玻璃后的前沿:OpenAI 抢先预览 GPT-5.6 Sol,每秒 750 个 Token

OpenAI 预览了它的下一代模型家族——GPT-5.6,分为 Sol、Terra 和 Luna 三个版本——并立刻让这次发布成为今年最奇特的一次:一款配有基准测试图表和安全文档的旗舰模型正式亮相,却几乎没有人能真正运行它。原因既不是产能紧张,也不是通常意义上的分批推送。而是 OpenAI 在发布前就该模型的能力向美国政府做了汇报,并应政府要求,将此次预览限定在一小群经过审查的合作伙伴范围内。这是迄今为止最明确的信号,表明华盛顿一直在搭建的那套"在发布前审查前沿模型"的机制已不再停留于理论。

实际发布了什么

GPT-5.6 采用了如今已经熟悉的分层结构。Sol 是旗舰;Terra 被定位为均衡的日常型模型,OpenAI 称其能以大约一半的成本提供与 GPT-5.5 相当的性能;Luna 则是最快、最便宜的一档。据报道,整个家族的输入定价大约在每百万 token 1 到 5 美元之间,其中 Sol 的标准 API 费率被援引为每百万输入 token 5 美元、每百万输出 token 30 美元——不过这些数字来自二手报道,OpenAI 尚未为已预览的模型公布完整价目表。

最受关注的能力主张在于编程。在 Terminal-Bench 2.1 上——这是一项测试命令行工作流的基准,需要规划、迭代和工具协调——据报道 Sol 得分为 88.8%,另有一个"Sol Ultra"配置达到 91.9%。在同一测试中,这些数字被援引为领先于 GPT-5.5(88.0%)和 Anthropic 的 Claude Mythos 5(84.3%)。OpenAI 还指出其在生物学方面的进步,称该模型在一项被称为 GeneBench v1 的基准上表现优于 GPT-5.5,同时使用的 token 更少。对这些确切的百分比应保持惯常的谨慎:它们是自我报告的、单一基准的,而且相较 GPT-5.5 的优势也很微弱。

速度才是真正的产品

抛开基准测试不谈,近期最实在的变化在于 Sol 运行的地方。OpenAI 表示,将于七月把 GPT-5.6 Sol 部署到 Cerebras 的晶圆级硬件上,速度最高可达每秒 750 个 token,初期访问权限受限,直到 Cerebras 扩充产能。作为参照,传统 GPU 集群上的前沿模型通常每秒生成几十到一百出头个 token,因此持续 750 将是一个巨大的飞跃——快到足以让一个生成几千 token 拉取请求的编程 agent 在几秒钟内完成,而不是耗费近一分钟。

这一点之所以重要,是因为让 agentic 工作流可用还是难以忍受的,往往是延迟而非纯粹的智能。一个负责规划、调用工具、读取结果并进行修订的 agent,其大部分实际耗时都花在等待模型上。把这份等待缩短一个数量级,原本不切实际的循环就变得可交互了。值得一提的是,这条 Cerebras 路线与六月底所报道的 OpenAI 自研"Jalapeño"推理芯片是两条不同的部署路径;该公司似乎在同时于多个定制芯片后端上运行同一款模型,以对冲其推理供应,而非押注于单一芯片。

你为何还用不了它

不寻常之处在于这种设限。OpenAI 表示,它在发布前就向美国政府分享了自己的发布计划和模型能力,并应政府要求将初期预览限定在一小群受信任的合作伙伴组织内。有报道称这一群体约为二十家组织;OpenAI 自己的表述则更为含糊,称之为"一小群受信任的合作伙伴"。我要指出,确切的数字在各方消息来源之间并未得到确凿证实。

OpenAI 一直明确表示不希望这种做法成为惯例。该公司将此项限制定性为临时措施,并声明它并不认为这类政府准入流程应成为长期默认,理由是设限会把工具挡在合法用户和防御者之外。这是一处值得注意的公开摩擦:一家领先的实验室一面遵从国家安全方面的要求,一面又公开地表明自己不喜欢这一先例。

安全方面的说法

其安全姿态相当厚重,且显然瞄准了主导前沿模型政策辩论的网络滥用问题。OpenAI 描述了它所称的迄今为止最稳健的防护措施:模型层面的拒绝训练、实时滥用分类器、账户层面的监控、差异化的访问控制,以及执行机制。它表示投入了超过 700,000 个 GPU 小时用于自动化红队测试,并辅以第三方专家测试。

对监管机构而言,关键主张是一个阈值层面的:OpenAI 报告称 Sol 未越过其"网络关键(Cyber Critical)"能力阈值,在测试中也没有自主生成可用的漏洞利用程序,尽管它在网络相关的评估上取得了强劲成绩,同时使用的 token 远少于同类系统。换句话说,它足够强大到能同时引起攻击者和防御者的兴趣,但——按 OpenAI 自己的评级——尚未越过那条会触发最严厉限制的内部红线。由于这一评级是自行评定的,因此政府汇报与有限预览实际上充当了外部的核查。

炒作与现实

剥去发布的戏剧性表演,有几件事是扎实可靠的:一个新的模型家族确实存在,它在一项受人尊敬的编程基准上主张了一个虽窄但真实的领先,而且一次高吞吐的 Cerebras 部署已排定在本月。这些都是具体的。

有几件事则尚无法核实。基准数字是自我报告的,而相较 GPT-5.5 的领先幅度小到独立测试就能轻易重新洗牌。每秒 750 个 token 的数字是一个峰值("最高可达"),而非负载下有保证的持续速率,而"初期访问"这一附加说明意味着大多数开发者短期内感受不到它。已预览各档的定价尚未正式公布。至于"下一代"这个标签,更多是在做营销——在 GPT-5.5 基础上零点六的增量,加上渐进式的基准提升,是一次迭代,而非断层式的跃迁。这里更具分量的新意根本不在模型本身;而在于一款美国旗舰模型应监管者要求被送进了一间上锁的房间,同时实验室还公开对此发着牢骚。

总结

GPT-5.6 Sol 是两个披着同一份新闻稿的故事。第一个是一次称职、快速的模型家族更新——更好的编程分数、一次确实迅捷的 Cerebras 部署、合理的分层。第二个,也更为持久,是程序性的:一家顶级实验室首次公开地在政府要求的天鹅绒帷幕之后发布产品,事先就能力向官员做了汇报,然后又公开表态说它不希望这成为常态。如果这些基准在外部审视下站得住脚,GPT-5.6 将是一次稳健的发布。但真正值得关注的,是"先预览给政府,再给少数选定者,最后给所有人"是否会成为前沿发布的标准形态——以及下一家实验室是否会同样显眼地遵从,或是同样勉强地遵从。