文章摘要
OpenAI发布GPT-5.6系列模型，包括Sol、Terra和Luna。其中Sol在视觉任务上表现最佳，尤其在物体检测和计数方面显著超越前代GPT-5.5。Terra和Luna虽不及Sol，但相比GPT-5.5也有明显进步。
文章总结
好的，这是根据您的要求，对原文主要内容进行的中文重述，已保留关键细节并删减了与主题无关的内容。
标题：GPT-5.6 Sol 是 OpenAI 发布的最强“视觉”模型
上周，OpenAI 发布了 GPT-5.6 系列模型，包括 Sol、Terra 和 Luna。为了评估其视觉能力，我们通过即将发布的 VLM 基准测试对它们进行了检验，该测试涵盖了目标检测、计数、OCR 和数据提取等常见视觉任务。
核心结论： Sol 是 OpenAI 迄今为止发布的最强视觉模型，其进步在目标检测和计数方面尤为显著。Terra 和 Luna 虽不及 Sol，但相比 GPT-5.5 也有明显提升。
目标检测： 这是 GPT-5.6 进步最明显的领域。GPT-5.5 的 mAP@50 得分为 13.8，而 Sol 达到了 46.2，Terra 和 Luna 也分别达到 44.7 和 43.3，将目标检测从主要短板提升为实用能力。Sol 在文档布局检测和密集场景（如药片、鸡蛋）检测中表现良好。为获得最佳检测结果，应提示模型返回图像像素坐标系下的绝对 XYXY 坐标。但 Sol 在处理约 2000x2000 像素或更大的图像时，稳定性会下降，尤其是在低推理能力设置下。提高推理能力可改善稳定性，但会增加 token 使用量、延迟和成本。最实用的解决方法是先调整或裁剪大图像。
目标计数： 整个 GPT-5.6 系列的计数能力都有所提升。Sol 的准确率达到 73.0%，高于 GPT-5.5 的 64.9%，Terra 和 Luna 分别为 67.6% 和 66.2%。Sol 能处理高度重叠的物体以及需要理解规则（如只计算特定区域内的弹孔）的复杂计数任务。然而，在计数泡罩包装中的药片或空槽时，由于重复布局和反光等因素，表现较为困难。
OCR 与数据提取： OCR 性能与 GPT-5.5 持平，Sol 的平均相似度得分为 90.7%，略低于 GPT-5.5 的 91.2%。但在文本提取方面，Sol 得分为 82.5%，低于 GPT-5.5 的 87.6%。Sol 在处理手写笔记和复杂场景中的文字（如轮胎上的序列号、冰球比赛比分）时表现良好，但在读取泡罩包装上小、垂直、低对比度且反光的有效期时仍会失败。
权衡取舍： 视觉能力的提升伴随着更高的 token 使用量。Sol 平均每张图像处理时间接近 10 秒，成本约 2.5 美分；Terra 约 6 秒，成本约 1 美分；Luna 略超 5 秒，成本低于 0.5 美分。Luna 在延迟和质量之间取得了最佳平衡。相比之下，Gemini 3.5 Flash 每张图像成本仅 0.8 美分，且在检测和计数基准测试中仍处于领先地位，是数据密集型工作负载的强力选择。
总结： 通过 GPT-5.6，OpenAI 已大幅缩小了与领先 VLM 的差距。目标检测从弱点变为可用能力，计数能力也全面提升。然而，Sol 仍存在成本、延迟和某些检测不稳定的问题。对于智能体、屏幕理解、文档处理和视觉推理等应用，此次发布使 OpenAI 成为了一个比以往更具竞争力的选择。
评论总结
根据评论内容，用户对GPT 5.6 Sol的视觉能力存在显著分歧，同时Gemini 3.5 Flash在性价比上表现突出。以下是主要观点总结：
1. 正面评价：视觉能力出色，尤其在复杂任务上 - 评论1（weli）认为Sol在UI设计分析上优于Claude，能有效重组页面结构：“Sol does a great job at re-structuring the page into composable units...” - 评论7（logicallee）称赞Sol在识别微弱反射等极端挑战中的表现：“It did very well on an extremely challenging task...” - 评论9（5555watch）提到在超市场景中，Sol能准确识别并定位商品：“Worked marvelously... including the cases where the object wasn't present.” - 评论20（kherud）指出Sol成功转录乐谱：“5.6 Sol nailed the small test case... Fluently reading music requires multiple years of training.”
2. 负面评价：仍存在明显局限，甚至不如传统方法 - 评论2（sscaryterry）认为Sol与其他模型一样“盲目”：“it has no taste, no attention to any sort of detail.” - 评论3（Razengan）抱怨Sol在图像扩展任务中频繁出错：“it constantly keeps getting something wrong no matter what I tell it.” - 评论16（mv4）指出药丸计数任务可用OpenCV轻松解决：“can be easily solved with OpenCV template matching, a technology created 25 years ago.” - 评论19（WarmWash）批评Sol误诊植物病害：“misidentifying the malaise... which only spread the fungus.”
3. 对比Gemini：Gemini 3.5 Flash在性价比上胜出 - 评论10（adroitboss）惊讶于Gemini 3.5 Flash在多数指标上领先：“I didn't expect Gemini 3.5 Flash to top basically every metric.” - 评论18（HarHarVeryFunny）强调Gemini不仅性能更好，成本仅为1/3：“Gemini 3.5 Flash not only outperformed GPT 5.6 Sol, but did so at 1/3 of the cost.” - 评论12（catigula）简单总结：“Still not quite as good as gemini.”
4. 其他关注点：基准测试方法、模型选择与未来方向 - 评论8（iamniels）质疑药丸计数作为基准的合理性：“That is a task which you would perform with OpenCV right?” - 评论11（iamleppert）希望看到Qwen的基准测试：“Where are the Qwen benchmarks in this?” - 评论24（criddell）询问是否有双目视觉基准：“Are any of these vision benchmarks binocular...?” - 评论25（ParanoidShroom）认为Sol作为通用模型表现令人印象深刻，但推理成本仍需优化：“Inference cost and speed does still seem to be below user expectations.”
总结：GPT 5.6 Sol在复杂视觉任务（如UI分析、微弱反射识别、乐谱转录）上表现出色，但在细节处理、图像扩展和传统任务（如药丸计数）上存在明显不足。Gemini 3.5 Flash在多数基准测试中性能更优且成本更低，成为更实用的选择。用户对基准测试方法（如药丸计数）和模型选择（如Qwen）也有进一步讨论。