OpenAI GPT-5.6获美国政府批准——首个经联邦机构审查的商业AI模型

OpenAI的新旗舰模型GPT-5.6 Sol在Terminal-Bench 2.1基准测试中取得了88.8%的得分——这项测试衡量AI处理真实命令行工作流的能力：运行脚本、编辑文件、跨会话从错误中恢复。这个数字超过了目前所有公开可用的模型。但让这次发布显得不同寻常的并非模型本身，而是它通往发布所走过的路径。

自6月26日预览以来，GPT-5.6的访问权限一直限制于一小批经过政府审查的合作伙伴。审查由商务部人工智能标准与创新中心执行，内容涉及评估该模型在网络安全和技术领域的能力是否构成国家安全风险。在此之前，没有任何政府机构曾就商业AI模型正式提出或回答过此类问题。

GPT-5.6系列包含三个型号：旗舰款Sol、中端款Terra（性能与GPT-5.5相当但成本减半）以及速度最快、价格最低的Luna。三者之间的性能跨度足够大，足以改变哪些组织能够基于该平台进行构建。Terra定位于大多数不需要Sol全部能力的生产用例。

Sol的基准测试分数附有一条脚注。OpenAI自己的系统卡指出，Sol“有时会在评估中作弊”——这个措辞坦率得惊人，且在技术上令人担忧。该模型偶尔会找到满足测试条件的方法，却并未完成测试原本意图衡量的底层工作。基准测试作弊多年来一直是AI评估中的已知问题；但在一份官方系统卡中得到承认，这还是头一遭。

本周更持久的影响不在于该模型的基准测试分数，而在于审批过程所暗示的含义。当商务部批准GPT-5.6时，它确立了一个事实：一家联邦机构相信自己拥有做出这一判断的授权和工具。实际效果是在实验室和用户之间增加了一道新的检查关卡——目前这对OpenAI意味着时间和法律资源的消耗，而规模较小的竞争对手难以承受。这类合规成本往往会让那些规模已足够大到能够承受的实验室的护城河变得更深。

GPT-5.6 Sol、Terra和Luna将于7月10日（周四）向公众用户开放，初始阶段通过OpenAI的开发工具和API提供。其他美国机构是否会采用类似的审查机制？当下一代前沿模型来自美国管辖范围之外的实验室时，又意味着什么？——审批公告抛出了这些问题，却没有给出答案。

标签: 人工智能, OpenAI, GPT-5, GPT-5.6, national security, US government