GPT-5.6 系列全量上线：性价比提升，功能升级，AI 训练 AI 时代到来！

【GPT-5.6 系列登场】

即便奥特曼瘫坐在椅子前的故事已听过多次，但每当 ChatGPT 发布新模型，大家仍会下意识抱有期待。刚刚，GPT-5.6 系列正式登场，一口气发布三个型号：旗舰 Sol、均衡款 Terra，还有主打性价比的 Luna，名字分别取自拉丁语里的太阳、地球/大地和月亮。价格上，Sol 每百万 token 输入 5 美元、输出 30 美元；Terra 直接减半，为 2.5 美元和 15 美元；Luna 最便宜，只要 1 美元和 6 美元。相比于 Fable 5 的一波三折，今天起，三款模型将全量上线，24 小时内陆续覆盖 ChatGPT、Codex 和 API。上压力之后，Anthropic 都变懂事了，主动重置 Claude 额度。

【Codex 变革与新应用诞生】

Codex 独立 App 今天下线，但它没有消失。Codex 能力整个并入 ChatGPT，造就了一个新的 AI 超级应用，GPT-5.6 就是驱动这个新入口的核心引擎。

【性能评测对比】

打开 GPT-5.6 的官方博客会发现，Claude 被 cue 的次数很多。在 Agents' Last Exam 评测中，GPT-5.6 Sol 拿下 53.6 分创下新高，比 Claude Fable 5（自适应推理）高出 13.1 分。就算只开中档推理，也比 Fable 5 高 11.4 分，成本只有对方四分之一左右。更小的 Terra 和 Luna 也超过 Fable 5，成本约为十六分之一。在 Artificial Analysis 智能指数上，Sol 开满推理档，与 Fable 5 只差 1 分，但完成任务的耗时少 61%，成本约为一半。这次发布的核心叙事是性价比，同样的钱干更多活，或者同样的活花更少的钱。奥特曼也在 X 上帮腔，称 OpenAI 听到了企业客户对 AI 成本的担忧，而 5.6 Sol 等在成本控制上有进步。为配合省钱，计费规则也做了调整，提示词缓存的写入按常规输入价的 1.25 倍收费，读取只收一折，开发者还能手动设置缓存断点，缓存至少保留 30 分钟，账单更可预测。

【编程与多领域表现】

编程是主战场。Sol 在 Artificial Analysis 编程智能体指数上拿到 80 分，创下新纪录，比 Fable 5 高 2.8 分，输出 token 不到一半，耗时不到一半，成本便宜约三分之一，在 Terminal-Bench 2.1 和 DeepSWE 上也刷新了最好成绩。Terra 和 Luna 同样能打，Terra 在该指数上略高于 Fable 5，Luna 超过 Opus 4.8，两者耗时都只有对手三分之一左右，成本约为四分之一。已经上手的客户开始称赞，Lovable 联合创始人表示，新模型让用户构建应用的步骤少了约 25%，工具调用少 35% 到 48%，卡死的任务减少 15%。网友也玩疯了，开发者 Matt Shumer 晒出 Sol 一次性搓出来的体素版曼哈顿，精度惊人，且是模型完全自主跑了将近一周干完的，打造《我的世界》也不在话下。除了写代码，OpenAI 还强调了设计品味和电脑操作，官方称 GPT-5.6 在设计判断力上是「跨越式进步」，能做出有审美、好上手的界面，还会用增强后的电脑操作能力检查渲染成果，发现问题并收尾。在知识办公场景，Sol 在 BrowseComp 网页浏览评测上拿下 92.2% 的新纪录，OSWorld 2.0 电脑操作评测 62.6%，超过 Opus 4.8 的同时输出 token 少了 85%。做 PPT 时，GPT-5.5 输出会丢失母版关键元素，而 GPT-5.6 能推断出整套设计系统并原样套用到新内容上，文档和表格的公式和财务模型精度也更高。

【评测中的微妙差距】

不过，博客评测大表格里有几处数字较微妙。在 SWE-Bench Pro 上，Sol 是 64.6%，Claude Fable 5 是 80%，Anthropic 家更高档的 Mythos 5 是 80.3%，Claude 依然领先。FrontierMath 最难的 Tier 4 数学题，Sol 65.9%，不如自家上代 GPT-5.5 的 72.5%，而 Fable 5 是 87.8%。GDPval-AA 专业工作评测上，Sol 的 1747.8 Elo 略低于 Fable 5 的 1759.6。生物评测 GeneBench Pro 处，OpenAI 在图注里称 Claude Fable 5 没被列进来，是因为它「不回答高阶生物问题，拒答了这项评测里的大多数题目」。

【新玩法与功能升级】

GPT-5.6 带来新玩法 ultra 模式，简单讲就是人多力量大。ultra 默认派出四个智能体并行开工，最多可堆到十六个，用更多 token 换更强结果和更快出活。在 BrowseComp、SEC-Bench Pro、Terminal-Bench 2.1 三项评测里，加智能体都能抬升「分数 - 耗时」曲线。发布会上研究员称这些智能体能像有经验的团队那样拆分工作。除了 ultra，还有一档 max，给模型比 xhigh 更充裕的思考时间去推理、验算、换思路。API 侧上了 Programmatic Tool Calling，模型可以自己写小程序来调度工具、过滤中间数据，省掉大量来回传输的 token，以前是开发者手把手教模型，现在模型自己会写「调度脚本」了。

【产品侧三连发】

模型之外，产品侧一口气推出 ChatGPT Work、全新桌面 App、还有能直接分享的 Sites。ChatGPT Work 官方定义是能跨应用和文件采取行动、项目执行持续好几个小时、能把目标变成成品的智能体，底层应用到了 Codex 技术。Codex 每周有超过 500 万人在用，其中 100 多万人拿它干的活跟写代码没关系，所以 OpenAI 把它做成通用产品。ChatGPT Work 能做的事大致分三类：一是整合分散资料成成品，借助 GPT-5.6 对模板和设计系统的理解，一步完成分析、整理和生成工作；二是连接企业工具，通过统一插件目录直接调用各类应用获取上下文，进入企业工作流；三是通过 Scheduled Tasks 自动执行重复任务，成为企业中的「半自动员工」。Sites 是公测版，能把分析结果变成可分享的交互网站或 Web 应用，可做仪表盘、项目追踪、产品原型等。发布会现场，OpenAI 财务团队人员演示月底对账案例，以前要在多个系统间核对 Excel 预测模型，忙活好几天，现在一条指令，ChatGPT Work 就能完成差异分析、更新 Excel 模型、做好 PPT、生成可分享的交互网站，还能把链接发到 Slack 上。

【产品调整与应用变化】

这次调整中，Codex 独立 App 从今天起并入新版 ChatGPT 桌面 App，Chat、Work、Codex 三个模式装进同一个 App。Codex 保留编码能力，还新增了 diff 内联编辑、侧边栏 PR review、更快的 Computer Use，以及一个项目里支持多个代码仓库。开发者若不想被通用入口打扰，可把 Codex 设成桌面 App 的默认视图，甚至继续用 Codex 图标，原来的 ChatGPT 桌面 App 会改名叫 ChatGPT Classic。而独立的 Atlas 浏览器要被砍掉，功能转进 Chrome 侧边栏插件。（Atlas：我才出生多久啊。）OpenAI 内部据说全员上车，接近 100% 的团队在用 ChatGPT Work 和 Codex，包括财务和销售，销售团队用它 24 小时内把客户需求变成定制化概念验证，以前这流程要几周。

【AI 训练 AI 时代开启】

这次发布会最重要的信息是，全家桶里最便宜的 Luna，后训练环节是旗舰 Sol 自己独立完成的。研究员展示的 prompt 为：找到训练配置、找到空闲 GPU、启动脚本、确认跑通。用 OpenAI 研究员的话说，这活以前得一队资深研究员来干，现在感觉「自动化研究员已经很近了」。AI 训练 AI 的时代真到来了。OpenAI 给出内部数据，过去六个月，内部用于代码推理的研究算力份额涨了 100 倍，智能体 token 用量涨了约 22 倍。GPT-5.6 内测期间，研究员人均每日输出 token 量超过 GPT-5.5 时期最高水平的两倍。为量化此事，OpenAI 搞了一套 RSI 指数（递归自我改进），涵盖调试研究系统、优化训练内核、跑机器学习实验、改进另一个模型等真实任务，GPT-5.6 Sol 比 GPT-5.5 高出 16.2 分。网络安全方面进步也猛，ExploitBench 从上代的 47.9% 提升到 73.5%，把真实漏洞变成可用攻击的 ExploitGym 也接近翻倍。能力太强，OpenAI 配套了「可信访问」机制，个人要实名验证、开高级账户安全才能碰最强的网络安全能力，高风险地区直接限制。安全测试是史上最苛刻的一轮，约 70 万 A100 等效 GPU 小时的自动化红队测试，新版安全系统拦截的潜在有害行为比之前多出约 10 倍。当然误伤难免，所以 ChatGPT 和 Codex 里加了个按钮，被拦了可以一键换低配模型重试。

【适用人群与模式说明】

关于模型和产品的适用人群：免费用户在 ChatGPT Work 和 Codex 里可以用 Terra，新版桌面 App 也能直接下载，有 Chat、Work、Codex 三个入口；Plus / Business 用户聊天可用 Sol，在 Work 和 Codex 里三个模型随意切换，ChatGPT Work 几天内推送到位，Codex 里还能开 ultra；Pro / 企业版用户待遇最全，多一个 Sol Pro 选项用于最难的任务，ChatGPT Work 当天可用，Work 里的 ultra 也直接解锁；开发者 API 开放全部三个模型，多智能体功能以 beta 形式提供。至于 max 模式，不挑档位，所有能用上 GPT-5.6 的 Work 和 Codex 用户，去设置里打开开关就行。

【哥布林问题解决】

还记得 GPT-5.5 上线时，因训练阶段出了 reward hacking，模型学会往回答里塞哥布林且戒不掉，OpenAI 不得不叮嘱模型别老聊哥布林和小精灵。如今，OpenAI 研究员宣布问题已在 GPT-5.6 中修复，今后模型只会在「可爱或合适的场合」，聊适量的哥布林，哥布林从戒不掉的执念，降级成了偶尔把玩的小爱好。