Vector Lab
VECTOR LAB

EST. 2025

WEEKLY UPDATE2026
BY ANDREW MEAD

GPT 5.6

GPT 5.6 比 Claude Fable 更好吗?Cursor 助力 Grok 卷土重来,Meta 再次出击

注:本文由 OpenAI gpt-6.1-sol 通过 Codex CLI 自动翻译;翻译质量可能有所欠缺,尤其是技术术语。

新品发布

GPT 5.6

GPT 5.6 已获美国政府批准,现已向所有人开放。 该模型共有 3 种规模,从小到大分别命名为 Luna、Terra 和 Sol。

ArtificialAnlys 基准测试

基准测试图来自 Artificial Analysis,因为 OpenAI 没有提供好用的基准测试图片。

根据我这周的使用体验以及社区的普遍反馈,我会将 GPT 5.6 Sol 与 Claude Fable 5 归为同一档。 它在智能体任务上的能力极强,无论是编程还是其他任务。 它还有一个额外优势:由于单价更低,而且比 Fable 消耗的 token 更少,使用成本只有三分之一。

Fable 在意图推断和判断力方面似乎依然最出色(有大模型内味儿了),但大多数任务并不需要这些能力。 如果你确实需要 Fable 规划能力带来的额外助力,我会让 Fable 负责规划,再让它调用 GPT 5.6 来执行。 与 Fable 相比,GPT 5.6 的安全限制似乎也没那么多,没那么让人束手束脚。

从 Design Arena 和 Frontend Code Arena 的表现来看,GPT 模型过去一直不擅长前端设计。 GPT 5.6 改变了这一点,如今它在 Frontend Code Arena 中与 Fable 并列第一。 以前,我只用 Claude 来处理前端任务,而根据我的经验,GPT 5.x 更擅长软件工程。现在,日常编程中我已经没有什么事需要再去找 Claude 了。

AA 各档模型的编程得分

来自 Twitter 上的 rasbt

我们需要聊聊推理强度档位,以及规模较小的 Terra 和 Luna 模型。

推理强度共有 6 档可选:light(轻量)、medium(中等)、high(高)、extra high(超高)、max(最大)和 ultra(极致)。 前 5 档通过逐步增加推理投入来获得更好的结果,而 ultra 档则会调用大量子智能体并行工作。

通常,对于 GPT 系列,我会直接建议所有任务都用最强的模型,不用操心那些小模型。 但从基准测试和社区的一些初步测试来看,现在似乎不再如此了。

例如,从上面的 AA Coding Agent 指数来看,GPT 5.6 Terra Ultra 应该比使用 high 推理档位的 Sol 更便宜,效果也更好。 当然,这只是基准测试的结果,不一定能代表实际表现。 社区成员仍在测试,看看哪种模型与推理档位的组合最适合日常使用。 我们会在 AI Tools Club 分享这方面的进展和心得。这是我们每周举办的社区交流活动,聊聊大家在用哪些 AI 工具,以及如何使用(每周二下午 5 点在 Vector Lab YouTube 频道直播)。

目前,Codex 的开发团队建议使用搭配 medium 推理档位的 Sol,所以我暂时会把它作为默认选择。 另外,使用 5.6 Sol 时,Codex 的使用额度会比使用 5.5 时消耗得更快,使用时要留意。

模型每百万输入 token 价格(美元)每百万输出 token 价格(美元)每秒 token 数
GPT 5.6 Sol$5$3045
GPT 5.6 Terra$2.50$1563
GPT 5.6 Luna$1$684
GPT 5.5$5$3051
Claude Fable 5$10$5040
Claude Opus 4.8$5$2560
GLM 5.2$1.40$4.4047
Grok 4.5$2$688
Muse Spark 1.1$1.25$4.25暂无数据
数据来自 OpenRouter,Muse Spark 除外,其数据来自 AA

Grok 4.5 Fast

xAI 发布了加入 SpaceX 后的首款模型,着实让人惊喜。 之前的 Grok 模型都比较平庸,除了 Twitter 上的 @Grok,几乎没什么人用。

他们的新 Grok 4.5 模型似乎真的能与中国的前沿模型(GLM 5.2)和美国的中档模型(Sonnet 5)一较高下。 这可能得益于他们与 Cursor 团队的新合作,因为 SpaceX 上市后不久就收购了 Cursor。

Grok 4.5 编程基准测试

在实际使用中,它似乎相当好用,和 GLM 5.2 差不多。 它最突出的特点是速度。再加上它的推理量较少,用起来感觉比许多前沿模型快得多。

较低的 token 消耗也让它的实际使用成本与 max 推理档位的 GLM 5.2 差不多,尽管它的标价约为后者的 1.5 倍。

总体来说,xAI 这次发布的模型出乎意料地扎实。接下来就看他们能否延续这股势头,跻身美国顶尖 AI 实验室的竞争行列。

快讯

Meta Muse Spark 1.1

Meta 这周也发布了一款模型,但遗憾的是,它没能盖过 GPT 5.6 或 Grok 4.5 的风头。

Muse Spark 1.1 的实用性似乎与 Grok 4.5 和 GLM 5.2 处于同一水平,但在这三者中垫底,在大多数基准测试中落后约 5–10%。 它唯一的优势是,看起来确实比另外两款便宜 25–50%。

它似乎在一些零散的领域表现不错,比如法律和医疗行政工作,但我猜这是对基准测试过拟合的结果。

结语

希望你喜欢本周的资讯。如果你想每周收到最新资讯,记得在下方订阅我们的邮件列表。

今日氛围
早期计算机艺术,来自 Twitter 上的 Joseph Alessio

Stay Updated

Subscribe to get the latest AI news in your inbox every week!

← BACK TO NEWS