GPT‑5.6三層級明確分工與差價，利於任務依難度分流。對房仲團隊而言，從帶看話術到產出物件文案與表單處理，可按成本與品質取捨，並用快取與多代理人提升穩定度與速度。性能亮點集中在代碼代理、終端自動化，但在專業修 bug 與通用智能仍有明確對手領先。
三款定價清晰、通路已開放，導入成本可預估。Sol 對應旗艦高效能，Terra 對應日常均衡，Luna 主打成本效率；Prompt 快取與工具新能力皆在 Responses API 提供，便於把看屋流程與內勤 SOP 串成自動化。
這次三層模型與定價，對團隊選型怎麼拿捏？
三層定價差距明確，有助將任務按價值對齊模型。GPT‑5.6 一代含三款：Sol、Terra、Luna；以每百萬 tokens 計價，Sol 適合高價值決策與複雜自動化，Terra 用於日常生產，Luna 用於大量、可容錯的產出（如初稿、分類、摘要）。
- 可用範圍（Chat）：Plus、Pro、Business、Enterprise 可用 Sol；Pro、Enterprise 可選 Sol Pro（努力等級）。
- ChatGPT Work 與 Codex：Free、Go 用戶用 Terra；付費可在三款間選擇並設定 effort；max 可在有權用戶中開啟。
- API：三款皆可用；Programmatic Tool Calling 與 multi‑agent 測試版在 Responses API。
| 模型 | 每百萬輸入 | 每百萬輸出 |
|---|---|---|
| Sol | $5 | $30 |
| Terra | $2.50 | $15 |
| Luna | $1 | $6 |
Programmatic Tool Calling 與 multi‑agent 會怎麼改變自動化？
內建工具呼叫減少粘合代碼，便於把表單與流程自動化。Programmatic Tool Calling 允許模型寫 JavaScript 並在隔離的 V8 執行，且無網路存取；在 Responses API 可直接調用，降低將房源資料、行程排程與外掛腳本串接的門檻。
多代理人預設並行，縮短等待並拉高成功率。ultra 以四代理人並行，將 Terminal‑Bench 2.1 從 88.8% 提升至 91.9%；在 BrowseComp 亦能達到 92.2%。API 端提供 multi‑agent 測試版，利於把複雜任務拆分為收集資訊、撰寫、校對與工具執行的並行流程。
效能領先在哪些任務？哪些仍落後競品？
代碼代理與終端操作是強項，通用智能與修 bug 尚有落差。OpenAI 指稱 Sol 在 Artificial Analysis Coding Agent Index v1.1 以 max 推理得分 80，較 Claude Fable 5 高 2.8 分，且用時與輸出 tokens 少於一半；在 Terminal‑Bench 2.1 與 DeepSWE 標出新高。
通用智能分數接近，但非全面領先。OpenAI 公布的評測表列示 Agents’ Last Exam 中，Sol 為 52.7%，Fable 5 為 40.5%；另有未標註設定的 53.6 數值說明仍由 OpenAI 提供。OSWorld 2.0 上，Sol 62.6% 並以較少輸出 tokens 超過 Claude Opus 4.8。
如下列部分評測（OpenAI 公布表）：
| 評測 | GPT‑5.6 Sol | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 | Claude Fable 5 | Claude Opus 4.8 | Gemini 3.1 Pro Preview |
|---|---|---|---|---|---|---|---|
| AA Coding Agent Index v1.1 | 80 | 77.4 | 74.6 | 76.4 | 77.2 | 72.5 | 42.7 |
| Terminal‑Bench 2.1 | 88.8% | 87.4% | 84.7% | 85.6% | 83.1% | 78.9% | 70.7% |
| DeepSWE v1.1 | 72.7% | 69.6% | 67.2% | 67% | 69.7% | 59% | 11.8% |
| SWE‑Bench Pro | 64.6% | 63.4% | 62.7% | 59.4% | 80% | 69.2% | 54.2% |
| Agents’ Last Exam | 52.7% | 50.4% | 50.3% | 46.9% | 40.5% | 45.2% | 32.1% |
修 bug 與工具運用仍被對手壓制，選型需注意。SWE‑Bench Pro 上，Sol 64.6% 落後 Claude Mythos 5 的 80.3% 與 Fable 5 的 80%；Toolathlon 中，Sol 58% 低於 Fable 5 的 61.7% 與 Opus 4.8 的 59.9%。長上下文上，Luna 在 MRCR v2 8‑needle 為 41.3%；Sol 在 512K–1M 得 73.8%，略低於 GPT‑5.5 的 74%。
快取與成本：我該如何估算與調整？
快取規則更可預期，但新增寫入成本需納入模型。GPT‑5.6 支援明確快取斷點與至少 30 分鐘快取壽命；快取寫入按未快取輸入價的 1.25 倍計費，快取讀取維持 90% 折扣。對大量重複提示（如制式合約、盤點表單）能穩定壓低成本。
離線模擬的時延與成本聲明，導入前應實測驗證。OpenAI 指出延遲與成本係離線模擬而非生產量測；另安全評測（cyber）在降低保護下測量，實際表現會不同。建議以團隊樣本工作負載先做 A/B，並視任務價值分流至 Sol／Terra／Luna，配合 ultra 與快取做精細化控成本。
資料來源：MarkTechPost — 原文連結
