Roboflow 評測 GPT-5.6 視覺能力：Sol 物件偵測達 46.2 mAP，大圖低推論模式易生幻覺

據 Roboflow 針對 OpenAI 新發布的 GPT-5.6 陣容（Sol、Terra、Luna）進行的視覺評測報導，Sol 是 OpenAI 迄今最強的視覺模型。在物件偵測上進步最顯著，Sol 在 mAP@50 基準測試中達到 46.2，Terra 與 Luna 分別為 44.7 與 43.3，遠超 GPT-5.5 的 13.8。 GPT-5.6 擅長文件排版偵測與密集場景，但為達最佳偵測效果，需在提示詞中要求回傳絕對 XYXY 像素座標；若使用錯誤的座標格式，mAP 分數會下降約 15 分。此外，測試發現 Sol 在處理 2000x2000 像素以上的大圖時，若處於低推論（reasoning effort）模式，容易生成與實際物件無關的規律邊界框。OpenAI 團隊已證實此問題，建議透過提高推論模式或在發送 API 前裁切、縮放圖片來解決。 在物件計數方面，Sol 準確率達 73.0%（GPT-5.5 為 64.9%），最便宜的 Luna 亦有 66.2%，但模型在處理泡殼包裝（blister packs）等具重複排版與反光的任務時仍有困難。OCR 與資料萃取表現則未見提升，Sol 的 OCR 相似度得分為 90.7%（略低於 GPT-5.5 的 91.2%），文字萃取則以 82.5% 落後於前代的 87.6%。 視覺能力的提升伴隨更高的 Token 消耗與延遲。在基準測試中，Sol 單圖處理平均近 10 秒、成本約 2.5 美分，是僅次於 Claude Fable 5 的高價模型；Terra 處理時間約 6 秒；Luna 則略高於 5 秒，在速度接近 Gemini 3.5 Flash 的同時，提供陣容中最佳的延遲與品質平衡。