工具、處理中間結果、監察進度，並隨工作推進選擇下一步行動。這讓大量使用工具的任務可用更少 Token、更少模型往返次數和更少指引持續推進。開發人員毋須為每個步驟編寫腳本，亦毋須將每個工具回應傳回模型；Responses API 中的 Programmatic Tool Calling⁠（在新視窗中開啟） 可篩選大量中間資料，只保留重要內容，並在過程中調整工作流程。

對於投入更多時間和運算資源即可帶來更大回報的問題，GPT‑5.6 可突破這項高效的預設設定。max 為 GPT‑5.6 提供比 xhigh 更多的時間進行推理、探索其他方法、執行檢查並修訂做法。ultra 更進一步，預設並行協調四個智能代理，以較高 Token 使用量換取更強成果，並在高要求任務上更快取得結果。下方圖表比較 ultra 的預設四智能代理設定與單智能代理基準，涵蓋 BrowseComp、SEC-Bench Pro 及 Terminal-Bench 2.1；BrowseComp 及 SEC-Bench Pro 亦顯示 16 智能代理配置。綜合三項評估來看，加入並行智能代理會將分數與延遲的前沿向上並向左移動，在更短時間內取得更強成果。在 API 中，開發人員可以使用 Responses API 的多智能代理測試版，構建類似「ultra」的體驗。

GPT‑5.6 的設計判斷力實現大幅躍升。只需高層次指示，GPT‑5.6 就能建立具品味、符合人體工學且功能實用的介面。由於電腦操作能力更強，GPT‑5.6 不只能生成底層程式碼或內容，亦可檢查和調整實際呈現的成果，從而發現視覺和功能問題，並在交付前完成最後修飾。

GPT‑5.6 的前端能力亦可在 ChatGPT Work 中，將自然語言要求轉化為精美的互動式解說和視覺化內容。

GPT‑5.6 為專業工作帶來更佳成果。它會整理文件，以及 Slack、Notion、Microsoft 365 和 Google Drive 等日常工作流程中的零散背景資料，並轉化為隨時可分享的專業級成果。

GPT‑5.6 在知識工作方面的優勢，體現在涵蓋長時間跨度專業分析、網頁瀏覽、工具使用和電腦操作的多項評估中。GPT‑5.6 Sol 在 BrowseComp 上以 92.2% 取得最先進成果，並在 OSWorld 2.0 上取得 62.6%；在 OSWorld 上，Sol 的表現超越 Opus 4.8，同時輸出 Token 數量減少 85%。在這方面，每美元效能的提升亦遍及整個 GPT‑5.6 系列。Luna 的表現幾乎媲美 GPT‑5.5 的最高效能，而成本低於估算成本的一半；Terra 則以更低成本超越 GPT‑5.5。

GPT‑5.6 Sol 提升了簡報、文件和試算表的質素，輸出更加精緻準確。GPT‑5.6 Sol 可以從零開始製作可全面編輯的簡報，將提示詞和來源資料轉化為連貫的視覺敘事，並呈現出色的版面編排、視覺層次和設計。

在遵循範本和參考簡報時，提升尤其明顯。 GPT‑5.6 可推斷簡報的設計系統，包括版面配置、字體排印、間距、色彩及重複出現的內容模式，亦包括投影片母片中嵌入的規則，並將這些規範一致套用至新內容。在此範例中，當被要求根據參考檔案更新數字時，GPT‑5.5 的輸出遺漏了母片投影片中的關鍵元素，而 GPT‑5.6 則更忠實地遵循參考結構。

GPT‑5.6 亦可製作視覺上更精緻的文件和試算表。它能更忠實地遵循複雜的參考格式，這對可重複執行的知識工作尤其重要。GPT‑5.6 亦能更精準地處理方程式和財務模型，並更妥善運用字體排印、間距、視覺層次，以及頁面或工作表的版面配置。

參與 GPT‑5.6 測試的早期客戶發現，各領域的知識工作產出均有所提升。

GPT‑5.6 是我們迄今最強的網絡安全模型，能以顯著更少 Token 達到前沿效能。ExploitBench² 衡量由觸及有漏洞的程式碼到實現任何程式碼執行的進展；GPT‑5.6 在這項基準的分數為 73.5%，而 GPT‑5.5 則在相若的輸出 Token 預算下取得 47.9%。ExploitGym³ 要求智能代理將真實漏洞轉化為可運作的漏洞利用程式；在這項基準上，GPT‑5.6 的成績幾乎是 GPT‑5.5 的兩倍，最高通過率在兩小時上限下由 15.1% 提升至 24.9%；當上限為六小時，通過率更達 33.7%。SEC-Bench Pro 測試為複雜軟件生成概念驗證的能力；GPT‑5.6 在延遲有所改善的情況下取得 71.2%，而 GPT‑5.5 則為 45.8%。

GPT‑5.6 支援多項重要防禦任務，例如安全程式碼審查、修補程式開發、威脅建模和藍隊演練。符合資格且參與 OpenAI Daybreak「網絡可信存取」⁠計劃的個人和組織，可透過針對授權環境中經驗證工作的更精準防護措施，使用更多防禦能力，包括漏洞分流和驗證、惡意軟件分析、偵測工程，以及修補程式驗證。

個人可以驗證身份並申請「可信存取」⁠（在新視窗中開啟），機構則可為其團隊申請⁠。個人會員須於 9 月 1 日前使用硬件支援的通行密鑰啟用進階帳戶安全防護⁠（在新視窗中開啟），方可繼續存取我們網絡安全能力最強的前沿模型；未啟用者將恢復為預設存取權限。尚未擁有硬件支援通行密鑰的用戶，可透過我們的合作夥伴 Yubico 享有 優惠價格⁠（在新視窗中開啟）。我們亦正採取額外措施，限制高風險實體，以及位於高風險司法管轄區的存取權限。

GPT‑5.6 Sol 亦在科學研究方面展現廣泛提升。在生命科學評估中，GPT‑5.6 在真實生物學、生命科學研究工作流程和化學領域，較 GPT‑5.5 實現帕累托改進。

GPT‑5.6 是 OpenAI 目前在加速 AI 研究方面最強的模型。在 OpenAI 內部，研究人員會在整個開發循環中使用這個模型，包括診斷故障、優化訓練系統、進行實驗，以及解讀結果。在 GPT‑5.6 的內部測試期間，我們已經看到這種加速趨勢和更高採用度，因為每位活躍研究員的每日平均輸出 Token 數量，是在 GPT‑5.5 中觀察到最高水平的兩倍以上。

這種工作模式正迅速成為標準做法。在過去六個月，投放於內部程式編寫推理的研究運算資源比例增加了 100 倍，而內部智能代理 Token 使用量則增加約 22 倍。這些採用指標本身不能衡量研究進展，但可反映 AI 輔助在研究以及銷售、市場推廣、用戶營運、財務等其他團隊中的使用如何迅速增加。

為直接衡量這項能力，我們建立了一套以真實 AI 研究任務為基礎的內部評估，涵蓋為研究系統偵錯、優化核心程式和訓練方案、進行機器學習實驗，以及改進另一個模型。

隨着模型能力提升，我們會強化安全堆疊，讓先進智能能夠保持廣泛實用，同時對最高風險用途進行更嚴格審查。針對 GPT‑5.6，我們建立了迄今最穩健的安全系統，按各個模型的能力進行校準，並投入比以往任何時候都更多的運算資源作為支撐。

GPT‑5.6 模型在生物學和網絡安全方面的能力均較我們較早期的模型更強，但在任何一個類別中都未跨越「關鍵」門檻。在網絡安全方面，我們的測試顯示，GPT‑5.6 較擅長找出和修補漏洞，而未能同樣可靠地自主完成針對高防護目標的端到端攻擊。這讓防守方可在漏洞遭利用前，先一步加強系統。在生物學方面，我們的測試顯示，GPT‑5.6 可支援正當研究，但不具備創造、工程化改造或合成高度危險新型威脅所需的端到端能力。

這兩個領域本質上都具備兩用性質。在網絡安全方面，同一組可協助攻擊者利用漏洞的能力，也可協助防守方找出漏洞、重現漏洞，並建立可靠修正方案。因此，過度封鎖本身亦會構成安全風險。這可能會阻礙防守方測試系統和部署修補程式，而惡意行為者則繼續使用其他模型，包括能力日益提升的開源模型，以及既有工具。有效的安全保障會考慮請求的情境及可能後果，在保留正當防禦工作的同時，於證據顯示存在嚴重危害風險時套用更嚴格的控制措施。

GPT‑5.6 的安全保障採用多層設計，以提升準確度和備援能力，並可在新攻擊出現時迅速調整。在模型訓練中加入的防護措施，會與即時檢查、持續監察和帳戶層級強制執行措施一同運作，協助系統即使某一層未如預期運作，仍能保持安全。在許多系統中，僅由分類器標記決定要封鎖甚麼，依賴智能較低且較難更改的模型來防止危害。我們的方法加入推理監察器，審查對話以判斷是否存在潛在危害。此設計旨在支援防禦工作，同時阻止嚴重濫用，並透過「可信存取」將最敏感的能力保留予已驗證用戶。由於部分防護措施使用測試時推理，我們可快速更新以修補缺口，毋須由零開始重新訓練分類器。

在繼續加強系統抵禦適應性攻擊的同時，我們正採取較保守的做法。與以往的模型相比，我們的 GPT‑5.6 Sol 網絡安全保障可封鎖約十倍的潛在有害活動。由於這些措施可能會為善意使用帶來阻力，我們在 ChatGPT 和 Codex 中提供選項，讓用戶可輕鬆在能力較低的模型上重新嘗試提示詞；同時，我們會繼續減少安全保障對善意使用的影響，並維持高穩健性標準。這反映我們的反覆部署方針：先以保守方式開始，再根據實際使用中的經驗持續改進。

在正式推出前，我們進行了迄今最密集的安全評估，包括廣泛的紅隊演練、與外部專家進行嚴格的能力和安全保障測試，以及約 700,000 個 A100e GPU 小時的黑箱自動化紅隊演練。這讓我們能夠有系統地探查可能的弱點、找出越獄方法，並在推出前協助強化系統。

現實中並不存在所謂完美的安全保障，因此我們仍然會持續努力，保障能力日益提升的模型安全。日後可能會發現新的弱點，同時亦會出現規避現有安全保障的新越獄方法。每一代新模型亦會帶來新的攻擊和濫用途徑。我們透過多層安全保障、持續監察、快速修補，以及與防禦社群協作，來應對這個現實情況。針對 GPT‑5.6，我們將現有的安全漏洞賞金計劃⁠（在新視窗中開啟）及生物學漏洞賞金計劃⁠，與新的快速修補流程及迄今最強的監察工作結合。來自研究人員、監察工作及真實世界濫用情況的發現，將持續用於新的評估和更強的安全保障。

如欲了解更多我們的安全保障，請參閱更新版 GPT‑5.6 系統說明卡⁠（在新視窗中開啟）。

GPT‑5.6 設有三個模型級別：旗艦模型 Sol；成本較低、效能可與 GPT‑5.5 媲美的 Terra；以及速度最快、價格最相宜的 Luna。數字代表模型世代，而 Sol、Terra 和 Luna 則是可按各自步伐持續進展的固定能力級別。

GPT‑5.6 由今日起於 ChatGPT、Codex 和 OpenAI API 提供。現正開始在全球推出，並會在未來 24 小時內逐步開放至全面可用。

• 對話：Plus、Pro、Business 和 Enterprise 用戶可透過「中」及更高推理強度設定使用 GPT‑5.6 Sol。Pro 和 Enterprise 用戶亦可選擇 GPT‑5.6 Sol Pro，在複雜任務上取得最高質素的結果。
• ChatGPT Work 和 Codex：免費版和 Go 用戶可使用 GPT‑5.6 Terra。Plus、Pro、Business 和 Enterprise 用戶可選擇 GPT‑5.6 Sol、Terra 和 Luna，並為每個模型設定推理強度。max 適用於所有可在 ChatGPT Work 和 Codex 存取 GPT‑5.6 的用戶，並可在設定中開啟。在 ChatGPT Work 中，Pro 和 Enterprise 用戶可使用 ultra。在 Codex 中，Plus 及更高計劃可使用此功能。
• API：開發人員可透過 OpenAI API 使用 Sol、Terra 和 Luna。在 Responses API 中，Programmatic Tool Calling 可讓 GPT‑5.6 在記憶體內編寫並執行程式，以協調工具並處理中間結果，以兼容零資料保留（ZDR）。多智能代理功能初期以 Beta 版本提供，讓 GPT‑5.6 可同時運行多個子智能代理，並在單一要求中整合其工作成果。

GPT‑5.6 按每 100 萬個 Token 計價，涵蓋三種模型大小：Sol 為輸入 5 美元／輸出 30 美元；Terra 為輸入 2.50 美元／輸出 15 美元；Luna 則為輸入 1 美元／輸出 6 美元。GPT‑5.6 亦引入更可預測的提示詞快取機制，包括支援明確快取中斷點⁠（在新視窗中開啟），以及最短 30 分鐘快取存續期。對於 GPT‑5.6 及後續模型，快取寫入會按該模型非快取輸入收費的 1.25 倍計費，而快取讀取則繼續享有 90% 的快取輸入折扣。