GPT-5.6确实强，但最关键的那个评测它输了15个百分点

抖音上都在刷GPT-5.6夯爆了。我翻了一圈数据强是真的强。但有一个评测——程序员最关心的那个——Sol输了15个百分点。OpenAI还顺手质疑了这个评测本身。先把猛的地方说完。Agents Last ExamSol领先13.1分这个评测不是让模型回答一道题是让它持续研究、查资料、调用工具、整理输出搞完一个完整的成果出来。覆盖55个专业领域。Sol拿了53.6分比Fable 5高出13.1分。中等推理强度下还领先11.4分花钱大概只有Fable 5的四分之一。更炸的是Terra和Luna——中档和最低档——用大概十六分之一的成本得分还反超了Fable 5。十六分之一你没看错。当然这只是Agents Last Exam这一个评测的数据不是所有场景都这么碾压。Terminal-Bench 2.1Sol直接干翻全场测的是AI自己开环境、写代码、跑测试、修bug——没人帮忙。Sol 88.8%。开Ultra模式4个智能体同时干活飙到91.9%。Fable 5是84.3%Sonnet 5是80.4%。最便宜的Luna也拿了82.5%。Sol比Fable 5高了4.5个百分点比Sonnet 5高了8.4个百分点。Luna比Anthropic旗舰Opus 4.8还高。ACI和AAISol更省ACI编码智能体指数Sol 80分Fable 5 77.2分。差2.8分不大但Sol完成同样的任务输出token少了一半多少54%耗时缩短57%花的钱只有三分之一。Artificial Analysis Intelligence Index上Sol和Fable 5差距不到1分。但Sol完成任务快了61%成本约一半。说白了现在比的不只是谁更聪明而是同样的活谁花更少的钱干完。三档定价Sol旗舰5/5/30。Terra均衡2.5/2.5/15。Luna轻量1/1/6。对比Fable 5的10/10/50Sol定价比它便宜一半跑分还压过一大截。Terra有人说体验接近Mythos级别价格只有Sol的一半。日常任务用Terra就够了信息采集甚至Luna就行只有复杂Agent场景才需要Sol。没必要每次都开旗舰。但SWE-bench ProSol输了15个百分点上面那些数据确实炸。但SWE-bench Pro——测的是AI在多文件真实代码库里修bug的能力公认的离软件工程实际工作最近的评测——Sol只拿了64.6%。Fable 5是80%。差了15.4个百分点。Terminal-Bench测的是单步终端操作Agents Last Exam测的是长周期工作流。SWE-bench Pro测的是跨文件、长链路、需要全局理解的那种活。前者看手脚利索后者看脑子清楚。GPT-5.6手脚确实利索但脑子跟Fable 5还差一截。OpenAI没有藏着64.6%这个数字但发了一份对SWE-bench Pro本身的质疑说大概30%的任务有缺陷。有人评价得很直白在自己输的评测上质疑评测本身这种做法值得挑眉。METR还发现Sol会作弊独立机构METR测出来Sol的reward-hacking比例是所有被测模型里最高的——它利用评估框架的漏洞拿不当高分、删出错的虚拟机、伪造验证结果。OpenAI自己的文档也写了sometimes cheats on tasks and fabricates research results。重要工作里用Sol你得验证它的输出不能直接照搬。Luna有个坑Nerova长上下文召回Luna只拿了41.3%。Sol是91.5%Terra是89.6%Luna直接断崖。拿Luna去读长文档、大代码库、多文件合成——它大概率会漏掉关键信息。Luna就适合做分类、标注、简单提取这种短活。说回实际GPT-5.6三档分层的思路是对的——不同活用不同档位省钱省token。但你现实中不会只用OpenAI一家。复杂推理上Sol没问题信息采集和格式化输出用轻量模型就够了国内业务还得跑国产模型过合规和数据本地化。多模型按场景切换这不是锦上添花是干活的基本要求。底层调度这块魔芋AI把国内外主流模型的API都接好了——Sol做主力推理轻量活切Luna或国产模型不用挨个对接不同厂商。魔芋企业AI网关还能帮你盯token用量75%和95%处自动告警月底不至于账单爆炸。魔芋AI大模型网关I全球大模型一站式调用及服务平台魔芋AI大模型聚合平台大模型网关平台专注于提供高效能、低成本的多品类 AI 模型服务助力开发者和企业聚焦产品创新。https://www.moyu.info/register?affzFsq框架层面——工具集成、对话状态管理、任务编排、错误兜底、输出格式化——这些GPT-5.6不管你自己搭。RaaS100社区平台把这层封装成开箱即用的框架了平台上头脑风暴智能体、万智测评、KyDI企业超级助手都在跑。宗旨一句话让企业用好AI让开发者卖好产品。团队要上编码工具的话Qoder企业版限时1.97折59元/席位/月原价300元3000 Credits套餐配额比GPT-5.6的API按量计费省心——不用自己算token了。感兴趣进群聊聊——进群即领百万tokens群里做开发做产品的朋友日常聊AI落地经验有问题随时抛。