80.0 分，以及刻意被标粗的"减半"

人工智能分析机构的代码智能体综合评测里，GPT-5.6 Sol 拿到 80.0 分，高出 Claude Fable 5 整整 2.8 分。

基准跑分被竞品反超，在 2026 年的 AI 圈已经不算新闻。但这次让 Anthropic 真正承压的，不是这 2.8 分，而是分数后面那组被 OpenAI 重点标粗的数据：

输出 token 量不足对方一半、耗时缩短一半，综合成本仅为对方三分之二。

OpenAI 不是靠堆硬件硬挤出的优势，是用更少的 token，干完了同等质量的活。

2.8 分背后，token 效率提了 54%

先把"减半"拆开读。

同一套编程任务，Sol 输出 token 总量只有 Fable 5 的一半。意味着企业每调一次 API，付的钱更少，拿到结果更快。Artificial Analysis 的测算是：Sol 完成任务整体耗时降 57%。

Token 使用效率提升 54%——这不是小幅迭代，是成本结构的跨代重构。

两边定价摆出来：

标价只是表层，单任务综合开销才是要害。按 Artificial Analysis 标准测试负载算，Sol 单次任务成本约 1.04∗∗，Fable5要∗∗2.75。Sol 用更少 token、更短耗时，跑出更低落地成本。

Fable 5 的尴尬：攻坚强，商用账算不过

Fable 5 也不是全无还手之力。

SWE Bench Pro 考的是在真实开源项目里定位、修漏洞，Fable 5 通过率 80%，Sol 只有 64.6%——分差 15.4 个百分点。Reddit 有开发者提，OpenAI 发布会的宣传图刻意隐了这项。综合通用智能指数上 Fable 5 约 60 分，微弱领先 Sol 的 59；网页爬虫代码专项里 Fable 5 也更好看。

处理极致高难度攻坚，Fable 5 仍强。但绝大多数日常开发场景，根本用不着这种极限能力。

代码智能体指数衡的是"按需求正常写业务代码"；SWE Bench Pro 衡的是"复杂大工程里排深层 bug、读海量上下文改码"。前者对应日常，后者对应疑难。

Sol 赢在日常开发的评测，Fable 5 赢在极限工程测试。可绝大多数开发者每天面对的是普通业务开发，不是罕见疑难 bug 攻坚。

"减半"背后，行业尺子换了

拉长看，GPT-5.6 这波放出的底层信号，很多人没读完：

OpenAI 正在重写行业竞争的评判公式。

过去比"模型智商"，跑分高就有话语权；现在比投入产出比——算力使用效率本身，成了新的核心性能指标。

代码智能体评测 Sol 80 分、Fable 5 的 77.2 分，只差 2.8，但 token 减半、耗时减半、总成本三分之二。Terra 综合性能小幅超 Fable 5，Luna 性能优于 Opus 4.8；两款中轻量型号都只要约三分之一耗时、一半输出 token、四分之一成本。

不只是性能更强，是性能与性价比双优——这种成本结构和同期竞品不在一个量级。

OpenAI 自己披露的那句更狠：多项测试中，Terra、Luna 仅用竞品约十六分之一的成本，就能出持平甚至更好的结果。十六分之一这个数，放任何行业都够颠覆。

Anthropic 的压力从来不只在跑分

Anthropic 真正的危机，不是 Sol 高 2.8 分——Fable 5 在 SWE Bench Pro 还攥着 15.4 个百分点的稳固优势。

真正的难题是：当竞品只用你一半 token、三分之一耗时、三分之二成本就能干完同样的活，你现在的定价体系还能撑多久？

Fable 5 是 10/50；OpenAI 三档一铺——Sol 5/30，Terra 2.5/15，Luna 低到 1/6，从旗舰到入门全价位段封死。Anthropic 主力高端线还只有 Fable 5 一款。

这早已不是"谁性能强"的单维赛场，而是性能 × 成本的综合竞争。OpenAI 靠"减半"这组数，给 Anthropic 递了一道很难解的题。

80.0 分是冷数字，"减半"才是改格局的那一下。

对国内团队而言，Sol/Terra/Luna 三档的账本比单看 80.0 更值得算——日常业务走 Terra 就能接住大部分场景，攻坚再切 Sol，高频轻量甩给 Luna，模型层选型加调用量分布直接决定项目毛利。​ 若想把 GPT-5.6 与 Gemini、Claude、DeepSeek 等最新模型一并稳稳接入产品与 Agent 工作流，API 聚合层是更轻的起手式。UseAIAPI 聚合了上述全球主流大模型的最新版本，支持企业级定制接入；高频调用场景下综合成本可压至官方定价的五成左右，对 Agent 开发、团队协作与高强度内容生成相对友好。