編按：本文綜合整理自 Roboflow 部落格 的實測報告、OpenAI 官方 GPT-5.6 Sol 預告、Roboflow Playground 排名頁、DataCamp 評測 與 Hacker News 討論串，並加入 Siami 編輯部觀點與分析。
事件總覽：OpenAI 把「視覺」補回來了
OpenAI 於 7 月 9 日正式推出 GPT-5.6 系列三款模型：Sol（旗艦）、Terra（日常平衡款）、Luna（高速低價款）。在發表會上官方主軸放在「電腦使用」（computer use）與 UI agent 的 3D 視覺化展示，但這些功能背後都依賴更強的視覺理解能力。
為了驗證真正的視覺表現，電腦視覺公司 Roboflow 把他們即將公開的 VLM 基準拿來跑 GPT-5.6 三兄弟，涵蓋物件偵測、物件計數、OCR 與資料萃取四大常見任務，並與 GPT-5.5、Claude Fable 5、Gemini 3.5 Flash 等競爭模型同台比較。
GPT-5.6 系列定價與定位
| 模型 | 定位 | 輸入價（每百萬 token） | 輸出價（每百萬 token） |
|---|---|---|---|
| Sol | 旗艦，最大推理能力 | $5 | $30 |
| Terra | 日常平衡款 | $2.50 | $15 |
| Luna | 高速低價，量大自動化 | $1 | $6 |
官方數據：Terra 性能與 GPT-5.5 相當但價格只要一半；Luna 提供「最低價位的強能力」。GPT-5.6 也改進了 prompt cache，新增明確的 cache breakpoint 與 30 分鐘最短快取生命週期；cache 寫入按 1.25 倍計價，讀取繼續享 9 折。
對一般開發者：日常開發先用 Terra，需要衝刺時上 Sol，需要高吞吐量自動化用 Luna。
實測一：物件偵測（從 13.8 拉到 46.2 mAP）
這次 GPT-5.6 進步最明顯的項目。
- GPT-5.5 在 Roboflow 基準只有 13.8 mAP@50
- GPT-5.6 Sol 直接拉到 46.2 mAP@50
- Terra 與 Luna 緊追在後：44.7 與 43.3
等於把物件偵測從「過去 GPT 系列的主要弱點」推進到「可用等級」。文件版面偵測是 Sol 的強項之一，標題、段落、表格、圖片、簽名都能正確標註，這對文件數位化、發票辨識、合約解析等工作流是直接受惠。
兩大使用眉角
- 座標格式很重要：叫 Sol 回傳絕對像素的 XYXY 格式分數最高。Gemini 3.5 Flash 用 0–1000 標準化的 YXYX 比較強。用錯座標格式讓 Sol 掉了約 15 mAP。
- 大圖要先縮：Sol 在約 2000×2000 像素以上的圖上會變得不穩定（尤其低推理 effort 時），回傳的框會出現在不合理的隨機位置。提高 reasoning effort 可改善但會吃 token 與時間。官方建議：送進 API 前先 resize 或 crop。
這條對實務很重要：VLM 不是「丟一張大圖就搞定」，它對輸入尺寸與 prompt 細節非常敏感。
實測二：物件計數（從 64.9% 拉到 73.0%）
物件計數是另一個明顯進步的領域：
| 模型 | 計數正確率 |
|---|---|
| GPT-5.5 | 64.9% |
| GPT-5.6 Sol | 73.0% |
| GPT-5.6 Terra | 67.6% |
| GPT-5.6 Luna | 66.2% |
Luna 是系列中最便宜的，但計數表現仍勝過 GPT-5.5。Roboflow 測了一些刁鑽案例：
- 重疊金屬支架：能正確數出來，傳統偵測器與 VLM 都很難
- 彈孔計數（限定區域）：能理解「只算某個區域內的彈孔」這條規則
不過 泡殼包裝（blister pack） 對 Sol 來說仍很硬：反光、填裝/空格的細微差異會讓模型同時在「算空格」「算藥錠」兩個 prompt 都翻車。
實測三：OCR 與資料萃取（小幅退步）
OCR 方面 Sol 拿到 90.7% 平均相似度，僅落後 GPT-5.5 的 91.2% 不到 1 分；Terra 88.8%、Luna 88.4%。但在目標式資料萃取上 Sol 從 87.6% 退到 82.5%，Luna 與 Terra 為 81.4% 與 79.4%。
兩個亮點
- 手寫筆記轉錄：Sol 在手寫場景表現穩健，能完整抄寫一份筆記，也能照指令抽出特定日期。
- 曲面上的文字：能讀出磨損輪胎側面印的輪胎規格字樣。
- 即時比分：從冰球轉播畫面抽出當下比分並按指定格式回傳。
一個明顯失誤
Sol 沒辦法讀出泡殼包裝上印的有效日期——字太小、直書、低對比、又疊反光。這是「看起來簡單但其實很難」的典型案例。
成本與速度的取捨
Sol 強歸強，但每一張圖要花將近 10 秒、平均 2.5 美分。量大的時候帳單會很痛。
| 模型 | 平均延遲 | 平均每張成本 |
|---|---|---|
| Sol | 約 10 秒 | $0.025 |
| Terra | 約 6 秒 | 約 $0.01 |
| Luna | 約 5 秒 | <$0.005 |
| Gemini 3.5 Flash（對照組） | — | $0.008 |
Luna 在延遲與品質間的平衡最好，接近 Gemini 3.5 Flash 的速度，但偵測與計數仍勝過 GPT-5.5。
Gemini 3.5 Flash 在 Roboflow 基準上每張只要 0.8 美分，卻仍在偵測與計數領先——這讓它在資料密集型工作仍是首選。
為什麼這件事重要
GPT-5.6 Sol 是 OpenAI 第一次把「視覺」拉到接近專門 VLM 的水準。
過去 GPT 系列一直被詬病「會寫會聊但看圖很弱」——文件 OCR 漏字、表格讀錯、UI 截圖辨識差。這對企業實際部署是硬傷，因為大多數真實工作流不是純文字聊天，而是截圖 + 文件 + 多模態混合輸入。
Sol 的進步意義有三層：
- UI agent 真的能跑了：OpenAI 在發表會展示的「操作電腦軟體」需要模型能看懂螢幕畫面、按鈕位置、表格內容。沒有強視覺，computer use 就只是 demo。
- 文件自動化門檻降低：企業內部大量「掃描合約 / 發票 / 表單」的工作流，現在可以用一個 API 取代串接多個專門模型。
- VLM 市場進入軍備競賽：Gemini 3.5 Flash 仍在偵測/計數領先但成本只有三分之一，Claude Fable 5 在 OCR 第一但極貴。OpenAI 用 Sol 把戰線拉到自己主場（推理 + 視覺整合），逼 Google 與 Anthropic 必須同時回應。
但社群反應也指出 Sol 的「完成度」仍有落差——它在模糊判斷、需要取捨的場景會掉鏈，工程師實際跑 agent loop 會遇到「做 20 分鐘說完成但漏了三件事」的挫折。這對企業部署是真正的試金石。
數據解讀與質疑
質疑 1：「Sol 是 OpenAI 史上最強視覺模型」這話只對了一半
原文是 Roboflow 自家基準下的結論，但同一份基準上 Gemini 3.5 Flash 在偵測與計數仍贏，OCR 冠軍是 Claude Fable 5。也就是說「OpenAI 史上最強」不等於「市場最強」。原文標題與結論其實刻意迴避了這個對比，這也是 HN 上 HarHarVeryFunny 412 推留言批評「Gemini 3.5 Flash 在所有視覺基準上都打敗 Sol，且只要 1/3 成本」的原因。
質疑 2：每張圖 2.5 美分真的能用嗎？
對企業級影像批次處理（幾萬到幾十萬張）來說，Sol 的單價會把 budget 直接打穿。Luna < 0.5 美分看起來便宜，但對應到的是模型能力大幅縮水。真正的成本甜蜜點是 Gemini 3.5 Flash（0.8 美分/張）——這也是為什麼 Roboflow 在結論裡建議「高吞吐量場景繼續選 Gemini」。
質疑 3：座標格式掉 15 mAP 暴露 VLM 的脆弱性
同一個模型換個 prompt 寫法就掉 15 分，這對任何想把 VLM 放進正式管線的團隊都是警告：VLM 不是丟圖就會自己 work。座標格式、推理 effort、圖片大小、prompt 結構都會大幅影響輸出。這也是為什麼「基準數字」與「實際部署表現」往往差異極大。
質疑 4：2D 物件偵測的「座標回歸」真的適合 VLM 做嗎？
這次評測凸顯一個根本問題：VLM 用文字生成座標，物件一多就容易漏、重複、座標亂掉。專門偵測器（YOLO、DETR 等）天生就是回傳座標。在大量小物件、密集場景下，VLM 是否真的比專門模型划算，仍是個值得懷疑的命題。
Siami 編輯部觀點
OpenAI 把視覺補回來是大事，但市場的下一波競爭不是「誰基準第一」，而是「誰能在成本甜蜜點上把品質撐住」。
三件事值得繼續追蹤：
- GPT-5.6 Sol Ultrafast（Cerebras 加速版）：8/13 預告，輸出速度 750 tokens/秒。視覺任務吃 token 極快，如果 Ultrafast 版能壓低延遲到 1-2 秒，computer use 與 UI agent 才會真正進入生產。
- Gemini 3.6 Flash / Flash-Lite 的回應：Google 19 天前已經在 Roboflow Playground 上刷榜把 Fable 5 擠到第 20 名，下一波 Flash 會更便宜或更快，戰況只會更激烈。
- OpenAI Astra（8/9 公布的下一代模型）：Astra 是 OpenAI 第一次「自 2024 年以來重刷 base model」的版本。Sol 是過渡，Astra 才是真正決戰 Frontier 的武器。
對開發者：先用 Terra 跑 production，高價值任務上 Sol，大規模影像掃描仍留給 Gemini 3.5 Flash。
網友熱門留言 (5)