OpenAI 发了最强安全模型，最先被拦住的却是普通人

OpenAI 在 X 上发了一个gpt5.6的帖子。

第一条是常规发布：GPT-5.6 系列开始 limited preview，分三档——Sol 是旗舰，Terra 做日常平衡，Luna 主打便宜和高吞吐。第二条说 Sol 在 Terminal-Bench 2.1 上刷新成绩，这个基准测的是复杂命令行工作流，需要规划、迭代和工具协调。第三条最敏感：OpenAI 说，GPT-5.6 Sol 是它们目前最强的网络安全模型，能把长程安全任务里的漏洞研究和漏洞利用，推到新的性能效率边界。

“漏洞利用”这几个字，足够让安全圈警觉。

Sol 的两个成绩，要分开看

先看 Terminal-Bench 2.1。OpenAI 图里，GPT-5.6 Sol Ultra 拿到 91.9%，GPT-5.6 Sol 是 88.8%。Claude Mythos 5 是 88.0%，GPT-5.6 Terra 和 Claude Fable 5 都是 84.3%，GPT-5.5 是 83.4%，Luna 是 82.5%，Claude Opus 4.8 是 78.9%，Gemini 3.1 Pro Preview 是 70.7%。

这张图只说明 Terminal-Bench 2.1 这一项：Sol Ultra 排第一，Sol 与 Mythos 5 接近，差距为 0.8 个百分点。单项基准不能代表综合排名，但足以说明 OpenAI 这代模型在命令行代理任务上进入第一梯队。

再看 ExploitBench。用户提供的图里，GPT-5.6 Sol 爬到 73% 到 74% 一带，明显高过 Terra、Luna、GPT-5.5 和 GPT-5.4。但 Mythos 5 的参考线大约在 78%。

所以这两个结论不能混在一起：Terminal-Bench 上 Sol Ultra 是第一；ExploitBench 上 Mythos 仍像天花板，Sol 还差一截，但已经摸到了那层上沿。

这比单纯“模型变聪明了”更值得关注。Sol 的强项落在漏洞研究、命令行代理、长程工具协作这些真实工作流里。

OpenAI 的说法很克制

OpenAI 的口径是：Sol 和 Terra 能发现漏洞，也能拼出漏洞利用的片段；但在针对加固目标的测试中，还不能可靠地完成端到端自主攻击。简单说，它能帮安全人员找洞、修洞、写出局部利用思路；独立打穿一个加固目标，还不是它现在的官方边界。

这个区别很重要。

如果只看 “exploitation”，很容易写成“AI 已经能自动入侵”。这不准确。OpenAI 目前给出的边界是：能力显著上升，但没有跨过它们自己框架里的 cyber critical threshold。

现实世界也不会只按论文表格运转。防御方能用它提速，攻击方也会尝试把同样的能力拼进工作流。安全模型越强，访问控制和使用审计就越关键。

真正引爆的是访问权

这次 GPT-5.6 没有直接放开。

OpenAI 说，作为和美国政府持续沟通的一部分，它们在发布前向政府预览了计划和模型能力；应政府要求，先从一小群可信合作方开始有限预览，并把这些合作方参与情况同步给政府。媒体报道里还提到，首批大约是 20 家政府批准的合作方。这个数字不是 X 帖原文，只能按媒体口径看。

OpenAI 自己也表达过一个态度：这种政府介入的访问流程，不应该成为长期默认。因为这会把最好的工具挡在用户、开发者、企业、网络防御者和全球伙伴之外。

这句话比“模型很强”更值得写。

AI 公司这几年持续抢算力。GPU、服务器、数据中心和电力成本，最终都会传导到硬件、云服务和开发成本里。

可当更好的模型终于出现，访问权却先被政府批准名单锁住。成本与收益开始错位。

如果成本扩散到整个市场，能力却被少数机构优先拿走，这就是最容易点燃的矛盾。普通人未必需要 Sol 做安全研究，却已经承受了 AI 基建时代的硬件和服务成本。

对开发者来说，这不是远方新闻

很多人看见“网络安全模型”会觉得和自己没关系。其实关系很近。

Terminal-Bench 2.1 的重点是命令行工作流。也就是模型能不能规划步骤、调用工具、看报错、改命令、继续迭代。这正是 Codex、自动化运维、代码审计、CI 修复这类工具的核心能力。

Sol 如果在这些任务上明显更强，普通开发者未来最先感受到的，可能是工程问题被模型自动跑通的概率变高了。它会不会挖漏洞只是其中一面；它能不能独立处理复杂终端任务，才会更频繁地落到日常工作里。

价格图也说明了 OpenAI 的分层思路：Sol 是旗舰，输入 5 美元、缓存输入 0.5 美元、输出 30 美元；Terra 砍半，输入 2.5 美元、缓存输入 0.25 美元、输出 15 美元；Luna 再降，输入 1 美元、缓存输入 0.1 美元、输出 6 美元。图里没标明计价单位，不能擅自补成每百万 tokens，但价格梯度很清楚：越强，越贵；越便宜，越偏高吞吐。

但这里也有风险。越能自主操作终端的模型，越需要严格边界。执行权限、文件写入、网络访问、密钥隔离、审批流程，都不能再靠一句“相信模型”。模型越像同事，越要给它工位、权限和审计，不该把整台机器随手交出去。

这点在安全模型上更明显。一个能读代码、跑工具、推漏洞链的系统，如果没有边界，同一套能力既能帮防御，也能放大风险。

这次发布暴露的是分配问题

GPT-5.6 Sol 的技术点很清楚：更强的长程任务，更强的命令行代理，更强的网络安全能力。Terminal-Bench 图给了 OpenAI 一个第一名，ExploitBench 图也给了另一个提醒：Mythos 仍在更高处，Sol 已经逼近那条线。

能力之外，还有分配。

AI 公司把全社会的算力、硬件、能源和价格体系都卷进来，然后最强能力先进入政府批准的小圈子。OpenAI 一边接受这个流程，一边又公开说不希望它成为常态。这种拉扯，才是 GPT-5.6 Sol 这轮发布最值得盯的地方。

技术会继续往前推。Mythos 今天还是天花板，明天可能就被追平。下一次天花板被打穿时，访问权如何分配，会比跑分本身更敏感。