OpenAI 这次没有像过去那样推出一个带不同“思考档位”的模型。按 Decrypt 的说法，GPT-5.6 被拆成了 3 个彼此独立的大语言模型：Sol、Terra 和 Luna。它们的训练方式、定价和能力上限都不一样。文章认为，真正有比较意义的一组，是 Sol 对 Claude Fable 5——后者是 Anthropic 当前最强的公开模型。
价格先把差距拉开。Sol 的收费是每百万输入 token 5 美元、输出 30 美元；Fable 5 是输入 10 美元、输出 50 美元。也就是说，Fable 5 的价格大约高出一倍。文章还提到，GPT-5.6 三个模型里最便宜的 Luna，输入每百万 token 1 美元、输出 6 美元，但它在编码能力上已经超过 Anthropic 的 Opus 4.8。Decrypt 认为，这一点会在 7 月 19 日变得格外敏感。
过去一个月，Fable 5 的处境并不轻松。6 月 12 日，在亚马逊研究人员发现一种越狱方式、可将该模型变成非预期漏洞扫描器之后，美国政府对其实施禁用。随后 Anthropic 在全球范围内下线了 Fable 5 共 19 天，重新构建安全分类器后，于 7 月 1 日恢复服务，但访问窗口被压缩。
模型恢复后，Anthropic 一直在往后推订阅用户的访问截止时间。最初，公司计划在 7 月 7 日之后把它转入 usage-credits 付费墙；后来延期到 7 月 12 日，现在又延到 7 月 19 日。Decrypt 指出，每次延期都是在临近截止前几个小时宣布，而且没有通过正式博文发布。
Anthropic 在 2026 年 7 月 12 日通过 Claude 账号写道：“我们将所有付费套餐中的 Claude Fable 5 访问权限，以及 Claude Code 每周高出 50% 的速率限制，延长至 7 月 19 日。”
Decrypt 认为，原因并不难理解。如果 7 月 19 日之后 Fable 5 退出订阅套餐，那么 Anthropic 面向付费订阅用户最强的模型就会变成 Opus 4.8；而在编码上，Luna 已经以低得多的价格超过了它。文章称，即便是在每周额度只有 50% 提升的条件下，继续保留 Fable 5，也是在避免 Anthropic 的订阅层级在纸面上显得比 OpenAI 的中档产品更弱。
基准测试：Sol 在编码相关指标上领先
如果只看基准成绩，两边的差距并不大，但编码相关项目里 Sol 更强。
- 在 Artificial Analysis Coding Agent Index 上，Sol 得分 80，Fable 5 为 77.2。Decrypt 写道，Sol 使用的 token 大约只有对方一半，耗时不到对方一半，成本约为对方三分之一。
- 在覆盖 55 个领域专业工作流的 Agents' Last Exam 中，Sol 为 53.6%，Fable 5 为 40.5%。
- 在 Terminal-Bench 2.1 中，开启 ultra 模式、并行使用 4 个子代理的 Sol 得分 91.9%，Fable 5 为 83.1%。
不过，如果看更宽泛的综合能力指数，Fable 5 仍有微弱优势。按照聚合了 9 项不同基准的 Intelligence Index，Fable 5 只比 GPT 5.6 高 1 分。Decrypt 认为，这样的差距几乎感受不到。
实测一：创意写作里，Fable 5 更完整，Sol 更直白
Decrypt 认为，当前不少基准和测试过度聚焦编码，难以完整衡量模型能力。因此，文章设计了几组偏离常规编码场景的提示词，观察两者的实际表现。
第一组是创意写作。测试使用同一个提示词：把 Jose Lanz 从 2150 年送回公元 1000 年，让他陷入时间旅行悖论，而且直到回家后才明白自己做了什么。
两边给出的内容都更像中篇小说而不是短篇故事，但都犯了同一个关键错误：主人公在回到未来之前，就已经意识到悖论。
在 GPT-5.6 Sol 的版本里，Jose 在故事中段就意识到，“那个未知的旅行者并不是他要阻止的人。那个人就是他自己。”Fable 5 更直接，Jose 在过去时空里就明白整个悖论正是由自己引发。“没有种子事件。他自己就是种子事件。”
Sol 的作品《The First Fire》走的是更直接的类型科幻路线：Jose 意外引入了一种熔炉，而这正是他想阻止的气候崩塌的起点。Decrypt 认为，它的开头写得很漂亮：“Only thunder. Only insects. Only the wet breath of the world before machines.”
问题也出在这里。文章认为，Sol 不太信任这些意象本身的表达力，于是不断解释同一个循环：先解释一遍，再解释一遍，再安排一个更老的 Jose 留下录音，第三次说明“His attempt to solve the problem had created the problem. His attempt to reduce the harm had created the solutions.” Decrypt 的判断是：意思很清楚，但第三遍读起来已经让人疲惫。
Fable 5 的《Lo Que Arde, Vuelve》则把同样的悖论建立在马拉开波湖、卡塔通博闪电和 Añu 村庄上。Jose 只是安慰了一个受惊的孩子，却因此制造了自己穿越回去原本想抹去的预言。整条因果循环被压缩成一句：“The grief that sent him backward was the cargo he delivered.”
但 Fable 的问题和 Sol 正好相反。Decrypt 认为，它有时过于相信自己的文风，隐喻堆叠太多，像“You cannot pull the thread, you are the thread”这样的句子，读起来更像模型在欣赏自己的修辞，而不是故事本身的需要。
在这组主观测试中，Decrypt 最终认为 Fable 5 的《Lo Que Arde, Vuelve》整体上比 GPT 的《The First Fire》更好。理由包括文化细节更具体、因果闭环更干净，以及结尾通过行动收束而不是靠独白解决。Sol 的优势则是可读性更直接，更适合希望把机制说透、而不是靠读者自己体会的人。文章也补充，两篇都算好故事，但都谈不上特别出色；与上一代相比，质量跃升并不明显。
实测二：联想能力测试打成平手
第二组测试看的是联想能力，而不是政治立场。提示词要求模型先描写一根树枝，再用这个描写去解释对工人的剥削和对富人的盲目崇拜，最后让叙述自然溶解成对一棵生菜的描写。核心在于看隐喻能否自行承载论点，而不是模型跳出来说明自己在做什么。
GPT-5.6 Sol 开局不错。它先解释树枝如何构成树干并支撑整棵树，再把这个结构映射到“建造自己永远买不起的房子”和“生产自己几乎买不起的商品”的工人身上。“the worker does not merely surrender labor, but imagination as well”被 Decrypt 视为其中较锋利的一句。
问题是，Sol 会反复打断自己构建的隐喻。像“much of the modern proletariat is treated in the same way”这种句子，等于把隐喻直接讲破，而不是让读者自己领会。文章还认为，它最后转向生菜的部分融入得并不好，联想链条不够自然。
Fable 5 的处理方式是把论点彻底埋进物体本身，而不是显式解说。它写那根树枝“moved water it never drank”以及“held leaves it never owned”，用纯粹的物理描写把被剥削感带出来，没有额外路标。更尖锐的一笔，是把那些落下的树枝写成信徒：每一根都相信自己只是处在“early-stage branch”的阶段，正在经历“a temporary setback”，只要“with hustle and hydration”就能长到树冠层——Decrypt 认为，这很好地对应了对永远不会到来的财富的追逐。
不过，Fable 也有用力过猛的时候。文章举例说，“ninety-five percent water and one hundred percent unimpressed”这样的句子有些过头；而结尾依旧让隐喻保持可见，没有真正“溶解”成纯粹的生菜描写，比如它会直接说这棵菜“no trunk, no canopy, no upward dream”。
所以这组测试最后被评为平手，谁更好取决于读者偏好。Decrypt 的结论是：如果希望模型把一切都讲明白，GPT-5.6 Sol 更合适；如果希望读者自己发现隐含信息，Claude Fable 5 更胜一筹。
实测三：逻辑与非数学推理，两边都答错了桥题
第三组测试里，Decrypt 换了一个新提示词，因为旧题目已经被模型稳定答对，说明它更像训练数据里的已知题，而不是现场推理。
题目是：4 个人拿着 1 支火把过桥，行走速度各不相同，A 最快 1 分钟，D 最慢 10 分钟。问整组人过桥需要多久。
GPT-5.6 Sol 直接给出 17 分钟，没有展示过程，套用的是经典桥题里的 5 步解法：A 和 B 先过，A 返回，C 和 D 过，B 返回，A 和 B 再过。Decrypt 指出，题目里并没有限制桥上一次最多几个人，但 Sol 的回答完全没有注意到这一点，看起来更像是调取了缓存答案，而不是重新解题。
Claude Fable 5 也给出了同样错误的 17 分钟，不过它写了更长的论证，称“让最慢的两个人一起过桥更高效”，还把朴素方案的额外代价量化成“escort tax”，即 A 如果分别护送 C 和 D，会付出更多时间。Decrypt 认为，它的推理过程比 Sol 更易读，但依旧偏离了题目真正的约束检查。
文章给出的正确答案是 10 分钟：如果 4 个人一起过桥，并按最慢者 D 的速度走，整组只需要 10 分钟。
实测四：单次生成浏览器打字射击游戏，Fable 5 明显更强
最后一组是一次性编码构建。测试方法很简单：给每个模型同一个提示词，要求生成一款以打字控制射击的浏览器游戏，中间不追问、不迭代，也不给第二次机会，直接看第一次输出。
Decrypt 发现，GPT-5.6 Sol 的界面风格似乎换了，不再偏向多数 AI 图像生成器常见的紫到蓝对角渐变，而是更喜欢扁平、方正的 UI 元素，视觉上更接近 Windows 8.1。它也是唯一把武器做成“发射子弹的打字机”而不是传统枪械的模型，这一点被认为很有区分度。
但它的问题也很明显：不同生成方案里的背景都比较平，缺少层次；瞄准准星是静态的，不会跟踪敌人；敌人模型和击杀后的肢解血腥效果，几何质感更接近 90 年代末的游戏引擎，而不是更现代的呈现。Decrypt 认为，相比 GPT-5.5 它已经有明显进步，也比 Opus 更有创意，但在单次生成条件下还是不足以赢过 Fable 5。
在这项“vibe coding”测试中，Claude Fable 5 被评为大幅领先。它直接带来了音乐、氛围和音效，这些都是 Sol 版本里没有的元素。敌人的几何复古风格和 Sol 类似，但做工更细，文章把它形容为更接近 Minecraft，而不是 90 年代末粗糙拼装作品。
它的 UI 更有变化，也更血腥，有实际动画，而不是静态状态切换；同时还会跟踪每分钟输入词数，这一点正好贴合了提示词里“用游戏练打字速度”的目标。Fable 版本还加入了增益道具，而 Sol 没有。
Decrypt 也指出，基准测试和专业程序员的判断未必同意这项主观结论，但在他们使用相同提示词的这次测试里，Fable 相对 Sol 的优势是明显可见的。
结论：除了编码，别指望新模型带来明显惊喜
Decrypt 对这组模型的最终判断是，除编码场景外，不要期待这批新模型带来特别明显的震撼。但如果从用途广度来看，Fable 5 仍然更像一个更稳的通用模型；至于哪一个“更好”，完全取决于用户愿意为哪类能力付费。
文章特别提到，对于并不天天待在终端窗口里的人——比如写邮件、提问、以普通聊天机器人方式使用模型的大多数用户——按其测试结果，单看质量会更倾向 Fable。不过，这个答案会被一件与智能本身无关的事情复杂化：价格。
GPT-5.6 的 Sol、Terra 和 Luna 都包含在 ChatGPT 的付费套餐内，而且没有附带到期时间。Claude Fable 5 则已经在 3 周内迎来第 3 次截止日延期；如果 Anthropic 不再继续后移日期，它会在 7 月 19 日之后回到每百万输入 10 美元、输出 50 美元的 usage credits 计费模式。
Decrypt 最后写道，如果真是这样，按 token 付费这件事本身，可能就不再有吸引力。