GPT-5.6、ChatGPT Work 与 Codex 更新食用指南

京东云开发者

墨衍会员 · AI 创作全网分发码龄8年

关注

原创 2026-07-13 17:05:12 860 阅读 AI 写同款· GEO 优化 ›

GPT5.6的发布，OpenAI 同时更新了模型、长任务功能和代码执行环境，使得用户可以提交目标、材料和验收标准，并获得可审阅的结果。

Chat 适合回答问题和处理短任务；Work 可以找资料、调用工具、制作文档；Codex 可以修改仓库、运行测试、审查 diff。

零、先说结论

官方名称需要分开写。GPT-5.6 是模型家族；ChatGPT Work 和 Codex 是使用这些模型的产品功能。“ChatGPT 5.6”只是日常简称。
GPT-5.6 提供 Sol、Terra、Luna 三种模型。 它们分别面向复杂高价值、日常均衡、清晰高频任务；先按任务选模型，再按需要提高推理强度。
Chat、Work、Codex 的分工清楚了。 Chat 负责快速回答，Work 负责可审阅的交付物，Codex 负责可验证的代码与工程任务。
Codex 已并入 ChatGPT 桌面端。 项目、设置和工作流会保留，同时增加应用内编辑、PR 评审和多仓库项目。
vibe coding 更容易上手，验收却省不掉。 GPT-5.6 更善于理解意图和做前端，需求边界、权限、测试与人工审阅仍要明确。
API 团队可以使用一组新的 Agent 运行能力。 Programmatic Tool Calling、多智能体 beta、显式缓存、跨轮次推理和 Pro mode，分别处理长任务中的数据加工、并行、成本与连续性问题。

一、这次到底发布了什么

OpenAI 在 2026 年 7 月 9 日发布的内容分为模型、产品和工程工具三部分：

层次	更新	直接变化	对工作方式的影响
模型	GPT-5.6	Sol / Terra / Luna 三档模型，支持更高推理、工具调用与长任务	同一套能力可以按质量、速度和成本路由
产品	ChatGPT Work	可围绕目标持续数小时，调用文件、插件和工具，产出文档、表格、演示和 Sites	ChatGPT 支持长任务，并输出可审阅的交付物
工程	Codex 进入 ChatGPT 桌面端	编辑、代码、PR、终端、Computer Use、多仓库项目进入同一应用	产品工作与代码工作进入同一个应用与本地操作环境

官方在 7 月 6—10 日更新摘要里，把三件事列在同一个发布周期中；Codex Changelog 的 7 月 9 日条目标题是 “Codex joins the ChatGPT desktop app”。在桌面端，用户可以在同一任务中管理工具、文件和审阅。

时间线上还有一个细节：GPT-5.6 在 6 月 26 日先向少量受信任伙伴开放预览，7 月 9 日正式发布。预览阶段与美国政府的网络安全评测协调有关；相关行政令规定的是最长 30 天的自愿协作框架，并非发布许可或强制审批。理解产品时，区分“有限预览”和“正式可用”即可，监管背景不能拿来证明模型能力。

名词纠正：下文统一使用 GPT-5.6 指模型家族，使用 ChatGPT Work 指长任务功能，使用 Codex 指代码与工程功能。

二、GPT-5.6：先选模型，再设置推理强度

2.1 Sol、Terra、Luna 怎么分

模型	官方定位	推荐任务	不建议默认使用的场景
`gpt-5.6-sol`	旗舰能力，复杂编码、Computer Use、研究和安全工作最强	跨仓库重构、复杂产品研究、高价值方案、难排障、成品级前端	规则明确的批处理、简单改写和高频抽取
`gpt-5.6-terra`	能力与成本均衡，官方称可用更低成本获得与 GPT-5.5 有竞争力的表现	日常编码、PR 评审、需求整理、数据分析、常规 Agent	极难问题或大量完全固定的流水线任务
`gpt-5.6-luna`	家族中最快、成本最低，面向清晰高频任务	分类、抽取、格式转换、结构化摘要、批量轻任务	高歧义决策、复杂架构判断、重要安全审计

如果你不想研究参数，直接从 Power 开始即可：官方默认配置是 gpt-5.6-sol + medium reasoning。日常大量任务可优先试 Terra，固定规则的批处理再试 Luna。

API 里，gpt-5.6 别名会路由到 gpt-5.6-sol。三档模型当前都提供 1,050,000 tokens 上下文、922,000 tokens 最大输入和 128,000 tokens 最大输出，接受文本与图像输入、输出文本，并支持 web search、file search、Computer Use、MCP、Tool Search、Skills、Apply Patch 等工具。

2.2 API 价格与产品可用范围

下面是 OpenAI 公布的 API 标准价格。ChatGPT 订阅费用另行计算：

模型	输入 / 1M tokens	输出 / 1M tokens	适合怎么用
`gpt-5.6-sol`	$5.00	$30.00	少量、高价值、复杂度高的任务
`gpt-5.6-terra`	$2.50	$15.00	日常主力与成本敏感的交互任务
`gpt-5.6-luna`	$1.00	$6.00	规则清晰、量大、可评测的任务

输入输出规模相同时，Luna 的名义 token 价格约为 Sol 的五分之一。实际选型还要看每个合格交付物的总成本：失败重试、工具调用、reasoning、缓存和人工返工都算在内。

产品侧的首发可用范围也不同：

Chat：Plus、Pro、Business、Enterprise 可使用 GPT-5.6 Sol 的 medium 及以上设置；Pro 和 Enterprise 还可选择 Sol Pro。
Work 与 Codex：Free 和 Go 使用 Terra；Plus、Pro、Business、Enterprise 可选择 Sol、Terra、Luna。
高阶设置：在 Work 与 Codex 中，有 GPT-5.6 访问权的用户可启用 Max；Ultra 在 Work 面向 Pro、Enterprise，在 Codex 面向 Plus 及以上计划。

这些权限仍可能受地区、管理员设置和渐进发布节奏影响。做团队推广前，先用真实工作区确认，不要只看宣传页。

2.3 Light、Medium、Max、Ultra 四种推理设置

Light / Low：任务清楚、追求快，例如改一段文案、修一个小函数。
Medium：默认均衡档，适合大多数需要计划与检查的任务。
High / Extra High：多步骤、跨来源、存在权衡的复杂任务。
Max：增加单个模型的推理投入，适合质量优先且能接受等待的难题。
Ultra：启动多个 subagents 并行分工；官方默认配置会协调四个 agent，适合能拆成独立工作流的大任务。

选择时先看任务结构：难且不可拆，用 Max；大且能拆，用 Ultra；其余先用 Medium。 官方提醒，大多数任务并不需要 Max 或 Ultra，Ultra 的高并发还可能快速增加用量。

2.4 产品和 vibe coding 相关变化

前端完成度更高。 OpenAI 将布局、视觉层级、设计判断和可用性单独列为 GPT-5.6 的提升方向。生成的页面更接近可用产品，但设计系统、品牌规范和真实用户测试仍由团队负责。

模糊需求更容易被理解。 不必再把每个中间步骤都写成操作手册，但权限边界、禁止动作和验收标准仍应明确。这些内容一旦含糊，最后的误操作和返工仍由团队承担。

旧 prompt 可以适当缩短。 OpenAI 的内部评测显示，把冗长 system prompt 缩短后，分数提高约 10%—15%，总 token 降低 41%—66%，成本降低 33%—67%。这组数据不一定能在每个业务里复现，可靠的做法是先删重复规则，再用真实 eval 检查是否需要补回约束。

GPT-5.6 本身已经偏向压缩输出。只写“尽量简短”，可能把必需交付物也一起删掉。可以改成：

结论先行。保留完成任务所需的事实、证据、风险和下一步；
优先删除套话、重复和与决策无关的背景。

2.5 Benchmark：终端和浏览表现突出，代码修复仍有差距

正式发布页给出了较完整的评测矩阵。下面只取四项和产研工作关系较大的数据，用来判断它擅长什么、又在哪里落后：

评测	GPT-5.6 Sol	Sol Ultra	说明
Terminal-Bench 2.1	88.8%	91.9%	终端规划、迭代和工具协同；并行 agent 进一步提升结果
OSWorld 2.0	62.6%	—	桌面环境中的计算机操作能力
BrowseComp	90.4%	92.2%	自主浏览、查找和整合信息
SWE-Bench Pro	64.6%	—	真实代码库修复；低于 Fable 5 的 80.0% 和 Mythos 5 的 80.3%

四项评测的结果差异明显：GPT-5.6 在终端、浏览器和计算机操作上表现突出，Ultra 能改善可并行任务的结果；在 SWE-Bench Pro 这类深层代码修复评测上，它落后于表中两个对比模型。选型时应先判断自己的任务更接近哪类评测。

评测说明：以上数字来自 OpenAI 2026 年 7 月 9 日正式发布页。不同评测使用不同 harness、reasoning 和 agent 配置，只能用于理解能力边界，不能替代团队自己的回归集。

三、ChatGPT Work：适合有明确交付物的长任务

官方对 Chat 和 Work 的区分很实用：

需要答案、解释、脑暴或短草稿，用 Chat。
需要一份可以审阅和使用的 brief、PPT、表格、分析、网站或重复工作，用 Work。
需要修改仓库、运行命令、验证代码、处理 PR，用 Codex。

Work 可以读取你提供的文件，通过插件连接 Slack、Google Drive、SharePoint、邮箱、日历、CRM 或项目系统，调用获批工具，并在执行中展示进度。你可以补充信息、改变方向，也可以要求它在发送、发布或其他关键动作前停下来等审批。

3.1 Work prompt 示例：先写清交付要求

一个可委托任务至少要有五个元素：

目标结果 + 可信来源 + 关键边界 + 验收标准 + 人工审批点

例如：

阅读附件中的用户访谈、问卷结果和历史 PRD，产出一份 8 页产品评审稿，
面向产品与研发负责人。聚焦三个最常见的问题，用原始材料支持每个结论，
把事实、推断和建议分开。信息不足时明确标记，不要补造数字。
先给我目录和证据缺口，确认后再生成最终 PPT；不要对外发送。

这条 prompt 写清了两件容易被遗漏的事：什么叫完成，以及什么时候必须停下来等人确认。

3.2 用 Scheduled tasks 持续执行 Work 任务

Scheduled tasks 可以按一次、周期、事件或监控条件运行。典型用法包括：

每周汇总竞品、用户反馈和项目风险，更新同一份例会材料；
监控 GitHub CI 或线上指标，有变化时回到原任务继续排查；
定期刷新研究、表格或站点内容；
让一个已经稳定的 Skill 在固定时间运行。

建议先手动完成一次，再设置定时执行。Skill 记录操作方法，Scheduled task 规定执行时间。无人值守任务应使用尽可能窄的文件、网络和应用权限。

四、Codex 进入 ChatGPT 桌面端：项目、编辑和 PR 放到了一起

7 月 9 日之后，Codex 成为 ChatGPT 桌面端的一部分，覆盖 macOS 和 Windows。原 Codex 用户按原方式升级即可，项目、设置和工作流会保留；还可以把 Codex 设为默认视图，macOS 用户也可继续使用 Codex 图标。

研发侧较实用的变化有四个：

直接编辑 Markdown 与代码。 可以在应用里选择内容、写 inline annotation，再让 Codex 只改选中部分。
PR 审阅进入侧边栏。 diff、reviewer feedback 和修改动作出现在同一上下文，减少 GitHub 与本地工具之间的切换。
一个项目可以跨多个仓库。 对前后端、SDK + 服务端、应用 + 基础设施这类联动改动更实用。
GPT-5.6 驱动更快的 Computer Use。 Codex 可以在同一任务中处理代码、浏览器预览和桌面应用操作，但敏感动作仍受审批和权限约束。

CLI 用户建议升级到 7 月 9 日的 0.144.1：

npm install -g @openai/codex@0.144.1

0.144.0 还增加了一个值得企业团队关注的 writes 应用审批模式：声明为只读的动作可以直接运行，写操作仍然需要确认。它比“全部允许”或“每次都问”更符合真实 Agent 工作流。

当前限制：ChatGPT 桌面端、Codex CLI 和 IDE extension 可以选择 GPT-5.6；Codex cloud 任务目前由平台指定默认模型，用户不能手动更改。介绍团队使用范围时，应把本地模型选择和 cloud 任务分开说明。

五、Vibe Coding：生成更快，验收不能省

GPT-5.6 提升了前端设计和意图理解能力；Codex 提供浏览器、Computer Use、diff 和测试环境。没有专业开发经验的用户，也更容易完成一个可运行的产品。

但一个稳定的 vibe coding 循环仍然是：

目标 -> 约束 -> 构建 -> 预览 -> 验证 -> 复盘

需要避免的流程：

提出模糊需求 -> 跳过检查 -> 直接部署

5.1 一条可直接复制的 vibe coding prompt

请在当前项目中完成一个可运行的活动报名页。

目标：用户能理解活动价值、查看时间地点、填写报名信息，并看到成功状态。
范围：只修改当前前端项目；不要接真实支付，不要部署，不要改现有登录逻辑。
视觉：延续项目已有字体、颜色和组件；重点做好移动端层级、间距和表单反馈。
验证：启动本地项目，用浏览器检查 390px 与 1440px 两个视口；
      走通正常提交、空字段、错误手机号和重复提交；修复发现的问题。
交付：列出修改文件、关键设计判断、验证结果和仍需人工确认的内容。

这里刻意省略了“先写 HTML 再写 CSS”一类操作步骤，让模型自己规划过程；目标、范围和验证则不能省，它们决定页面最后能不能用。

5.2 Sites：版本审阅、分享和部署

Sites 是 ChatGPT 中的网站、Web App 和游戏托管功能，目前处于 public beta。可以用一条 prompt 新建，也可以导入兼容的本地项目。发布分成两个动作：先保存版本供审阅，再部署。

保存版本 -> 人工审阅 -> 部署版本 -> 获得生产 URL

每一次 Deploy 都是生产部署。如果只是想让团队看效果，应明确要求“保存一个版本，不要部署”。需要持久化数据时，可以要求 D1 关系数据库；需要图片、文档、音视频等上传时，可以要求 R2 对象存储。访问范围可按账号与工作区设置为仅自己或受邀者、整个工作区、任何持有链接的人；工作区管理员仍可限制公共分享。

一条更安全的 Sites prompt 可以这样写：

请用 Sites 为当前项目准备一个可部署版本。
先检查项目兼容性、数据存储和环境变量需求，列出需要修改的文件。
用户提交的数据需要持久保存，请使用 D1；上传文件请使用 R2。
先保存版本并给我预览、代码 diff 和访问范围建议，不要部署。
只有我确认版本、权限和数据处理方式后，才创建生产部署。

不要把密钥写进 prompt、附件或 .openai/hosting.json；应通过 Sites 设置维护托管环境变量。这样既能快速做出页面，也能在部署前检查版本、权限和数据处理方式。

5.3 产品经理怎么用

把需求讨论交给 Chat，把调研、PRD、竞品表和汇报稿交给 Work，把原型或已有项目的真实修改交给 Codex。不要让一个入口同时承担所有职责。

5.4 研发怎么用

任务说明里应写清：允许改什么、不能碰什么、必须运行哪些测试、失败时何时停止、最终需要哪些证据。跨仓库任务先让 Codex 列出受影响的仓库和文件，再授权实现。

5.5 设计师怎么用

给它真实设计稿、截图或设计系统，让它在浏览器里做前后对照；再按布局、层级、字体、颜色、状态和响应式逐项检查。生成后仍要人工检查品牌一致性、可访问性与极端状态。

六、API 团队：升级重点在 Agent 运行方式

只替换模型 ID 可以获得基础能力提升。Programmatic Tool Calling、多智能体和缓存配置还需要单独接入。

6.1 Programmatic Tool Calling：让模型写一小段程序调工具

GPT-5.6 可以在隔离的 V8 环境里生成 JavaScript，调用已授权工具、并行请求、做循环和条件判断，再把大批中间结果压缩成小型结构化结果。

这个 V8 环境没有 Node.js、包安装、直接网络、通用文件系统、子进程和跨执行持久状态；外部系统访问必须经过请求中明确授权的工具。PTC 适合可预测的数据处理，不适合作为通用后端。

它适合：过滤、去重、聚合、校验、排序，以及数据流明确的依赖调用。

它不适合：每一步都需要新语义判断、需要保留原始引用、涉及审批或写操作的流程。此时应继续使用直接 tool calling，把授权边界留给人和应用。

PTC 可以用于 Zero Data Retention 工作流，但前提是组织或项目本身已经启用 ZDR；单独设置 store: false 只表示无状态续传，不等于自动获得 ZDR。

6.2 Multi-agent beta：并行有用，但先问能不能拆

Responses API 的 Multi-agent 仍是 beta。适合把大任务拆成互不依赖的研究、代码扫描、方案比较或测试工作流，再由主模型合并结果。若多个子任务会频繁修改同一文件、共享隐藏状态或相互等待，并行只会制造冲突。

6.3 Persisted reasoning：保留跨轮次推理上下文

reasoning.context 可以选择只保留当前轮次，或在支持的模型上让早期 reasoning items 跨轮次继续参与后续推理。这对稳定目标下的长任务有帮助；当目标或假设改变时，应切回 current_turn，避免旧推理拖累新方向。

6.4 显式 Prompt Caching：核算缓存读写成本

GPT-5.6 允许精确标记可复用前缀，也保留自动缓存。默认最低缓存生命周期为 30 分钟；缓存写入按未缓存输入价格的 1.25 倍计费，命中读取享受 90% 的 cached-input 折扣。大于 272K 输入 tokens 的请求，整个请求的输入按 2 倍、输出按 1.5 倍计价。无选择地粘贴全部资料会增加成本。

可以按这个顺序配置：把稳定的系统指令、工具和示例放在前缀，把用户变量放在后面；给同一类前缀设置稳定的 prompt_cache_key；同时观测 cache_write_tokens 和 cached_tokens。否则缓存写入越多，账单不一定越低。

6.5 Pro mode：为少量困难任务增加计算投入

API 中不需要寻找 gpt-5.6-pro。在所选 GPT-5.6 模型上配置 reasoning.mode: "pro" 即可让系统为困难任务投入更多模型工作，返回一个最终答案。它会增加延迟与用量，适合高价值代码审查、复杂优化和深度分析，不适合高频常规请求。

七、已知限制与容易误读的地方

桌面端可用不等于每项能力都对所有账号开放。 新 ChatGPT 桌面端全球覆盖所有计划，包括 Free；但 Work、Computer Use、插件、企业策略和区域能力仍可能受计划、管理员设置与灰度节奏影响。
Codex cloud 暂不支持手动选择默认模型。 本地、桌面端、CLI 和 IDE extension 的模型设置不会同步到 cloud 任务。
Ultra 与 Multi-agent 会增加成本和协调问题。 只在独立子任务足够清楚时使用。
1.05M 上下文仍然需要检索和权限控制。 超长输入还会触发更高 API 价格。
Computer Use 能操作已登录页面和桌面应用。 账号、权限、支付、隐私、网络和凭证相关流程应保持人在场并逐步审批。
安全护栏可能影响合法的双用途工作。 网络安全和生物领域请求可能被实时分类器暂停、复核或拒绝；ChatGPT 与 Codex 提供改用较低能力模型重试的路径。生产系统应记录 request ID、时间和拒绝类型，为合法任务准备人工复核或降级流程。
官方 benchmark 仅用于参考。 同一模型在 Terminal-Bench、OSWorld 和 SWE-Bench Pro 上表现差异明显，Ultra 的成绩也不能当成单 agent 成绩。上线前仍要用真实任务评估成功率、人工返工、延迟、成本和越权风险。