OpenAI修复GPT-6 Sol与Luna图像编码缺陷：视觉定位成绩从28.8%升至60%

OpenAI确认并修复GPT-6图像理解缺陷

OpenAI Developers于2026年9月27日确认，GPT-6 Sol和GPT-6 Luna此前存在一个图像编码缺陷，会降低模型对图片内容的理解能力。问题现已修复，API和Codex中的视觉任务表现应当改善，其中包括依赖截图识别的计算机操作。

官方API更新日志对问题给出了更准确的定性：这是image encoding，即图像编码环节的Bug。OpenAI没有宣布重新训练模型，也没有发布新的模型版本名称。更合理的理解是，图像输入在进入模型前的处理链路出现了异常，使模型没有获得应有的视觉信息；修复输入处理后，原模型能力恢复。

这次更新对纯文本任务没有直接影响，受影响重点是所有依赖图片输入的工作流。

官方图表显示：Luna视觉定位成绩翻倍

OpenAI随推文发布了一张RefCOCOg视觉定位测试图。GPT-6 Luna在Max推理强度下，修复前后的平均交并比数据如下：

• 修复前：28.8%
• 修复后：60.0%
• 绝对提升：31.2个百分点
• 相对提升：约108%

RefCOCOg用于评估视觉定位能力：系统根据自然语言描述，在图片中找出对应对象或区域。mIoU，即平均交并比，用于衡量模型预测区域与真实区域的重合程度，数值越高，表示定位越准确。

从28.8%提升至60.0%说明，这不是一个几乎无法感知的小修复。此前的编码问题可能显著削弱了模型理解图片中“哪个对象在哪里”的能力。

不过，这张图只展示GPT-6 Luna在一个基准上的结果。OpenAI没有在推文和更新日志中公布Sol的具体修复前后分数，也没有给出所有视觉任务的平均提升幅度。因此，不能把“翻倍”扩展为两个模型在所有图像任务上都翻倍。

哪些使用场景可能受到影响

GPT-6 Sol和Luna于9月22日上线，支持文本和图像输入，并用于API、Codex以及计算机操作。图像编码异常可能影响以下任务：

截图理解

模型读取网页、App或桌面截图时，可能识别错按钮、图标、菜单和文本所在位置。

计算机操作

计算机Agent通常需要反复截图，再决定点击、输入或滚动的位置。视觉定位误差会让后续动作全部偏离，形成“看错一次、整条任务失败”。

前端开发与视觉测试

Codex根据界面截图检查页面布局、对比设计稿或修复样式问题时，可能误判元素位置与状态。

图表和文档分析

表格截图、流程图、仪表盘和扫描文档中的结构识别可能下降，进而影响数字提取和结论。

图片问答与对象定位

让模型回答“左侧第二个按钮是什么”“哪个商品符合描述”等问题时，答案可能不稳定。

受影响程度取决于任务是否依赖图像输入。文本编程、纯文本总结和不读取截图的工具调用，不应因为这次视觉Bug被直接判定为不可靠。

为什么输入编码Bug会造成这么大差距

多模态模型并不是直接读取原始图片文件。图像通常会经过解码、缩放、分块、归一化和视觉Token转换，再交给模型推理。

任何环节出现错误，都可能导致：

• 图片尺寸或比例处理异常
• 局部区域分辨率不足
• 坐标映射发生偏移
• 图像Token缺失或顺序错误
• 高细节模式没有正确生效
• 图片与文字提示没有正确对应

OpenAI目前只说明是图像编码问题，没有公开具体根因、受影响请求比例、开始时间或技术修复细节。上述情况是常见风险，并非官方对本次Bug的具体归因。

这一事件说明，多模态系统的最终表现不仅由模型权重决定，输入预处理、服务配置和执行框架同样关键。模型本身再强，如果“眼睛”接收到的图像有问题，推理能力也无法正常发挥。

为什么计算机操作对视觉缺陷特别敏感

计算机操作通常形成一个循环：

1. 获取当前屏幕截图
2. 识别界面元素和状态
3. 选择下一步动作
4. 点击、输入或滚动
5. 再次截图并检查结果

如果第一步图像编码失真，模型可能点击错误位置；界面随后改变，下一轮判断建立在错误状态上，最终导致任务失败甚至执行高风险操作。

因此，视觉Agent不能只依靠模型一次判断。生产系统应增加：

• 点击前后截图对比
• 关键按钮文字或DOM的二次验证
• 付款、发送、删除等动作的人工确认
• 坐标越界和界面变化检测
• 失败后的回退与重新定位

本次Bug虽然已修复，但这些保护仍然必要，因为网页变化、弹窗遮挡和分辨率差异同样会引发定位错误。

开发者现在应该做什么

OpenAI在更新日志中明确建议：涉及图像输入的用户，应重新运行评估，并重试此前受影响的工作流。

重跑视觉评估集

不要只测试官方RefCOCOg。应使用自己的截图、扫描件、图表和业务图片，比较修复前后的成功率。

复查最近失败任务

重点检查9月22日模型上线后出现的视觉异常，例如按钮定位错误、截图内容漏读、表格识别下降和界面测试失败。此前被归因于提示词或模型能力的问题，可能实际上来自编码Bug。

不要沿用旧评测结论

如果团队在修复前比较GPT-6 Sol、Luna与其他模型的视觉能力，那些结果可能已经失效。模型选型、路由和成本配置应基于修复后的数据重新决定。

保留固定回归样本

建立一套包含小字、密集界面、不同分辨率、遮挡、暗色模式和多对象定位的视觉回归集。供应商后台更新后，自动检查性能是否变化。

记录模型与请求配置

保存模型名、推理强度、图片尺寸、细节设置、请求时间和输出结果。否则发生静默服务端更新时，很难解释质量为何变化。

这次修复暴露了“静默更新”风险

GPT-6 Sol和Luna上线仅数天，OpenAI便修复了会显著影响视觉能力的服务端问题。开发者无需更换模型ID即可获得改善，这对用户很方便，却也带来可复现性问题。

同一个模型名、同一段提示词和同一张图片，在不同日期可能得到明显不同结果。原因未必是随机性，也可能是供应商修复了预处理或推理服务。

对于严肃生产应用，团队不能只在上线前评估一次，而应持续监控：

• 固定样本成功率
• 图像定位准确率
• 计算机操作完成率
• 单任务重试次数
• 人工接管比例
• 不同日期和区域的结果差异

模型即服务意味着能力不仅来自静态权重，还来自不断变化的托管栈。

这是否会影响发布时的官方基准

OpenAI没有说明发布GPT-6 Sol和Luna时展示的视觉或计算机操作基准，是否使用了存在缺陷的编码链路，也没有更新完整基准表。

因此，目前不能确定：

• 发布基准是否低估了模型真实能力
• 缺陷是否只影响部分线上请求
• API、Codex和内部评估是否使用完全相同的编码路径
• Sol与Luna各自受到多大影响

唯一可以确认的是，官方已承认线上图像理解受到损害，并建议开发者重跑评估。后续如OpenAI公布更完整的根因分析和基准更新，才能进一步判断影响范围。

总结

OpenAI已修复GPT-6 Sol和Luna的图像编码Bug。该问题曾降低API和Codex中的图像理解能力，并影响计算机操作。官方图表显示，GPT-6 Luna在RefCOCOg视觉定位测试中的mIoU从28.8%恢复至60.0%。

这不是一次新模型发布，而是托管输入链路修复。它说明多模态模型的性能不仅取决于训练，还取决于图片如何被编码和送入模型。

使用Sol或Luna处理截图、文档、图表、前端视觉测试和计算机操作的开发者，应立即重跑评估，复查近期失败案例，并更新模型选型结论。对于生产级Agent，持续回归测试和关键动作确认比相信一次发布跑分更重要。