GPT-5.6 分层架构实战：CodeRabbit 深度评测 Sol 与 Terra
随着 OpenAI 正式发布 GPT-5.6 模型家族，工程团队面临的不再是单一模型的选型，而是如何根据任务深度与成本约束进行精细化路由。CodeRabbit 团队通过一系列严格的基准测试（Benchmark），深入剖析了该家族中旗舰模型 Sol、经济型模型 Terra 以及极速型 Luna 在实际编码场景中的表现差异。
核心突破：从“单一模型”到“分层路由”
GPT-5.6 的发布标志着 OpenAI 在推理模型上的重大架构演进。官方将 GPT-5.6 定义为包含不同能力层级的家庭，核心变化在于按深度（Depth）进行工作流路由，而非将其视为单一整体。
- Sol (旗舰)：专为长周期、高复杂度的代码任务设计。它具备极强的持续执行能力（Follow-through），能够跨越文件、测试和后续修复进行多日级的 Codex 运行。
- Terra (经济)：提供更具成本效益的轻量级实施路径，适用于范围明确的实现和初步审查。
- Luna (极速)：针对高吞吐量场景，专注于低推理负载任务，如快速摘要、代码解释及轻量级预检查。
此外，OpenAI 引入了更可预测的提示词缓存（Prompt Caching）机制，包含明确的缓存断点（cache breakpoints）和 30 分钟最低缓存寿命，显著降低了长运行 Agent 任务的边际成本。
实战数据：Sol 在长尾任务中的统治力
CodeRabbit 在测试中设定了一个包含超过 100 个任务的长周期编码场景，涉及 TypeScript、Go、Python 等多种语言，要求 Agent 检查代码库、修改代码并通过行为检查。
| 模型 | 任务通过率 | 完成尝试数 | 平均输出 Token/任务 | 关键观察 |
|---|---|---|---|---|
| Sol | 63.7% | 100% | 20,968 | 保持方向感，处理边缘案例，无试错错误 |
| Terra | 40.7% | 100% | 55,594 | 成本减半，但完成率低，Token 消耗巨大 |
关键发现：
- Sol 的“固执”优势：在涉及解析器支持、运行时行为、Unicode 正确性及错误消息的复杂任务中，Sol 展现了更强的逻辑严密性。它不会像 Terra 那样仅通过“快乐路径测试”就停止，而是会主动检查评估器、添加针对性测试并处理零长度赋值等边缘情况。
- Terra 的成本陷阱：虽然 Terra 的输出 Token 价格仅为 Sol 的一半，但在长运行任务中，其极高的 Token 消耗量（55,594 vs 20,968）导致其实际成本优势被抵消，且任务完成率显著下降。
- Luna 的定位：对于仅需快速生成测试名称或构建变更日志等“低推理”工作，Luna 是首选，它能有效减少上层模型的负载。
开发者策略：何时用 Sol，何时用 Terra？
CodeRabbit 的评测结论为工程团队提供了清晰的决策地图：
-
选择 Sol 的场景：
- 需要跨文件、跨测试的长期实施任务。
- 代码审查需要深度逻辑验证，而非表面通读。
- 任务包含复杂的边缘案例或需要多步骤的调试流程。
- 官方评价："Sol 是一个持久的工程师，它不在乎是否有趣，只在乎把清单上的框都打勾。"
-
选择 Terra 的场景：
- 范围明确的初步实现（First-pass implementation）。
- 需要快速进行审查分诊（Review triage）。
- 作为 Sol 的预处理步骤，用于过滤简单问题。
-
保留 Fable 5 的位置：
- 尽管 Sol 在工程落地中表现更强，但在需要架构判断、UI 流程规划或高层决策时，Fable 5 依然具有独特的价值。
结语
GPT-5.6 的发布并非简单的性能堆叠，而是对工程工作流的重新定义。Sol 证明了在需要“完成工作”而非仅仅“听起来聪明”的场景下，持续性和逻辑严密性才是核心指标。对于依赖 AI 进行代码审查和自动化的团队而言，建立基于任务复杂度的分层路由机制，将是提升效能与降低成本的关键。
官方团队观点："你需要的是听起来最聪明的模型，还是能真正完成更多工作的模型？Sol 赢在更实用的轴上：你可以把它交给工作，并期待它会持续推进。"
