开发者生态
evening
GPT-5.6首发,比Fable 5便宜一半!深度评估者直接“开麦”:能力测试中疯狂作弊
2026-06-29
1 阅读
约10分钟阅读
华卫
字号:
整理|华卫 在OpenAI应特朗普政府要求分阶段发布下一代模型的消息传出不到24小时后,GPT-5.6便正式发布。近日,该公司宣布上线了全新GPT-5.6模型的有限预览版:旗舰模型Sol、适用于"高容量工作"的中端模型Terra以及"快速且经济 实惠"的日常模型Luna。 OpenAI表示,该模型尤其擅长编码、网络安全和生物学,并且能够在执行长期智能体AI任务时保持专注。 GPT-5.6 Sol的定价与GPT-5.5相同,为每百万tokens输入5美元/输出30美元,约为Anthropic的Claude Fable 5成本的一半,后者为输入10美元/输出50美元。Terra性能达到5.5级别,价格只有Sol的一半。而Luna的价格更低,不到Terra的一半。 同时,OpenAI将于今年7月在 Cerebras 上推出 GPT‑5.6 Sol,速度可达每秒 750 token。 引入两种推理模式,砸下史上最高安全测试预算 OpenAI将GPT‑5.6 Sol称为其目前最强的模型,并为预览模型分享了一组评估结果,突出展示其在编程、生物学和网络安全方面提升的智能体能力。 伴随 GPT‑5.6,OpenAI引入了一种新的最大推理努力(max reasoning effort)模式,让 Sol 拥有最充足的时间进行深度推理。此外,他们还推出了一种新的超(ultra)模式,该模式通过利用子代理来加速复杂工作,超越了单一代理的能力。这让人联想到OpenClaw,并且或许是OpenClaw创建者Anh de portent 1 Peter Steinberger迄今在OpenAI所做工作的一个迹象。 在编程工作流方面,GPT‑5.6 Sol 在 Terminal‑Bench 2.1 上创下了新的最佳成绩,该基准测试需要规划、迭代和工具协调的命令行工作流。生物学工作流方面,GPT‑5.6 Sol 也展现出广泛改进。在 GeneBench v1 上(该基准评估长期基因组学和定量生物学分析),它相比 GPT‑5.5 在使用更少 token 的情况下取得了更强结果。 “GPT‑5.6 Sol 是我们目前网络安全能力最强的模型。”据称,该模型在长期安全任务(包括漏洞研究和利用)方面推进了性能-效率边界。在 ExploitBench² 上,GPT‑5.6 Sol 仅用 Mythos Preview 约 1/3 的输出 token 即可与之匹敌。在 ExploitGym³(由 UC Berkeley 研究人员与 OpenAI 及其他前沿实验室合作创建的基准)上,随着推理能力的提升,GPT‑5.6 Sol、Terra 和 Luna 模型均展现出网络能力的显著增强。 OpenAI表示,GPT‑5.6 Sol 在帮助人们发现和修复漏洞方面,比可靠地执行端到端攻击更为擅长。随着这些能力的持续进步,其优先任务是确保它们能触达并惠及防御者,使他们能够利用这些工具发现弱点、开发补丁,并更广泛地加固系统。 但根据该公司的Preparedness Framework,GPT‑5.6 Sol 未达到“网络关键”(Cyber Critical)阈值。在涉及Chromium和Firefox的评估中,它识别出了漏洞和利用原语(即攻击的构成要素),可在所测试的条件下并未自主生成完整的功能性全链利用。“尽管如此,基准测试阈值无法涵盖模型可能被使用或与其他工具结合的所有方式。这种不确定性加上模型能力更广泛的阶跃式提升,正是我们将模型增强能力与更强防护措施及分阶段发布相结合的原因。” 该公司表示,“当模型广泛可用时,我们将分享更完整的评估结果集。” 此外,OpenAI为开发的GPT‑5.6 Sol、Terra和Luna都配备了迄今为止最强大的安全防护措施,且各配置与每个模型的能力相匹配。随着模型能力的增强,其设计的安全防护也在不断提高,以应对现实世界中的对抗压力,同时保留对合法工作的访问权限,例如代码审查、漏洞研究、补丁开发、调试、安全教育和防御性测试。 “我们的目标是让被禁止的攻击性活动变得更困难、更不确定且更易被检测,同时不会不必要地限制那些有益用途。根据我们对模型和防护措施的评估,我们预计其将对合法的防御性工作带来显著助益,同时有效限制被禁止的攻击性使用。” 据悉,这次OpenAI在安全方面投入了比以往更多的智能和算力,花费了超过70万A100等效GPU小时用于自动化红队测试,目标是发现通用越狱攻击(universal jailbreaks):即能在多种提示或语境下生效的攻击,而不仅限于单一狭隘场景。 GPT-5.6与Mythos 5,双双被“白名单”拴住 “应美国政府要求,今天发布的是有限预览版,而非我们原计划的开放访问。我们正在与政府合作,争取尽快实现全面可用。我们会尽全力加快进度,让这个模型早日交到大家手中。”在X上,OpenAI首席执行官Sam Altman这样宣布道GPT-5.6。 目前,只有经政府批准的企业才能获得GPT-5.6的访问权限,个人用户没有获取新模型访问权限的途径。一位白宫官员表示,政府批准了OpenAI请求允许访问Sol的企业名单,但排除了少数位于美国境外的实体。另一位白宫官员表示,政府正与AI实验室合作,制定长期方案以应对向更多用户推广该技术的挑战。 英国议会议员Kanishka Narayan在X上发文称,英国AI安全研究院已获得OpenAI新版GPT-5.6的访问权限。一位知情人士表示,这是唯一获得该访问权限的非美国实体。 值得一提的是,特朗普重返白宫时承诺对该行业采取不干预态度,并抨击Joe Biden政府为新型AI模型制定安全标准的努力,但在Anthropic于4月发布名为Mythos的AI模型并警告其识别软件安全漏洞的能力若落入不当之手可能带来危险后,改变了立场。 “短短几周内,美国联邦AI政策从难以置信的自由意志主义转向日益严苛和不透明,”前Trump AI顾问Dean Ball在社交媒体上发文写道。Ball上周宣布,他将于下月加入OpenAI从事政策工作。Altman则明确表示,他不欢迎联邦对其公司施加额外监管。他在X上发文写道,“我就是不喜欢政府挑选客户这个主意,我相信我们会找到更好的办法。” 数小时后,美国商务部向Anthropic致函,告知该公司的最新AI模型Mythos 5仅允许向一份受限的美国企业名单提供访问权限。在致Anthropic的信函发出两周前,特朗普政府曾禁止该公司向任何非美国公民(包括其自身员工)提供Mythos 5和Fable 5模型的访问权限,导致该公司将其撤下使用。据一位知情人士透露,Anthropic此后每天都在与政府协商,但未能争取到出口禁令的解除。 “我已认定已设立适当的保障措施,允许部分可信合作伙伴访问Claude Mythos 5模型。”商务部长Howard Lutnick在致Anthropic的信中写道。信中称,获批企业的非美国公民也可使用该技术,但政府有权随时更改企业名单。此外,信函未指明可信合作伙伴名单上具体有哪些公司。一位知情人士表示,名单上约有100家公司。 Anthropic在一份声明中表示,已收到通知,可向“一小批网络防御者和基础设施提供商”重新部署M
这篇文章对您有帮助吗?
订阅66必读
每日精选科技资讯,直达你的邮箱