OpenAI 正式推出 GPT-5.6 Sol：以壓倒性的基準測試表現奪回 AI 市場主導權

OpenAI 於 2026 年 7 月 9 日，在結束為期兩週的政府批准預覽期後，正式向公眾發佈其最新旗艦模型 GPT-5.6 Sol。此次發佈正值 Anthropic 的 Fable 5 從訂閱計劃中移除之際，OpenAI 藉此重新奪回了前沿模型市場的主導權。

「Sol Ultra (91.9%) 與次優模型 (88.0%) 之間 3.9 個百分點的差距，在一個連 0.5 個百分點的提升都能成為頭條新聞的領域中，是一項非常有意義的成就。」

此次 GPT-5.6 系列被評為在性能方面樹立了新標準。特別是 Sol Ultra 模型在主要基準測試中錄得 91.9%，證明了其壓倒性的性能優勢。這大幅超過了現有 GPT-5.5 和 Claude Mythos 5 所錄得的 88.0%。

Sol、Terra、Luna：全新的三級模型層次結構

OpenAI 在推出 GPT-5.6 的同時，引入了由「Sol」、「Terra」和「Luna」組成的全新三級模型體系。模型名稱前的數字代表世代，而名稱則代表各模型的性能層級。旗艦型號 Sol 旨在追求最高性能，而 Terra 則是在保持上一代 GPT-5.5 性能的同時，將成本降低約一半的效率導向型模型。

• Sol：提供最高效能的旗艦型號
• Terra：以一半價格提供 GPT-5.5 級別效能的均衡型號
• Luna：最快且最便宜的入門級型號

基準測試分析結果顯示，Base Sol 型號亦錄得 88.8% 的分數，以 0.8 個百分點的差距領先 Claude Mythos 5 及 GPT-5.5。雖然差距微小，但分析認為在單一代理編碼任務等實際工作環境中，將能提供實質優勢。

然而，在特定領域中，競爭型號仍然表現強勁。截至 2026 年 7 月，在數學推理領域，Anthropic 的 Claude Mythos Preview 以 61.6 分保持領先。此外，Google 的 Gemini 3.1 Pro 在前端生成及網頁開發基準測試中依然發揮強大效能。

在技術層面，GPT-5.6 Sol 的思維鏈 (CoT) 控制能力較前一代 GPT-5.5 及 GPT-5.4 Thinking 型號有所提升。根據 OpenAI 的系統卡，Sol 型號能更精確地控制複雜的邏輯結構，而 Terra 型號則表現出與前一代相若的控制力。

針對開發者的價格競爭力亦有所增強。Terra 型號透過進取的定價，讓用戶能以經濟實惠的方式利用 GPT-5.5 級別的效能。這被解讀為與 Claude Sonnet 5 競爭的策略，後者在推出時提供了每 100 萬個輸入 Token 2 美元的優惠價。

飽和的基準測試與未來展望

目前 AI 業界有意見指出，MMLU 和 HumanEval 等現有基準測試的分數已達到 90% 以上，處於飽和狀態。因此，高難度的應用數學及科學問題解決能力，如「FrontierMath」或「SciCode」，正取代鑑別力下降的現有指標，成為新的評估標準。

OpenAI 的 GPT-5.6 Sol 在這些新評估指標中亦展現出目前最領先的速度。預計 2026 年下半年，AI 市場的競爭將超越單純的效能數值，轉而以實際產業現場的複雜問題解決能力及成本效益為核心，競爭將變得更加激烈。