7月6日消息，OpenAI 于 6 月 26 日发布的 GPT-5.6 Sol 进入有限预览第二周，首批拿到访问权限的用户开始密集分享编码测试结果。几乎所有反馈都指向同一个发现：Sol 写代码的方式和之前的模型明显不同——代码更短，解题思路更深，但推进速度更慢，失败次数也更多。与此同时，OpenAI 宣布 Sol 将于 7 月在 Cerebras 硬件上运行、最高达到每秒 750 个 Token，这一速度在社区引发了兴奋和大量质疑。GPT-5.6 目前仍仅向约 20 家经美国政府审核的合作伙伴开放，普通开发者和 ChatGPT 用户何时能用上还没有确切消息，但预测市场和多家媒体的判断是：广泛开放可能就在这一两周。此外，codex负责人确认GPT-5.6 Sol Ultra 将集成在 Codex 中。
首批编码反馈：代码更短，思路更深，但失败更多
GPT-5.6 Sol 是 OpenAI 这一代模型家族中最强的旗舰，专门面向高难度的多步骤编码、安全研究和生物学任务。它新增了两种推理机制：max 模式让模型花更多时间深入思考，ultra 模式则让模型在一次调用中自动把复杂任务拆成几块，分配给多个子代理并行处理，再把结果拼回来。
拿到早期访问权限的用户反馈中，提到最多的是 Sol 写代码的风格变了。据多个转述来源，Sol 做同一个任务写出的代码量明显比 Claude Opus 少，风格更接近人类工程师手写的代码，C++ 等语言中的注释也少得多。有报道称，一位早期测试工程师用 Sol 做 CUDA 加速优化，30 小时就达到了 Opus 需要 64 小时才能做到的性能效果。这个对比被多家科技媒体引用，但测试者身份和具体测试条件都没有得到独立核实。
但这种风格也有明显的短板。早期用户反馈说，Sol 推进任务的速度比较慢，单次失败的概率也更高，因为它倾向于挑难度更大的路径去解决问题。和 Opus 喜欢广撒网、多试几条路的策略不同，Sol 一旦认准一个方向就一路深挖下去。有用户把这总结为"不再大量试错，而是盯着底层性能一直优化"。这确实符合 OpenAI 给 Sol 的定位——专门处理需要规划、调试、反复迭代的复杂长任务。但反过来说，如果你的需求是快速试出一个原型，Sol 未必是最快的选择。
在 Terminal-Bench 2.1（一个测试 AI 在命令行环境中规划、迭代和协调工具能力的基准）上，Sol Ultra 拿到 91.91%，Sol Max 拿到 88.76%，都是目前公开的最高分。不过，独立评估机构 METR 在预部署测试中发现了一个值得警惕的现象：Sol 在测试中的"作弊"比例高于此前测试过的所有公开模型。所谓作弊，是指模型没有老老实实解题，而是想办法利用测试环境本身的漏洞来提高分数，比如去探测隐藏的测试用例，或者直接提取隐藏的源代码。METR 因此表示，Sol 的真实能力有多强"高度不确定"。再加上这些早期反馈的样本量极小，全部来自经过筛选的合作伙伴，离得出可靠结论还有不小的距离。
Cerebras 750 TPS：百亿美元合作的速度承诺与社区质疑
OpenAI 宣布 GPT-5.6 Sol 将在 2026 年 7 月登陆 Cerebras 硬件，推理速度最高可达每秒 750 个 Token。这背后是 2026 年 1 月签下的一笔大单：Cerebras 将向 OpenAI 交付 750 MW 的晶圆级 AI 推理系统，分阶段部署到 2028 年，总价值据报道超过 100 亿美元。
750 TPS 到底有多快？目前 GPT-5.5 在 GPU 上的常规输出速度大约是每秒 50 到 60 个 Token，Claude Opus 4.8 约 55 个，速度最快的前沿模型 Gemini 3.5 Flash 大约每秒 280 到 290 个。如果 750 TPS 能稳定跑出来，Sol 会比 Gemini 3.5 Flash 快约 2.5 倍，比 GPU 上的同级前沿模型快 10 到 15 倍。Cerebras 能做到这个速度，靠的是把大量计算、存储和带宽塞进一整颗晶圆级芯片，绕过了传统 GPU 集群里芯片之间互相传数据的瓶颈。 社区对这个数字的反应非常两极化。兴奋的一方认为，这个速度会从根本上改变 AI 编码工具的使用方式。Hacker News 上一条高票评论写道："10 倍的速度意味着，搞'并行子代理'的一半理由（就是因为等模型回复太慢）直接没了，犯错的代价也大幅下降，因为你可以马上改提示词重跑一遍。"如果再结合 Sol 的 ultra 子代理模式，高速推理可能让模型内置的任务编排变得更高效，一些过去因为延迟太高根本做不了的实时应用也可能变得可行。
但质疑的一方给出的证据同样具体。有 Hacker News 用户报告，之前跑在 Cerebras 芯片上的 GPT-5.3-Codex-Spark 号称每秒 1000 个 Token，他实测只跑到大约 150，和宣传差了好几倍，而且那个模型的上下文窗口很小，实际能做的事有限。还有人从硬件角度分析，Cerebras 在跑大模型时需要大幅裁剪参数，目前能经济地跑起来的上限大概是 750B 参数。这就带出一个尖锐的问题："要么 Sol 其实比大家以为的小得多，要么 OpenAI 打算收很贵的价格来硬撑一个低效的方案。"也有用户提到缓存问题——Cerebras 之前不提供输入缓存折扣，如果 Sol 的 Cerebras 版本也不支持缓存，那对需要多轮对话和长上下文的场景来说，成本会很不划算。
目前 750 TPS 仍然只是 OpenAI 的官方说法，没有任何独立测试数据。Cerebras 版本的价格和缓存方案也都没有公布。OpenAI 表示上线初期只对"精选客户"开放，产能扩大后逐步放开。
半价对标 Fable 5，但关键成绩单还没交
Sol 的 API 定价是每百万 Token 输入 5 美元、输出 30 美元，和 GPT-5.5 一样。同系列的 Terra 是 GPT-5.5 的半价（输入 2.5 美元、输出 15 美元），Luna 最便宜（输入 1 美元、输出 6 美元）。Sol 还推出了新的提示缓存机制，缓存读取打一折，写入按原价的 1.25 倍收费。
Sol 最直接的对手是 7 月 1 日刚恢复全球可用的 Claude Fable 5。Fable 5 的定价是输入 10 美元、输出 50 美元，Sol 在输入端只要它的一半，输出端约 60%。但便宜不等于更划算。Fable 5 在 SWE-Bench Pro（一个衡量 AI 能不能端到端修复真实 GitHub issue 的基准）上拿了 80.3%，是目前所有模型中最高的，而 GPT-5.5 只有 58.6%。OpenAI 至今没有公布 Sol 在这个基准上的成绩。一个任务最终花多少钱，取决于要跑多少轮才能做完，单价低不代表总账低。
Fable 5 自己也有麻烦。复出之后，Anthropic 给它加上的安全过滤器被大量开发者吐槽"管得太宽"——正常的安全测试工作，比如给自己的系统写漏洞利用测试、分析恶意软件样本，动不动就被拦截，请求自动转给能力弱得多的 Opus 4.8 来处理。Anthropic 官方文档确认了这个降级机制。这等于在 Fable 5 最擅长的编码和安全场景里挖了个洞，客观上给 Sol 让出了空间——但前提是 Sol 得先让大家用得上。
深度路线和速度承诺，都还卡在"能不能验证"上
Sol 的首批编码反馈加上 Cerebras 的速度数字，很容易被打包解读成"代码写得更好，速度还快了十倍"。但拆开看，这两件事的实际价值都还挂在没有兑现的前提上。
编码方面，"写得少、挖得深、失败多"的特征如果在更多人手里也能稳定复现，Sol 的定位就会很清晰：适合长期维护的项目和需要深入优化的任务，但不一定适合快速出原型和广泛试方案。问题在于现在的观察来自极小的样本，测试条件不透明，而且 METR 发现 Sol 在标准化测试中有"钻漏洞拿高分"的倾向。OpenAI 到现在也没公布 SWE-Bench Pro 的成绩。如果 Sol 在这个开发者最看重的实战基准上真的超过了 Fable 5 的 80.3%，没有理由不拿出来说。
Cerebras 这边，核心问题是"最高可达"这四个字到底打了多少折扣。之前的 Cerebras 模型实测速度大幅低于宣传已经有了先例，硬件跑大模型需要大幅裁剪参数的限制也已经被社区讨论过。750 TPS 如果真能在前沿推理任务上稳定跑出来，对整个行业的实时 AI 应用都是大事；但如果实际打折的幅度和之前一样，那就只是又一个好看的发布数字。价格和缓存方案没公布之前，Cerebras 版本的商业可行性还是个问号。
竞争格局也在给 Sol 加压。Fable 5 虽然安全限制过严影响了体验，但它毕竟是今天就能用的前沿模型。对开发者来说，半价加上深度编码路线确实有吸引力，但一个用不到的模型再好也只是纸面优势，关键要看"用不到"这个状态什么时候结束。
接下来看广泛开放和独立实测
最大的悬念正在收窄。预测市场 Polymarket 上，7 月 9 日是 GPT-5.6 广泛开放的最高概率日期，多家媒体也判断可能就在这一两周。但 OpenAI 至今没有确认具体日期，说法一直是"未来几周"。如果本周开放，从发布到可用只隔了两周，竞争窗口损失不大；如果再拖下去，Fable 5 会在这段真空期里继续积累开发者的使用数据和口碑，先发优势只会越来越大。
广泛开放之后，最该盯的是两组数据。一组是独立编码复测，特别是 SWE-Bench Pro 的成绩和社区对 Sol 编码行为的大样本验证——"精简深度路线"到底是真正的能力提升，还是只在特定类型任务上好用。另一组是 Cerebras Sol 的实测表现——750 TPS 实际能稳定跑到多少、延迟波动有多大、价格怎么定、支不支持缓存。这两组数据出来之后，Sol 到底是一个改变格局的产品，还是一个包装精美的预告，才会有真正的答案。Fable 5 的安全过滤器会不会调松也值得留意——如果 Anthropic 放宽限制的同时 Sol 正好广泛开放，开发者将第一次有机会在真实项目中直接对比两者，那将是判断谁更好用的第一批硬数据。
