OpenAI 在 2026 年 7 月 9 日发布了 GPT-5.6,分三档:Sol 每百万 token $5/$30,Terra $2.50/$15,Luna $1/$6。头条是 Luna——这是 OpenAI 第一个把价格定进国产开源权重模型价格带的型号。但编程跑分讲的是另一个故事:SWE-bench Pro 上,旗舰 Sol 拿 64.6,只比 GLM-5.2 的 62.1 高 2.5 分——输入价却是它的 3.6 倍、输出价 6.8 倍。想用有限预算买到贴近前沿的编程能力,这笔账和上个月指向同一个方向。
这是短版本。长版本有实打实的细节——包括一桩值得知道的跑分争议——下面把全貌摆开。
这次发了什么
| 档位 | 输入/百万 | 输出/百万 | 缓存输入 | 上下文 |
|---|---|---|---|---|
| GPT-5.6 Sol | $5.00 | $30.00 | $0.50 | 1M |
| GPT-5.6 Terra | $2.50 | $15.00 | $0.25 | 1M |
| GPT-5.6 Luna | $1.00 | $6.00 | $0.10 | 1M |
三档都是 100 万 token 上下文、12.8 万最大输出,知识截止 2026 年 2 月 16 日。缓存输入按未缓存价的 10% 计。API 里的 gpt-5.6 是 Sol 的别名。Sol 与退役中的 GPT-5.5 同价;Terra 和 Luna 是新增的更便宜档位。(价格取自 OpenAI 官方牌价,2026 年 7 月 9 日 GA 当日。)
对做 agent 的人,这次的 API 新东西才是重点:程序化工具调用、并行子 agent、提示缓存断点——OpenAI 在追的,正是 GLM-5.2 为之而生的那类长程 agent 负载。
跑分,如实讲
SWE-bench Pro 是当下被引用最多、也最难的软件工程基准:
| 模型 | SWE-bench Pro | 输入/输出(每百万) |
|---|---|---|
| Claude Fable 5 | 80.0 | $10 / $50 |
| GPT-5.6 Sol | 64.6 | $5 / $30 |
| GLM-5.2 | 62.1 | $1.40 / $4.40 |
两个注意点,方向相反、都得说。其一:OpenAI 认为这个基准本身有毛病,称约 30% 的题目存在问题——若属实,所有人的分数都被压低了。其二:独立评测机构 METR 报告称,Sol 在其软件工程评测中"钻空子"的检出率创下 METR 有史以来最高——利用评测漏洞、走捷径而非真正完成任务。两件事放在一起读这张表。没有争议的是:Fable 5 领跑,Sol 和 GLM-5.2 在下一梯队里贴得很近。
在 OpenAI 自己主推的基准——Agents' Last Exam(长程 agent 评测)上,Sol 拿 53.6、领先 Fable 5 约 13 分,这是 OpenAI 发布时自报的数字。首日上手的评测(包括 Simon Willison)给的口径是:"确实有竞争力,但难的编程任务上没有明显超过 Fable。"
真正该比的:每一块钱买到多少能力
按一份贴近现实的编程助手月负载算——每月 6000 万输入 token、1200 万输出,不计缓存:
| 模型 | 月成本 | SWE-bench Pro |
|---|---|---|
| GPT-5.6 Sol | $660 | 64.6 |
| GPT-5.6 Terra | $330 | 未公布 |
| GLM-5.2 | $137 | 62.1 |
| GPT-5.6 Luna | $132 | 未公布 |
| Kimi K2.6 | $105 | — |
| DeepSeek V4-Pro | $37 | — |
| DeepSeek V4-Flash | $12 | — |
想按你自己的量算,用价格计算器——GPT-5.6 三档和国产阵容都在里面。
这张表的结构一目了然。Luna 和 GLM-5.2 价格相同,但 Luna 是 OpenAI 最小的档位、没有公布 SWE-bench Pro 成绩;而 GLM-5.2 的跑分距 OpenAI 的旗舰只差 2.5 分。所以诚实的比法不是"Luna 对 GLM-5.2",而是:向 OpenAI 买 Sol 级的编程能力要 $660,向 Z.ai 买统计意义上贴身的能力只要 $137。这道 4.8 倍的差距,GPT-5.6 没有关上。
而 GLM-5.2 之下,价格地板还在往下走。DeepSeek V4-Pro 月付 $37,算法向的 LiveCodeBench 拿最高分(93.5);V4-Flash 月付 $12,接走日常大批量。各档细账见价格全景。
Luna 真正改变了什么
该给 OpenAI 的认可要给:Luna 定在 $1/$6 是一步真棋。OpenAI 的模型第一次把价格定进了国产模型的地盘——输入价压过 Kimi K2.6,混合负载追平 GLM-5.2。如果 Luna 的质量接近 Terra,它对大批量、中等难度的活会是正经选项;这也印证了本博客说了几个月的判断:开源权重定下的价格地板,如今在给所有人定价,包括 OpenAI 自己。
Luna 没改变的:顶级编程能力的价格。agent 负载烧钱烧在输出 token 上,Luna $6 的输出价仍比 GLM-5.2 的 $4.40 贵 36%——而它是比自家旗舰低两档的型号。与此同时,GLM-5.2 依旧 MIT 许可、可自部署、按水电煤的价格卖。
实际怎么选
- 最难的 agent 工作流、预算次要——Claude Fable 5 仍以 80 分坐在 SWE-bench Pro 顶端;GPT-5.6 Sol 是更便宜的前沿席位,agent 向评测(OpenAI 自报)成绩强。
- 旗舰贴身的编程能力、水电煤价格——GLM-5.2。SWE-bench Pro 距 Sol 只差 2.5 分,负载成本约五分之一,100 万上下文,MIT 许可。完整论证见深度拆解。
- 算法密集任务——DeepSeek V4-Pro,LiveCodeBench 最高分,$0.435/$0.87。
- 大批量的活——DeepSeek V4-Flash 或 GPT-5.6 Luna;这个价位,拿你自己的流量各测一轮,让结果说话。更完整的决策树见编程模型怎么选。
对多数团队,实际答案不是选一个模型,而是路由:大头走便宜档,难的那 10% 上强模型。这需要一个"换模型只是改配置、不是搬家"的接入点。
自己跑一遍对比
Turiloop 给你一个 OpenAI 兼容的 Key,调 GLM-5.2、DeepSeek、Kimi、MiniMax——按量付费、国际卡、免中国手机号。把你现有的 OpenAI SDK 指到 api.turiloop.com/v1,拿你本来要发给 GPT-5.6 的提示原样跑一遍,答案和账单摆在一起比。一个 Key 调到所有模型。
常见问题
GPT-5.6 有哪几档,什么价? Sol(每百万 token 输入 $5/输出 $30)、Terra($2.50/$15)、Luna($1/$6),都是 100 万上下文、12.8 万最大输出,2026 年 7 月 9 日起 GA。缓存输入按未缓存价的 10% 计。
编程上 GPT-5.6 比 GLM-5.2 强吗? SWE-bench Pro 上 GPT-5.6 Sol 64.6、GLM-5.2 62.1——2.5 分的优势,代价是 3.6 倍输入价、6.8 倍输出价。多数编程负载下,按"每块钱买到的能力"算,GLM-5.2 明显占优;最难的 agent 任务,Sol 或 Claude Fable 5(80.0)直接领先。
GPT-5.6 Luna 比国产模型便宜吗? 混合负载与 GLM-5.2 基本打平(每月 6000 万输入/1200 万输出约 $132 对 $137),输入价压过 Kimi K2.6。但 DeepSeek V4-Pro($37)和 V4-Flash($12)仍便宜得多,且 Luna 是 OpenAI 最小档、未公布 SWE-bench Pro 成绩。
GPT-5.6 的跑分数字可信吗? 谨慎对待。OpenAI 质疑 SWE-bench Pro 的题目质量,METR 则报告 Sol 在其软件工程评测中钻空子的检出率破纪录。发布周的数字当方向看,下决定前拿自己的负载实测。