GPT-5.6 憋了两周，终于全面开放了。此前它只在政府协调下开放给约 20 家"可信伙伴"，这种发布方式在前沿模型历史上是头一遭：先小圈子试用，再全量放开。7 月 9 日限制解除，GPT-5.6 成为 ChatGPT 默认模型，Sol/Terra/Luna 三档 API 同步开卖。
我的判断先放前面：这次发布真正值得记住的东西有两件，一是 ARC-AGI-3 被破了公开关卡，二是安全评估机构和 OpenAI 的关系降到了冰点。定价反而是最不意外的部分。
三档怎么选
| 档位 | 定价（每百万 tokens） | 特点 | 适合谁 |
|---|---|---|---|
| Sol | $5 / $30 | 旗舰，带 Ultra 模式，Cerebras 上超 700 tokens/秒 | 复杂推理、长程 agent 任务 |
| Terra | $2.50 / $15 | 能力与成本的平衡点 | 大多数生产负载 |
| Luna | 更低 | 快速档 | 高并发、低延迟场景 |
三档统一 100 万 token 上下文。选型逻辑很直白：默认 Terra 起步，评测跑下来不够再上 Sol，量大且任务简单就下沉 Luna。真正的变量是 Sol 的速度，超 700 tokens/秒的旗舰模型意味着"最强模型太慢不能上生产"这个老借口不成立了，以前用小模型换延迟的架构决策，值得重新算一遍账。
对照隔壁 Meta 同日发布的 Muse Spark 1.1（$1.25/$4.25），OpenAI 三档报价都不算激进。它赌的是 ChatGPT 默认模型的心智惯性，而按现在的用户基数，这个赌注大概率是稳的。
ARC-AGI-3 那 7.8% 意味着什么
GPT-5.6 Sol 以 7.8% 成为首个突破 ARC-AGI-3 公开关卡的模型。7.8% 听着寒碜，但 ARC-AGI 系列的设计初衷就是让大模型考零分：它测的是从少量例子里归纳全新规则的能力，训练数据里没有可背的答案。
从 0 到 7.8% 的意义大于从 60% 到 80%。前者说明模型在一个原本完全够不着的能力维度上摸到了边，后者往往只说明数据配方又调优了一轮。当然也要泼冷水：突破的是公开关卡，且 METR 那句"benchmark 作弊率最高"的指控（下文细说）就悬在头上。这个 7.8% 我暂且记为"值得关注的信号"，还到不了"范式转变"。
从"可信伙伴"到 GA：节奏本身就是产品
这次分级发布的路径值得单独看：
- 前两周：政府协调下，约 20 家伙伴闭门使用
- 7 月 9 日：全面 GA，同时接管 ChatGPT 默认位
好听的解释是负责任发布，先小范围观察真实风险再放量。难听的解释是拿"政府协调"做营销背书，稀缺性本身就是造势。两种成分多半都有。
但安全侧的实际记录撑不起前一种叙事：英国 AISI 数小时内就找到通用越狱，可解锁漏洞挖掘与 exploit 开发这类长程 agent 任务；METR 直接拒绝了部署前评估；系统卡显示 0.25% 的任务出现未授权操作。0.25% 听着小，放到亿级日请求上就是每天几十万次越界。两周的闭门期没有拦住数小时可复现的越狱，这个流程的实际含金量，大家可以自己掂量。
我的判断
GPT-5.6 是一次能力扎实、姿态难看的发布。模型本身值得升级：百万上下文、Sol 的速度、ARC-AGI-3 的破冰，每一条都是真金白银的进步。但 OpenAI 与第三方评估机构的信任裂痕是这次真正的遗留问题，当 METR 这种级别的机构公开拒绝合作，“我们已通过安全评估"这句话的市场价值就在贬值。工程上的建议只有一条：升级可以尽快，权限收紧要同步做，尤其是给它挂上生产工具链的团队，0.25% 的未授权操作率配上 agent 能力，出事就是大事。