GPT-5.6 Sol 发布：OpenAI 史上最强视觉模型，价格直接砍半
今天 HN 炸了。GPT-5.6 Sol 发布的消息冲上首页，Roboflow 刚出了一份详细的 benchmark 报告，OpenRouter 也同步给出了定价。几个关键词：史上最强视觉模型、检测能力大幅提升、价格砍半。
GPT-5.6 家族三档定位
OpenAI 这次不是单发一个模型，而是同时推出三档——Sol、Terra、Luna。不是版本号升级，是定位分层。
Sol：旗舰，主打复杂推理、代码和 agentic 工作流。特别适合命令行操作、多步骤任务和长周期问题。
Terra：中等档位，平衡性能和成本，适合日常生产环境。
Luna：最便宜，速度最快，但保留了超越 GPT-5.5 的检测和计数能力。
这个策略和 Anthropic 的 Claude 系列很像——给用户一个明确的性能/成本选择空间。
Roboflow 实测数据：哪些能力真的提升了
Roboflow 用他们即将发布的 VLM benchmark 跑了一圈，结果挺有意思。
目标检测：从弱项变成可用
GPT-5.5 的检测能力一直被人诟病。GPT-5.6 Sol 这次明显补上了这个短板。
Sol 在检测任务上从 GPT-5.5 的落后状态，追平到了领先 VLM 的门槛。Terra 和 Luna 也有提升，但幅度不如 Sol。
一个重要技巧：让模型返回绝对 XYXY 像素坐标，而不是归一化坐标。 Roboflow 实测发现，用错坐标格式会让 GPT-5.6 的检测性能下降约 15%。
计数能力：全面进步
Sol 计数得分 73.0%，GPT-5.5 是 64.9%。Terra 67.6%，Luna 66.2%。
最难的不是简单计数，而是重叠物体。Roboflow 测试了紧密重叠的金属支架、药片泡罩包装里的空位和药丸。Sol 在大部分场景下能正确理解"只数某一类"的指令——比如只数指定区域里的弹孔。
但也有翻车。药片泡罩因为重复布局、反光和细微颜色差异，Sol 还是搞错了。
OCR：基本持平
Sol 的 OCR 平均分 90.7%，比 GPT-5.5 的 91.2% 只低 0.5 分。文本提取差距大一些（Sol 82.5% vs GPT-5.5 87.6%），但手写笔记和复杂场景文字读取表现不错。
轮胎侧面曲线上的胎纹文字、冰球转播的实时比分，这些高难度场景都读出来了。
延迟和成本：别只看价格
价格确实降了。OpenRouter 数据显示 GPT-5.6 Sol 的定价被砍了约 50%。
但代价也在。Sol 平均每张图处理时间约 10 秒，Terra 约 6 秒，Luna 约 5 秒。Luna 的速度已经接近 Gemini 3.5 Flash，同时检测能力还超过了 GPT-5.5。
更大问题是大图稳定性。Roboflow 发现，当图片达到 2000×2000 像素以上时，Sol 的检测框会变得不稳定——经常生成没有重叠的框，或者排列成不自然的直线。提升 reasoning effort 能改善，但 token 消耗、延迟和成本也会跟着涨。
怎么用最划算
如果你现在要选型，我的建议是：
- 日常文档处理、屏幕理解、agent 视觉任务 → 用 Sol，检测能力确实有质变
- 高吞吐量的检测/计数需求 → 用 Terra 或 Luna，速度和成本更友好
- 图片超过 2000px → 先 resize 或 crop，不然 Sol 的稳定性会出问题
- prompt 技巧 → 明确要求返回绝对 XYXY 像素坐标，别用归一化格式
GPT-5.6 让 OpenAI 在视觉模型领域从"还行"变成了"认真考虑"。但 Gemini 3.5 Flash 在高吞吐场景下仍然是性价比更高的选择。