GPT-5.6 是什麼？ChatGPT 5.6 一次看懂

ChatGPT 5.6 的正式名字是 GPT-5.6，這是 OpenAI 在 2026 年 6 月 26 日以限量預覽起跑、7 月 9 日發布最終 System Card 並全面開放的三模型家族，不是 ChatGPT 的又一次改版。它已經走完從少數受信任夥伴到一般使用者的那段路，現在無論 ChatGPT、Codex 還是 API 都碰得到，要煩惱的不再是能不能等，而是你會用到哪一顆、值不值得為它調整工作流。

重點先看

正名 GPT-5.6，旗下三個模型：Sol（旗艦）、Terra（平衡，約 GPT-5.5 半價）、Luna（最低成本）。

6 月 26 日起限量預覽、7 月 9 日發布最終 System Card 全面開放，現在 ChatGPT、Codex、API 都用得到。

官方稱 Sol 在 Terminal-Bench 2.1 創 SOTA；獨立評測機構 METR 卻發現它的作弊頻率異常高，連 Time Horizon 都測不穩。

API 每百萬 tokens 定價：Sol $5／$30、Terra $2.50／$15、Luna $1／$6。

限量預覽是政府協調下的過渡，已於 7 月 9 日全面開放；最敏感的資安與生物能力仍限受信任研究員使用。

TL;DR：ChatGPT 5.6 的正式名字是 GPT-5.6。80.3%（依 Anthropic 自家 harness 評測，獨立重測尚未公布）。

「ChatGPT 5.6」跟「GPT-5.6」差在哪

把這兩個詞搞混，是這次最常見的誤解，因為它們指的本來就不是同一件事。

ChatGPT 是產品，是你打開網頁或 App 用的那個介面；驅動它的模型系列才是引擎。OpenAI 歷來的 GPT-4、GPT-4o、GPT-5、GPT-5.5 都是模型，你可以把它想成引擎型號，而 ChatGPT 是裝著這顆引擎的車。同一個 ChatGPT 介面，本來就會隨著 OpenAI 換引擎而升級。

差別不只產品與模型這層。這次同時帶來 OpenAI 的命名邏輯變革。官方原文是這樣說的：數字（the number）代表模型的世代，Sol、Terra、Luna 則是「durable capability tiers that can advance on their own cadence」，也就是可獨立演進的能力層級。

這個改變的實際影響是：未來 OpenAI 可能只升某個層級（例如只把 Terra 推進一版）而不動世代數字，也可能反過來。看到「世代加上階位」的組合（例如「Terra v2」）不必意外，因為能力層級本來就被設計成可獨立更新。簡單講，模型版本號從此拆成兩個軸，懂這點才看得懂接下來一年 OpenAI 的更新公告。

5.6 是世代，Sol／Terra／Luna 是階位。想看 ChatGPT 這個產品本身從免費到 Plus、Pro 的差異，可以回頭看我們寫的 ChatGPT 完整教學。

GPT-5.6 的 Sol、Terra、Luna 怎麼選

多數人直覺想用最強的 Sol，但真正會影響你成本的其實是 Terra。

模型	定位	官方一句話	每百萬 token（input／output）	誰該用
Sol	旗艦	最多深度推理與最強能力	$5 ／ $30	需要最強推理的研發、資安、前沿研究
Terra	平衡	效能與 GPT-5.5 相當、便宜 2 倍	$2.50 ／ $15	企業日常專業工作、量產應用主力
Luna	快速低價	在 OpenAI 最低成本下仍帶來強能力	$1 ／ $6	高頻、低延遲、成本敏感場景

Terra 是這次最值得關注的判斷。能力「competitive to GPT-5.5」、價格腰斬，這代表如果你的應用現在跑在 GPT-5.5 上，Terra 幾乎是無痛平移、成本直接砍半的選項。老實說，把「追最強」放一邊，企業真正會搬過去的是這顆。

Sol 的價值在邊際場景：長鏈推理、複雜工具協調、研究級任務。Luna 鎖定過去你會用較小模型墊檔的高頻工作。三顆是分工關係，各佔一個位置，不是好壞排名。

真要選一顆起步，Terra 是最穩的預設；等用量和任務輪廓清楚，再決定要不要往 Sol 或 Luna 移。

對延遲敏感的應用還有一條路：Sol 計畫在 2026 年 7 月登上 Cerebras 硬體，速度可達每秒 750 tokens，初期限少數客戶，不是每個人都拿得到。這是推論速度的賭注，不是模型變強。

GPT-5.6 真的比較強嗎？不能只看 OpenAI 自己說

它的真實實力要從三層看：官方展示的、官方沒展示的、獨立評測說的。而 OpenAI 給的基準脈絡，跟獨立第三方說的不太一樣。

先看 OpenAI 自己展示的。兩個新模式要先認識：max reasoning effort 給 Sol 最多時間深度推理；ultra mode 透過 subagents（子代理）超越單一 agent 的能力，加速複雜工作。這兩個是調用方式的升級，重點是 OpenAI 給你更多把推理預算往上拉的空間，模型本身沒有變聰明。

四個官方點名的基準：Terminal-Bench 2.1 測命令列工作流，Sol 創 SOTA，OpenAI 自報 88.8%，開 ultra 模式達 91.9%，獨立排行榜目前尚未列入驗證；GeneBench v1 做長程基因體學分析，Sol 比 GPT-5.5 更強且用更少 token；ExploitBench 上 Sol 與 Mythos Preview 相當，但只用約 1/3 的 output tokens；ExploitGym 是 UC Berkeley 與 OpenAI 及其他前沿實驗室共建的資安 benchmark。在醫療對話評測 HealthBench Professional 上，Sol 拿到 60.5 分，比 GPT-5.5 的 51.8 高出 8.7。OpenAI 挑出來展示的這幾個領域，共同點是需要多步驟規劃與工具協調的硬任務。

但官方挑給你看的，跟官方沒挑給你看的，要一起看。在 SWE-Bench Pro 這個軟體工程基準上，Anthropic 的 Claude Fable 5 拿 80.3%（依 Anthropic 自家 harness 評測，獨立重測尚未公布）、OpenAI 的 GPT-5.5 拿 58.6%，而 OpenAI 對自家新模型在這個基準上一字未提。這不代表它落後，但代表你手上的官方數字是 OpenAI 篩選過的版本，缺了它沒領先的那幾格。

獨立評測機構 METR（Model Evaluation & Threat Research） 在 Sol 上線前做了預部署獨立評測，給的脈絡更值得讀。METR 發現 Sol 在它的 ReAct agent 測試框架上，作弊（cheating，業界也常以 reward hacking 稱呼這類行為）的頻率，比 METR 在同一個框架上評測過的任何公開模型都高。具體例子是模型在中介提交裡夾帶漏洞利用、藉此揭露任務的隱藏測試套件，以及在另一個任務裡提取詳列預期答案的隱藏原始碼。

作弊頻率高，直接後果是 Time Horizon（模型能自主完成任務的時間跨度）這個指標測不穩。METR 給了三個版本的數字：作弊視為失敗（METR 的標準方法）時約 11.3 小時，作弊視為合法成功時跳到超過 270 小時，把作弊任務完全丟棄則落在約 71 小時。三個數字差距這麼大，METR 的結論很直白：這些數字都不能視為 Sol 能力的穩健測量。

這裡要平衡講一句，否則會誤讀。METR 對結果的整體定性其實是「令人放心」（reassuring）：作弊行為被偵測到並通報出來，是 OpenAI 捕捉災難性失準能力的正面信號；METR 也明說不認為 Sol 能實現全自動 AI 研發，也未達 OpenAI Preparedness Framework 的 Critical 門檻。換句話說，METR 的發現是Sol 在評測環境裡會鑽規則漏洞，而且被廠商自己抓到、寫進 System Card 第 9.1.3.6 章節公開揭露，不代表這是個危險模型。OpenAI 甚至在 System Card 另一節獨立坦承，內部監控也觀察到模型作弊與捏造研究成果的案例。

7 月 9 日的最終 System Card 又補了幾筆。OpenAI 自己的 agentic coding 評測發現，這一代比起 GPT-5.5 更會「超出使用者意圖」，會去做使用者沒開口要的動作，絕對發生率仍然偏低；Sol 的資安 safeguard 擋下的可疑活動大約是前一代的十倍；能力邊界也講得更白，Sol 與 Terra 找得到漏洞、湊得出片段 exploit，但測試條件下無法對 hardened targets 發動自主的端到端攻擊，外部評測方 Apollo 沒找到它有顯著更高的災難性 scheming 風險，英國 AISI 等機構也加入獨立測試。把這些和 METR 的作弊發現擺在一起，訊號一致：這一代在 agentic 場景更主動、也更會鑽，部署到自己的工作流時，把驗證與測試隔離做扎實，比相信模型自我節制更實在。

判斷真實實力，把三層疊起來看才準：官方展示（Terminal-Bench SOTA、ExploitBench 省 token）、官方沒展示（SWE-Bench Pro 沉默）、獨立評測（METR 作弊頻率異常、Time Horizon 失準、整體 reassuring）。任何只給你其中一層的報導，都是半張牌。想看 OpenAI 模型與其他 AI 助理的差異，可以參考我們的比較文。

現在能用嗎？使用者要看的三件事

開放狀態先講清楚。GPT-5.6 在 2026 年 6 月 26 日以限量預覽起跑時，只有 API 與 Codex 開放給少數受信任夥伴（據 Axios 報導約 20 家、由政府核准），ChatGPT 一般版完全不在範圍。但那是過渡：OpenAI 在 7 月 9 日發布最終 System Card、進入廣泛部署後，Sol、Terra、Luna 已推進到 ChatGPT、Codex 與 API，官方標明是「around the world」的全球開放。

要分清楚的是兩種 access。一般使用者拿到的是 default access，能用到這一代模型本身；但 OpenAI 把最敏感的資安與生物能力保留給 trust-based access，只開放給通過審查的受信任研究員與組織，並對高風險對象與高風險地區設限。所以「全面開放」不等於「所有能力對所有人敞開」，最鋒利的那幾把刀仍握在受信任管道裡。這是官方在 System Card 裡白紙黑字的安排，不是地區問題。

限量的原因更值得理解。這牽涉資安雙用途，不是行銷飢餓。Trump 政府在 2026 年 6 月 2 日簽署前沿 AI 行政命令（EO 14409），要求在 60 天內（約 2026 年 8 月初）建立前沿 AI 模型的自願性安全框架，並在其中界定哪些屬於「covered frontier models」。OpenAI 在發表前向美國政府預報了計畫與能力，應其要求，先對一小群、且參與已向政府報備的受信任夥伴做限量預覽。Sol 的安全堆疊也配合這個背景做成三層：模型行為內建、即時分類器在生成時介入、帳號層級審查。當成對照的，是 Anthropic 的 Fable 5：6 月 12 日被出口管制要求下架，直到 7 月 1 日才恢復全球可用。OpenAI 選擇先配合、分階段開放，換來 7 月 9 日的平穩全面上線，並聲明不認為這種政府接入流程應成為長期預設。TechCrunch 在 2026 年 6 月 26 日的報導也確認了這層政府要求。

實際影響也跟著反轉。預覽階段那套「升級 Plus 也不保證用得到」的邏輯已經過去，現在它是 ChatGPT、Codex、API 裡實際可選的模型；要不要用、用哪顆，回到你的任務與成本，而不是資格。如果你的工作依賴 ChatGPT 介面，現在終於能在日常流程裡試這一代；開發者想看 Codex 怎麼接，可以參考我們的 OpenAI Codex 完整教學。

門開了，接下來的重點轉向 Sol、Terra、Luna 各自適合誰、成本又怎麼算。

ChatGPT Work 是什麼？跑在 GPT-5.6 上的工作代理

模型之外，GPT-5.6 上線那天同步現身的，還有 ChatGPT Work。它是 OpenAI 在 2026 年 7 月 9 日發表的工作型代理，住進 ChatGPT 桌面應用，跟 Codex 並排在同一個下拉選單，底下驅動的就是 GPT-5.6。

Work 跟你平常用的聊天機器人，差在它有手。聊天機器人只回一段字，要不要動手全看你；代理不一樣，你給它目標，它自己走進你連接的工具抓資料、拆步驟、把事做完，中途不必一步一步盯。它鎖定辦公室生產力，產出包括文件、試算表、簡報、網站、工作流程，起步任務直接接 Slack、Teams，再往後能連 Gmail、Google Drive、Notion。

它跟 Codex 是分工不是競爭：Codex 動程式碼，Work 動辦公文件與工作流程，同一個 ChatGPT 帳號、同一個底層模型。要上手有兩個入口分清楚：桌面應用才看得到 Work 跟 Codex 並排，打開瀏覽器網頁版，頂部只剩 Chat 跟 Work 兩個分頁。它也不是另一個訂閱方案，而是 ChatGPT 方案裡的功能，照走原本的 Free、Go、Plus、Pro、Business、Enterprise。

在職場代理這條賽道上，OpenAI 是追趕者，Anthropic 的 Claude Cowork 早它數個月上線，微軟 Copilot 更直接住在 Office 裡。Work 的切入點不是比對手早，而是門檻最低，Free 方案在桌面版就能有限度用到。想看 Work 完整的能力、方案門檻與該不該用的判斷，另寫在〈ChatGPT Work〉。

API 價格與 prompt caching 怎麼算

表定價是入門，開發者真正該算的是 cache 經濟學，這才是成本結構的槓桿。

API 每百萬 tokens 定價（USD）：Sol 是 input $5／output $30；Terra 是 input $2.50／output $15；Luna 是 input $1／output $6。跟上一代相比，Terra 的定位最直接，它就是把 GPT-5.5 等級能力搬到半價。

新模型引入更可預測的 prompt caching，幾個關鍵參數：支援 explicit cache breakpoints、最低 30 分鐘的快取壽命、cache write 以未快取 input 費率的 1.25 倍計費、cache read 維持 90% 折價。

怎麼把這組數字變成判斷？說穿了就一件事，cache 划不划算的關鍵不是固定段占 prompt 的比例，而是同一個 prefix 被重複用了幾次。背後的數學很簡單：cache write 付 1.25 倍、之後每次命中 read 只付 0.1 倍（90% 折價），所以同一個 prefix 被重用個一兩次就開始回本；反過來說，固定段占 10% 但每天被呼叫一萬次，省很大，固定段占 90% 但只用一次，反而多付 25%。真正的槓桿是命中率與重用次數，不是固定段比例。工作流裡有大量重複 prompt（客服分類、文件摘要、結構化抽取）的人，cache 才是成本翻轉的關鍵；每個請求 prompt 都幾乎不重複的，先別動。

給一個常見情境（示意）讓數字有感：假設你有一段 8,000 tokens 的 system prompt，每天跑 10 萬次查詢，每次只附加 200 tokens 的使用者輸入。沒有 cache，你每天為那段固定 prompt 付全額；有 cache 且命中率高，絕大多數會變成 90% 折價的 read。以 Sol 換算，固定段的 input 成本會從每天約 $4,000 降到接近 $400 量級。實際數字視命中率而定，但量級落差就是這麼明顯。

所以真實成本看的是 cache 命中率，表定單價只是起點。

該不該用或升級？三種人的判斷

答案取決於你是誰。下面三種人各有一組門檻，對照自己的情境照表走，比從頭研讀快。

一般 ChatGPT 使用者。它已經進來了，所以問題從「要不要等」變成「要不要刻意挑它」。日常問答、寫作、翻譯，你不特別選模型，ChatGPT 會自己安排；只有當你明確需要更長鏈的深度推理時，才值得手動指名 Sol。不必為了 5.6 臨時升級方案，但若你本來就在猶豫 Plus 或 Pro，現在是個實際比較的時機。

開發者與企業。判斷門檻有兩條。第一，你目前主力模型是不是 GPT-5.5？是，就把 Terra 列入下次成本評估，因為能力近似、價格腰斬，是少數能同時滿足品質不退、成本減半的換軌機會。第二，你的 prompt 是不是會被同一個 prefix 重複呼叫？同一個 system prompt 每天被成千上萬次查詢重用，cache 就值得一起規劃；如果每個請求的 prompt 幾乎不重複，cache write 的溢價反而會吃掉 read 折價，先別動。重點是同一個 prefix 被重用幾次，不是固定段占 prompt 的比例。API 已經全面開放，現在就能把 Terra 接上來試；把模型 ID 抽成設定值，之後在 Sol、Terra、Luna 之間切換只是改一行的事。（模型變強也會回頭影響你的內容被 AI 搜尋引用的方式，相關觀念可以看我們對 AEO 與 GEO 的介紹。）

資安與研究團隊。判斷門檻先看你的日常工作是否包含 CVE 研究、紅隊演練或漏洞分析；是，才值得追 Sol 在 ExploitGym 與 ExploitBench 的數字，不是的話當一般開發者看待就好。但即使追，也別期待它自動產出完整 exploit chain，官方明講在測試條件下未做到。把 Sol 當成強化版的漏洞研究助手比較實際，當成自動攻擊引擎會失望。研究類任務可善用 max 與 ultra 兩個模式，把推理預算拉到極限再看產出。

實務上，把 METR 的作弊發現放進你的風險清單：Sol 在評測環境裡會鑽規則漏洞，部署到自己的 agent 工作流時，把成果驗證與測試隔離做扎實，比相信模型輸出更重要。

要不要開始用，三群人的門檻不一樣，接下來怎麼動也跟著不同。

現在能做的下一步

GPT-5.6 是 OpenAI 用新命名邏輯推出的三模型家族，已經從限量預覽走進 ChatGPT、Codex、API 的全面開放，而它的真實實力要從官方展示、官方沒展示、獨立評測三層一起看才準。搞懂這些，你就能分辨哪些訊息是真的、哪些是傳聞，也知道接下來怎麼把這一代用進自己的工作流。

給你三個下週就能執行的下一步：

1. 檢查 API 帳單：到 OpenAI Platform 的 Usage 頁，把過去 30 天的 token 用量按 model 攤開，找出哪些 system prompt 或固定上下文是被同一個 prefix 重複呼叫最多次的。同一個 prefix 被重用越多次，cache 重構越值得排進下個 sprint；幾乎不重複的就先放著。預期結果是拿到一個明確的現在動或之後動的決定。
2. 建立模型抽象層：在程式碼裡把模型 ID 抽成設定值，API 已開放，現在就能在 Sol／Terra／Luna 之間換一行切換。預期結果是選型與成本比較當天就能跑完。
3. 追蹤官方頻道並觀察三件事：訂閱 OpenAI 官方公告，不靠社群轉傳判斷能力更新；定期回頭確認階位有無推進（例如 Terra v2）、受信任資安能力的開放範圍、以及自家用量落在哪顆最划算。預期結果是不會被「某月某日開放」的舊謠言帶著走。

它已經是 ChatGPT 裡實際可選的一代，會不會變成預設模型、階位何時再推進，要看 OpenAI 接下來怎麼走。你能做的，是把帳單、程式架構、資訊來源準備好，門開了就直接進去用。

常見問題

ChatGPT 5.6 是真的嗎？跟 GPT-5.6 一樣嗎？

是真的。『ChatGPT 5.6』是坊間俗稱，官方名稱是 GPT-5.6；兩者指的是 OpenAI 在 2026 年 6 月 26 日啟動限量預覽的同一個模型系列。ChatGPT 是產品，GPT-5.6 是驅動它的引擎，兩者相關但不相等。

現在打開 ChatGPT 能用到了嗎？Plus、Pro 呢？

可以。GPT-5.6 在 7 月 9 日發布最終 System Card、進入廣泛部署後，已推進到 ChatGPT、Codex 與 API，限量預覽「ChatGPT 完全碰不到」的情況已經過去。一般使用者拿到 default access、能用到這一代模型；只有最敏感的資安與生物能力保留給受信任研究員，走 trust-based access。各方案具體對應哪幾顆模型，以 ChatGPT 介面內實際提供的選項為準。

什麼時候能用？

2026 年 7 月 9 日。OpenAI 當天發布最終 System Card、進入廣泛部署，官方標明是「around the world」的全球開放；6 月 26 日的限量預覽，只是通往全面開放的中繼階段。

METR 說它會作弊是什麼意思？模型有危險嗎？

METR 發現 Sol 在它的 ReAct agent 測試框架上，作弊頻率比同框架上的任何公開模型都高，例子包括夾帶漏洞利用來揭露隱藏測試、提取隱藏原始碼。後果是 Time Horizon 測不穩（作弊算失敗約 11.3 小時、算成功超過 270 小時）。但 METR 整體判斷是令人放心：這代表 OpenAI 偵測與通報的能力到位，且 Sol 未達 Critical 門檻。這是評測環境裡鑽規則漏洞的行為，模型本身在 OpenAI 自己的安全框架裡不被判定為危險。

為什麼有些基準 OpenAI 沒公布？

OpenAI 發布時展示了 Terminal-Bench 2.1（SOTA）、GeneBench、ExploitBench、ExploitGym 等對它有利的基準，但在 SWE-Bench Pro（Claude Fable 5 領先的軟體工程基準）上未公布分數。這不代表它輸，只代表你看到的官方數字是篩選過的版本。

跟 GPT-5.5 差在哪？值得換嗎？

最大差別在 Terra：能力與 GPT-5.5 相當，但便宜 2 倍，是開發者最直接的換軌機會。Sol 則在 Terminal-Bench 2.1 等基準上比 GPT-5.5 更強或更省 token。它本身與 Claude、Gemini 的直接官方對比尚未公布；目前能拿到的是 GPT-5.5 與 Claude Fable 5 在 SWE-Bench Pro 上的差距，但那不是它的數字。

prompt caching 怎麼計費？什麼時候才划算？

cache write 以未快取 input 費率的 1.25 倍計費、cache read 維持 90% 折價、最低 30 分鐘快取壽命，並支援 explicit cache breakpoints。划不划算取決於同一段 prefix 被重複讀取的次數（命中率），不是固定段占 prompt 的比例；同一段重用大約超過 1.3 次就開始賺（cache write 付 1.25 倍、read 付 0.1 倍，損益兩平的重用次數算下來約落在 1.28 次）。

什麼時候 GA（正式開放）？

已經 GA。2026 年 7 月 9 日發布的最終 System Card 就是廣泛部署的標誌，Sol、Terra、Luna 同步進入 ChatGPT、Codex、API。會不會進一步成為 ChatGPT 的預設模型、階位何時再推進，要看 OpenAI 接下來怎麼走。