AI 知識科普發布 2026 / 09 / 20 · 8 分鐘 · 約 3,496 字

GPT-5 到 GPT-6：架構演進與能力分層解析

GPT-5 於 2025 年 8 月發布，採用統一架構整合標準 GPT 與 o 系列推理，支援自適應思考模式與原生多模態（文字/影像/音訊/影片），提供 Base/Mini/Nano 三種規模。GPT-5.6 於 2026 年 7 月推出 Sol/Terra/Luna 三階層及 ultra multi-agent 模式，在程式碼、電腦操作與網路安全基準上領先。GPT-6 Astra 於 2026 年 9 月達到 Critical 資安門檻，上下文 105 萬 tokens，價格為 Sol 的 2.5 倍。本文整理公開資訊，比較版本差異與競品定位。

PLAY

PLAY AI 編輯部把複雜概念拆成一般人也讀得懂的版本，聚焦名詞解釋、比較、來源與實作脈絡。

本篇內容

GPT-5：統一架構與多模態基礎

GPT-5 於 2025 年 8 月正式發布，採用統一系統架構將標準 GPT 系列能力與 o 系列推理整合至單一平台，可依查詢自動導向適當處理模式。此設計引入自適應思考模式，能依照任務複雜度動態調整推理深度，無需手動切換。模型支援文字、影像、音訊與影片的原生多模態輸入，實現端到端的跨模態理解與生成。^[1]

GPT-5 提供三個版本：旗艦版 GPT-5、均衡效率的 GPT-5 Mini 及超高效率的 GPT-5 Nano，透過架構最佳化使回應時間比 GPT-4 快 25-30%。訓練資料截止至 2025 年 1 月，模型可透過 ChatGPT、Microsoft Copilot 及 OpenAI API 使用。此階段標誌著 OpenAI 將推理能力深度內嵌於基礎模型，而非依賴外掛或切換。^[1]

GPT-5.6：耐用階層與多代理模式

GPT-5.6 於 2026 年 7 月 9 日發布為通用可用模型家族，包含三個耐用階層：Sol（旗艦）、Terra（均衡）與 Luna（最快、最便宜），並引入全新的 'ultra' multi-agent 模式，預設協調 4 個代理平行運行，部署評估中可擴充至 16 個。模型 ID 分別為 gpt-5.6-sol、gpt-5.6-terra 和 gpt-5.6-luna。OpenAI 表示這些階層名稱將持續用於未來編號世代（如 GPT-5.7 仍將以 Sol/Terra/Luna 發布），確保 API 穩定性與遷移簡潔性。^[4]

在基準測試中，GPT-5.6 Sol 在 Artificial Analysis Coding Agent Index v1.1 上達 80 分，為目前最高發布分數；在 SWE-Bench Pro 上得分 64.6%，顯著優於 GPT-5.5 的 59.4%。在終端基準（Terminal-Bench 2.1）於最大推理努力下達 91.9%，而在 OSWorld 2.0 電腦操作任務中達 62.6%，超越 Claude Opus 4.8 同時僅使用其 15% 的輸出 tokens。在網路安全領域，Sol 在 Capture-the-Flag 評分中達 96.7%，SEC-Bench Pro 為 71.2%，皆大幅領先於前代。^[4]

GPT-5.6 Sol 在專業知識與推理任務中表現強勢：在 GPQA Diamond 上得分 94.6%，在 Agents' Last Exam 中達 52.7%，在 ARC-AGI-3 抽象推理基準上達 7.78%，皆顯著優於 GPT-5.5。然而，在長任務知識基準上稍遜一籌：Claude Fable 5 在 GDPval-AA v2 上以 1,759.6 Elo 領先 Sol 的 1,747.8，在 HealthBench Professional 上以 60.9% 領先 Sol 的 60.5%；Claude Mythos 5 則在長圖遍歷（GraphWalks）上於 256K 與 1M tokens 長度下皆領先 Sol。這顯示 Sol 在編碼、代理與安全方面領先，但在極長上下文與特定知識深度上仍有提升空間。^[4]

Luna 階層在長文理解上顯著弱於 Sol 與 Terra：在 MRCR v2 8-needle 256K-512K 測試中僅得 41.3%，遠低於 Terra 的 89.6% 與 Sol 的 91.5%，顯示其為成本敏感型設計，不適合大型文件或長上下文工作負載。此階層分化反映了 OpenAI 在效能與成本之間的明確階梯策略，讓開發者可依任務選擇適當的模型規模。^[4]

安全與風險分類

根據 OpenAI Preparedness Framework，GPT-5.6 全系列（Sol、Terra、Luna）在網路安全與生物/化學風險領域均被評為 High 能力，但均未達到 Critical 門檻。此分類表示模型可能放大既有重大風險，但尚未具備造成前所未有嚴重危害的能力。OpenAI 已對該模型進行 70 萬+ 小時的自動紅隊演練，涵蓋駭客入侵、生物風險與提示注入等場景，以驗證其安全邊界。^[4]

GPT-6 Astra：達到 Critical 資安門檻的端到端工作模型

GPT-6 Astra 於 2026 年 9 月 3 日正式發布，是 OpenAI 首款達到 Critical 資安門檻且廣泛部署的模型。其 API 模型代號為 gpt-6-astra，知識截止日為 2026 年 4 月 30 日。模型支援文字與圖片輸入、文字輸出，但不支援音訊或影片輸入，亦不開放 fine-tuning。上下文視窗為 1,050,000 tokens，單次最多可輸出 128,000 tokens，與 GPT-5.6 Sol 的上限相同。^[5]

在定價上，GPT-6 Astra 的費用顯著升高：輸入 $10/M tokens、快取輸入 $1/M tokens、快取寫入 $12.5/M tokens、輸出 $50/M tokens。當輸入超過 272,000 tokens 時，輸入與快取費率變為 2 倍，輸出費率變為 1.5 倍。Batch 與 Flex 模式為標準費率的 50%，Fast mode 為適用費率的 2 倍。經計算，其輸入與輸出單價皆為 GPT-5.6 Sol 的 2.5 倍（Sol：輸入 $4/M、輸出 $20/M），定位為高難度研究、複雜編碼與跨工具自動化任務。^[5]

GPT-6 Astra 引入三項核心代理能力：async tool calling 讓模型在工具執行期間仍可推理或呼叫其他工具；mid-turn steering 允許使用者在工作途中追加指令，系統保留已完成進度並接續同一流程；透過 configuration_update 動態調整 reasoning effort，支援 low、medium、high、xhigh 與 max 五個等級（不支援 none），且於同一段對話中保留 Prompt cache。模型延續 computer use、網頁搜尋、檔案搜尋、程式執行、MCP 與 Structured Outputs 等功能，強化其作為端到端工作模型的定位。^[5]

版本比較與競品定位

相較於 GPT-4，GPT-5 透過統一架構將推理能力內嵌，回應速度提升 25-30%，訓練資料更新至 2025 年 1 月，並顯著擴充上下文窗口（最高 400k tokens），使其能處理超過 600 頁單次輸入。在編碼（SWE-Bench Verified）與數學推理（AIME 2025）上，GPT-5-thinking 分別達 74.9% 及 94.6%，皆優於 GPT-4。此版本標誌著從模組化切換向原生推理整合的轉變。^[1]

與主要競品相比，Claude 4 強調 200K tokens 上下文與憲法式 AI 安全性，Google Gemini 提供 1M tokens 上下文與 Workspace 整合，但對話能力被評為落後於 GPT-5 與 Claude；LLaMA 為開放原始碼模型，適合自行託管與客製化，但缺乏完善多模態功能。GPT-5 在程式設計、數學與科學任務上展現頂尖效能，並透過進階訓練與對齊技術減少幻覺，同時具備擴充上下文視窗以處理完整文件或程式碼庫。^[1]

GPT 模型版本演進 — 從 GPT-5 到 GPT-6 Astra 的關鍵發布與能力節點

資料來源與延伸閱讀

以下來源用於核對本文的技術背景與關鍵事實；正文中的編號可直接跳到對應來源。產品規格與時效性資訊仍以原始官方頁面最新版本為準。

查看 9 個來源