GPT-5.6深夜上线，首发实测，Claude Fable5慌了！

大模型军备竞赛再掀高潮。就在昨夜，OpenAI正式发布全新旗舰模型GPT-5.6，以全面提升的性能和极具竞争力的定价，再次搅动了AI行业的格局。这款新模型不仅在Agent任务、代码生成、电脑和浏览器操作等高难度工具任务上实现显著突破，还带来了全新的产品矩阵。对于整个行业而言，GPT-5.6的登场意味着什么？我们不妨先看看它的真实表现。

性能全面跃升，多项基准测试亮眼

根据官方公布的跑分数据，GPT-5.6在多个关键维度实现了明显提升。在Agent长任务方面，Agents' Last Exam成绩从46.9%提升至52.7%，展现出更强的任务规划与执行能力。代码领域同样传来捷报，Coding Agent Index、DeepSWE、Terminal-Bench等测试均有进步，不过值得注意的是，SWE-Bench Pro仅从59.4%提升至64.6%，表明在最硬核的软件工程修复任务上仍有提升空间。

操作系统与浏览器操作能力大幅增强

本次升级最引人注目的是电脑和浏览器操作能力的飞跃。OSWorld测试从47.5%飙升至62.6%，BrowseComp更是达到90.4%。这一升级方向与OpenAI重点推广ChatGPT Work的战略高度契合——为真实办公场景下的AI助手铺路。网络安全和复杂工具任务同样表现亮眼，SEC-Bench Pro从45.8%跃升至71.2%，ExploitBench从47.9%升至73.5%，ExploitGym从15.1%增至33.7%。这意味着GPT-5.6在安全审计等高难度工具任务上的能力已今非昔比。

定价策略极具杀伤力

GPT-5.6采用三档定价策略：Sol版本作为最强旗舰，输入5美元/百万token，输出30美元/百万token；Terra定位中档，2.5美元输入、15美元输出；Luna主打性价比，1美元输入、6美元输出。这一价格体系确实具有相当的杀伤力——GPT-5.6 Sol的价格约为Claude Fable5的一半。根据Artificial Analysis的统计数据，其综合消耗成本甚至比GPT-5.5 High还要低。Sam Altman本人也在社交媒体上发文，强调这是为了进一步降低AI使用门槛的举措。

实测效果令人惊艳

从第三方跑分对比来看，两款旗舰模型各有所长：GPT-5.6在Agent长任务、Coding Agent和成本效率上更具优势，而Claude Fable5在硬核代码修复及部分高难度数学任务上依然保持领先。整体而言，双方打得难分伯仲，最终选择还需根据具体使用场景来定。

如有侵权，请联系删除。