三档模型与定价
OpenAI 新旗舰 GPT-5.6 分三个尺寸（从小到大）：Luna、Terra、Sol。
| 模型 | 输入 / 输出（每百万 token） | 定位 |
|---|---|---|
| Luna | $1 / $6 | 小尺寸，性价比 |
| Terra | $2.50 / $15 | 中尺寸 |
| Sol | $5 / $30 | 旗舰，对标 Claude Fable 5（$10/$50） |
三个模型共享：2026 年 2 月 16 日知识截止、100 万 token 上下文窗口、128,000 最大输出 token。
注意：每百万 token 定价已不能直接比较——不同模型在同一任务上消耗的 reasoning token 差异巨大。
Benchmark：长程 Agent 任务是主打卖点
OpenAI 最大声的 benchmark 声明关于长程 Agent 性能。在 Agents' Last Exam（覆盖 55 个领域的长程专业工作流评估）上：
GPT-5.6 Sol 达到 53.6 分，超过 Claude Fable 5（adaptive reasoning）13.1 分。即使在中等 reasoning 下，Sol 也以约 1/4 的成本领先 Fable 5。Terra 和 Luna 更是以约 1/16 的成本超越 Fable 5。
但 Fable 5 在 SWE-Bench Pro 上碾压了 GPT-5.6 全家（Fable 5 拿 80%，Sol 只有 64.6%）。有趣的是，OpenAI 在发布前一天专门发了文章质疑 SWE-Bench Pro 约 30% 的任务有问题。Simon Willison 评价这"并非巧合"。
四个值得关注的 API 新能力
这才是对开发者最实用的部分：
1. Programmatic Tool Calling（编程化工具调用）
允许模型"编写并运行 JavaScript 来编排工具调用"。Simon 认为这可能弥合 MCP 工具和完整终端会话之间的差距——让 Agent 用代码逻辑组合多个工具调用，而不是一个一个串行调。
类似 Anthropic 给 web search 工具加的 dynamic filtering——在单个模型回合内对搜索结果执行代码。
2. Multi-agent（多 Agent）
让模型"为并行、聚焦的工作生成子 Agent"。子 Agent 模式现在直接内置于核心 API，不需要自己在应用层编排。
3. Prompt Cache Breakpoints（缓存断点）
把 Claude 式的 prompt caching 带到 OpenAI——让你显式指定缓存断点位置，而不是依赖 API 自动检测。Simon 更偏好自动检测（OpenAI 仍支持），但手动断点在精心优化时可能省钱。
4. 图像 detail: original
图像请求现在可以设 detail: original，避免在处理前被缩放。
对中文开发者的行动建议
| 角色 | 建议 |
|---|---|
| 选型决策 | 别只看 benchmark 分数。SWE-Bench Pro 和 Agents' Last Exam 给出完全相反的结论——按你自己的真实任务做评估 |
| 用 Claude Code 为主 | Simon 的实际使用感受：GPT-5.6 Sol 确实很强，但在复杂编码任务上没有比 Fable 更好。现有工作流不必急着迁移 |
| 做 MCP / 工具集成 | Programmatic Tool Calling 值得跟进——如果模型能自己写 JS 编排工具调用，多步工具链的实现方式可能要变 |
| 成本敏感场景 | Terra 和 Luna 以 1/16 Fable 5 的成本在 Agents' Last Exam 上超越 Fable，轻量 Agent 任务可以考虑降级模型 |
一句话结论：GPT-5.6 的真正信号不是跑分，而是 OpenAI 把 multi-agent 和 programmatic tool calling 内置进 API——Agent 编排正在从"应用层自己搭"变成"平台原生能力"。