ALE评测拿到53.6分刷新SOTA：GPT-5.6 Sol在长周期智能体任务上超越Fable 5
2026年7月9日，OpenAI正式对外发布GPT-5.6完整产品家族，分为Sol、Terra、Luna三个版本，定位分别为复杂专业工作旗舰、智能与成本平衡、成本敏感型高容量负载。
旗舰版Sol的宣传语只有一句话，但分量十足：在Agents' Last Exam（ALE）拿到53.6分，领先Claude Fable 5（自适应推理）13.1分。 即便是在中等推理强度下，Sol也以大约四分之一的预估成本领先Fable 5达11.4分。
Fable 5在SWE-Bench Pro上得分80.3%，纯软件工程任务上保持着极强竞争力。但ALE并不是SWE-Bench。它考察的不是会不会写代码。
ALE是什么？为什么它比SWE-Bench更难
Agents' Last Exam由加州大学伯克利RDI机构牵头，300余名行业专家、100余家机构联合打造，覆盖55个行业领域，包含1490个任务实例、960个不同的工作流程。
ALE的设计目标十分明确：衡量AI在具备经济价值的真实长周期工作流中的表现。它不考选择题选A还是B，而是测试AI能否像人一样在计算机上完成完整工作：任务规划、工具调用、持续执行、全程无错，全程无需人工介入、人工纠错。任务源自制造业、法律、医疗、视觉媒体等领域，全部来自从业者真实日常工作，而非研究人员闭门造车的合成场景。
SWE-Bench考的是"修Bug"；ALE考的是"完整干活"。 前者如同客观题，后者如同开卷大作文。正如研究报告所指出的，ALE旨在同时打通真实性、广度和可验证性三道关卡。
该基准下Fable 5得分40.5，Sol拿到53.6。13.1分的差距，不是同代模型小幅迭代，而是代际级跨越。
💡 需要客观看待的是：OpenAI官方公告中强调53.6分是在启用max推理强度等特定配置下取得的。在Artificial Analysis Intelligence Index广泛智能指数上，开启max推理强度的Sol与Fable 5的差距不到1分，但任务完成时间缩短了61%，预估成本仅为后者的一半左右。这说明Sol的领先在特定长周期专业工作流评估中最为显著。
Sol凭什么取胜
Sol的优势来自三层能力叠加。
第一层：分级推理能力。
GPT-5.6引入全新推理强度档位体系：none、low、medium、high、xhigh、max；Sol支持最高两档max与ultra。Max档位给模型分配更多算力做深度思考；Ultra默认启动子智能体并行协作，复杂任务最多可扩展至16个。ALE全部是长周期、多步骤智能体任务：单模型硬扛，和4个智能体分工并行，输出效果天差地别。
第二层：每一枚Token产出价值更高。
OpenAI在官方公告直言："我们训练GPT-5.6，让每一个Token产出更具实际价值。"这不是营销话术。在Artificial Analysis编码智能体指数上，Sol(max)以80分刷新SOTA，高出Fable 5 2.8分；同时输出Token数量减半、耗时减半，预估成本下降约三分之一。
同样任务，用更少Token做得更好。
第三层：计算机实操能力。
GPT-5.6补齐过往短板：界面审美与视觉理解。模型可以自行"看见"渲染结果，检查视觉、功能缺陷，再自行修复。它能看懂自己生成的UI实际长什么样，而不仅仅是输出代码。
13.1分意味着什么
ALE上53.6对40.5，13.1分的分差，需要两组参照数字来理解。
第一组：Fable 5在SWE-Bench Pro领先Sol。纯软件工程领域Fable 5确实更强。但ALE覆盖55个领域，不止编码，还包括法律文书、医疗诊断、视觉媒体制作；在这些非编程长周期任务上，Sol反超Fable 5约13分。
第二组：即便使用中等推理强度档位，Sol依旧领先Fable 5约11.4分，预估成本仅约对方四分之一。说明Sol的领先不是靠"堆算力烧钱"，即使用更经济的配置，依旧可以取胜。
OpenAI官方数据显示，这种效率优势同样体现在小型模型上：GPT-5.6 Terra和Luna的表现超越了Fable 5，而成本仅为后者的约十六分之一。
这不叫"略胜一筹"，而是不在同一个竞争维度。
选型启示：按任务形状匹配模型
Sol在ALE上的53.6分，揭示了一个清晰的产业信号：不同模型在不同任务形状上各有胜负。
长周期、跨领域、真实专业工作流 → Sol优势显著（ALE 53.6 vs 40.5）
仓库级代码修复、生产级PR生成 → Fable 5依旧保持竞争力（SWE-Bench Pro 80.3%）
日常生产工作负载 → Terra以2/12美元的官方价兼顾质量与成本
高频轻量、成本敏感型批量任务 → Luna以0.20/1.20美元的官方价提供极具竞争力的单位成本
横向对比理解这个价格的分量：
模型 | 输入（美元/百万Token） | 输出（美元/百万Token） | 核心定位 |
|---|---|---|---|
Claude Fable 5 | 10.00 | 50.00 | 秘典层级，编程极强 |
GPT-5.6 Sol | 5.00 | 30.00 | 复杂推理与编程旗舰 |
GPT-5.6 Terra | 2.50 | 15.00 | 平衡智能与成本 |
GPT-5.6 Luna | 0.20 | 1.20 | 成本敏感、高容量 |
注：数据来源：OpenAI官方定价页
Sol价格约为Fable 5的1/2，Terra为Fable 5的1/4，Luna仅为Fable 5的1/50。
结语：13.1分不只是一个数字，而是一条分界线
53.6分对比40.5分，13.1分的鸿沟。
在ALE基准上，Sol证明自己不只是会写代码，它可以在55个领域像人类一样完成真实业务工作。Fable 5依旧是"最强编码模型"的有力竞争者，而Sol正在成为"能完成更多种类工作的模型"。
OpenAI官方公告中有一段话，可以作为本次发布最精准注解：
GPT-5.6 Sol重新定义智能与效率的行业标杆，在编程、知识工作、网络安全与科学领域交出行业领先成绩；以更少Token、更低预估成本，超越前代以及市面上其他前沿模型。
13.1分不只是一个数字，而是一条分界线。 线的一边是"写代码的AI"；另一边是"真正干活的AI"。
对于研发团队而言，可参考"分层选型框架"：用Luna承接高频轻量任务，用Terra处理日常生产工作负载，当遇到复杂长周期专业工作流时，再切换至Sol级别模型；当遇到仓库级代码修复等Fable 5极具优势的攻坚任务时，亦可灵活调用Claude Fable 5。让每一类任务都跑在性价比最优的模型上，正是"模型能力分化"新时代的核心竞争力。
企业如何更从容地驾驭"分层调度"的新时代
编程与推理人工智能的新时代，不仅由某一个模型单方面宣告，更由整个生态的协同演进共同定义。当GPT-5.6 Sol以53.6分刷新ALE基准，当Luna以0.20/1.20美元的官方定价重新划定成本基线，当"分层调度"从技术术语变为FinOps决策变量——时代的转向已然到来。
对于国内企业而言，如何便捷、稳定、经济地接入GPT-5.6 Sol、Terra、Luna，并与Claude Fable 5、Gemini、DeepSeek等全球主流大模型灵活组合，成为把握这一轮技术红利的关键。
UseAIAPI 一站式聚合GPT-5.6（含Sol、Terra、Luna）、Claude、Gemini、DeepSeek等全球最新主流大模型，并提供企业级定制化部署服务，海外账号注册、信用卡绑卡、汇损折算、合规账务这些琐事可以一并省掉。平台支持企业按业务场景灵活选用模型，优惠折扣最低可达官方价格的50%。
这意味着在长周期智能体、代码生成、批量内容产出、多智能体并行等高频企业场景中，通过UseAIAPI接入：
GPT-5.6 Sol的5/30美元官方价，通过UseAIAPI渠道折扣进一步下探，让"用旗舰模型跑ALE级别的复杂长周期专业工作流"的成本门槛大幅降低，把53.6分的能力以更可承受的价格赋能企业核心业务
GPT-5.6 Terra的2.50/15美元官方价，通过渠道折扣进一步下探，让"平衡智能与成本的日常生产工作负载"以最优性价比支撑企业主流业务
GPT-5.6 Luna的0.20/1.20美元新低价红利可第一时间享用，结合渠道优惠，让"成本敏感、高容量"的轻量任务单位成本压到极低
Claude Fable 5级别模型：当遇到仓库级代码修复、生产级PR生成等Fable 5极具优势的攻坚任务时，可通过UseAIAPI接入，以渠道优惠享受10/50美元官方价下探后的成本优势
智能路由与成本优化：企业可根据业务场景，在同一个工作流中灵活调度不同模型——用Luna承接高频轻量任务，用Terra处理日常生产工作负载，用Sol攻坚复杂长周期专业工作流，让每一类任务都跑在性价比最优的模型上
多模型统一入口：无需为每个大模型分别注册海外账号、配置支付方式，一套API Key打通全球主流模型，兼容OpenAI协议，一行代码即可切换模型，国内直连低延迟
企业级定制能力：支持按需定制并发、配额、路由策略，满足高强度内容生成、自动化智能体、大规模文档处理等重消耗场景
合规的基础设施：提供企业级SLA保障，规避个人开发者难以解决的地区可用性门槛与数据中心IP风控风险
💡 对于研发与运营团队而言，可参考"四层调度框架"：用GPT-5.6 Luna承接约80%的常规任务（客服问答、摘要、常规代码改动、内容分类、自动化工作流），以最低成本覆盖最大调用量；用Terra处理需要更稳定质量的日常专业工作；当遇到复杂长周期专业工作流、跨领域知识工作等攻坚任务时，切换至GPT-5.6 Sol级别模型；当遇到仓库级代码修复等Fable 5极具优势的任务时，亦可灵活调用Claude Fable 5。在UseAIAPI渠道5折优惠的基础上，这套"Luna预处理+Terra日常+Sol/Fable 5攻坚"的分层选型策略，综合性价比优势将进一步放大——既享受到Sol在ALE上53.6分的代差优势，又通过合理的任务路由与渠道优惠，让每一类任务都跑在性价比最优的模型上。
人工智能正在变得像自来水一样唾手可得——而让这股水源稳定、经济地流入企业生产线，让每一家企业都能在"模型能力分化、价格断崖式下探"的新时代里找到最优的成本与性能平衡点，正是新一代接入服务的核心价值所在。