不出所料，GPT-5.6 發布的同時，把 Codex 也「幹掉了」，取而代之的是一個包含 ChatGPT Work 和 Codex 的 全新 ChatGPT 應用。
選擇 Work 還是 Codex 目前在界面的呈現上，沒有太大的區別。
唯一比較明顯的是，當我們切換到 Codex 場景，ChatGPT 的回答會加上「代碼差異」，滑鼠懸浮在「已編輯」文檔上，就會顯示開發者常見的 Diff 界面，綠色代表新增，紅色代表刪除。
未來 OpenAI 或許會對其項目類別進行區分，目前切換場景，項目都是共享的，所能使用的模型和 Skill 也都是通用的。
我們的 Pro 賬號目前可以選擇包括 GPT 5.6 在內的全部型號模型，推理強度從輕度到極高多個等級。
我們在詳細介紹 GPT-5.6 的文章里提到了關於模型的更多資訊，以及一些社交媒體上使用 GPT-5.6 來做「我的世界」等 3D 遊戲的案例。
現在的大模型，一句話讓他們寫個網頁，已經很難測出 AI 究竟有多強了。
大模型競技場的 AI 能力負責人 Peter Gostev，在前幾天公開了 63 條幾乎是故意為難模型的 3D 提示詞；從大型 3D 世界，到各種可遊玩的 3D 場景、名畫世界，以及極端視角、自然奇觀，和元素與宇宙終局場面等。
I spent a LOT of time through the hardest 3D prompts at Fable, it is a 45 min video, but I have 60+ very cool demos for you. Also prompts in the next post.
3D 世界的第一題就要求它用 Three.js 做出完整曼哈頓：開場必須看到整座島，向下縮放時還要無縫進入街區，看到車流、渡輪、屋頂水塔和公園小徑。
後面的題越來越有意思。AI 要坐進煙花彈，從發射筒衝上天空，在爆炸的一刻停在一萬條金色焰火的中心；也要把梵谷的《星月夜》做成能飛進去的油畫宇宙，讓每一道筆觸都保留顏料厚度，還會沿著畫裡的旋渦流動。
尼亞加拉瀑布要同時出現馬蹄瀑布和美國瀑布，水霧、彩虹與遊船都得動。以及要讓模型在海面上實時長出一座火山島，岩漿、海浪、蒸汽、火山灰、閃電、研究船和直升機從第一秒起共同運轉。
甚至還有穿越張家界石林、下雪的故宮、流浪地球的太空電梯等題目，AI 需要用代碼來實現一個看起來很酷炫，實際操作起來也能用的 3D 網頁。
就連 Karpathy 都在留言區留言，表示這些提示詞太有意思了，以及模型到底是如何實現這些 3D 世界的。
incredible, ty for putting this together, i didn't appreciate that models would be able to create these awesome, rich, playable worlds that fuse knowledge and code. when the bear catches the salmon @ 43m :O lol!
LLM 是如何僅憑網路就能掌握所有這些資訊，並能將這些理解轉化為 xyz 坐標、網格、變換、動畫、特效、交互和小故事的呢？想想再增加一個、兩個、三個模型層級，它們又能創造出怎樣的精彩，真是令人驚嘆。
我們也拿這套提示詞去測試了一下最新的 GPT-5.6，由於 5.6 Sol 的極高模式會使用大量的子智能體，根據官方部落格介紹，Ultra 模式下默認會派出 4 個子智能體並行工作，最多可以有 16 個子智能體同時完成一個任務。
這也導致了運行時間的增加，同樣的提示詞，我們在 DeepSeek 的網頁上，十分鐘不到，它就能給我們最終的交付。
但是在 Codex 里，光是開頭的計劃制定，就需要我們一直回復「Yes」來先確認這份計劃。
等到實際的工作，多個子智能體出動，從 Task 1 到 Task 2，每個 Task 又分了 Scene、Control、Shell 等不同的工作，任務時間直線飆升。
還有時不時就要進行的「我們的系統正在進一步審查此情況，然後再回復」。
於是，同樣的張家界石林，我們使用 5.6 Sol 的最高檔強度，Codex 花了足足 2h41m35s 才完成，其中沒有任何的「等待批准」時間，完全是 Codex 自己在處理。
GPT-5.6 Sol Ultra 生成
效果確實算得上最好，最像 Fable 5 的一個。
拋開我電腦本身卡頓的原因，整個 3D 石林實現得非常專業。鳥群會在山谷飛過，山背對太陽時會有明顯的陰影，以及山頂的樹、玻璃棧橋，和索道等元素都有比較多的細節。
我們也用了其他模型進行測試，例如在 Codex 內使用的 GPT-5.5、DeepSeek V4 Pro、Gemini 3.5 Thinking、GLM-5.2、以及同樣是最近剛發布的 Hy3。
能看到差距還是比較明顯的，對比 GPT-5.6，GPT-5.5 明顯少了很多細節，即便把渲染程度調節到「高」，石柱和樹以及飛鳥等資訊，都是比較簡單的建模。
Gemini 3.5、DeepSeek V4 Pro 和 Hy3 似乎都沒有準確把這個石林的效果做出來，GLM-5.2 在這輪交付的就更加抽象了，只是實現了幾種不同視角的切換，但是張家界石林是完全看不出來。
這是完整的提示詞，如果感興趣還可以拿去測試一下其他模型的效果。
創建一個宏偉的 Three.js 張家界石林世界：數百根高得不可思議的砂岩石柱，頂部覆蓋著松樹，從流動的霧河中升起，觀者已經置身空中。直接從兩根巨大的石柱之間的飛行狀態開始，下面的霧氣被分開，陽光斜射過岩壁 —— 不要標題界面、菜單、加載狀態或貼地開始。
如果使用 Three.js，請在模組腳本之前添加一個 import map，將「three」和「three/addons/」映射到同一個固定版本，並且只通過這些名稱導入。所有地形、岩石、植被、霧氣和光照都必須程序化生成；不要使用外部圖片資源或模型。
單一核心理念：探索孕育了漂浮山脈靈感的世界，以最溫和的飛行方式穿行其中。
石林世界
- 建造具有真實地質特徵的石柱：帶狀砂岩層理、陡峭岩面、承載扭曲古松的岩台、陰暗側面的藤蔓和蕨類植物、被光線照亮時呈現的白色岩石裂痕。改變高度和群落分布，讓峽谷景觀形成自然的通道和露天劇場。
- 霧氣是一層有生命的存在，而不是一團渾濁的霧：雲霧河流在石柱之間流動，在邊緣撕裂，在盆地中匯聚，同時保持上方空氣清澈、被陽光照亮。石柱應隨著霧氣移動而若隱若現。
- 人類痕跡要小而遙遠：連接兩座山頂的玻璃棧道、沿線路滑行的纜車、刻在岩壁上的蜿蜒石階、用於比例感的小型徒步者。
石柱間的生命
- 獼猴在岩台上攀爬，鶴穿越虛空，雨燕圍繞山頂盤旋，一條瀑布從裂隙中穿過，流入下方霧海，松枝隨風擺動。
光與空氣
- 清晨光線，東側岩面呈現金色，陰影峽谷中帶有冷藍色調，陽光照射處的霧氣發光；飽和的綠色；整體明亮、通透。
滑翔體驗
- 唯一的交互方式是簡單可靠的滑翔：保持恆定且柔和的飛行速度，滑鼠控制航向和俯仰，並限制在柔和範圍內，自動側傾，不會失速，不會有碰撞懲罰 —— 靠近岩壁時，鏡頭會自然緩慢避開。飛行感覺應像鶴一樣，而不是戰鬥機。
- 重置
我們還用其他提示詞測試了一下 GPT-5.6，63 個案例的提示詞都可以在 GitHub 上找到。
項目地址：https://github.com/petergpt/3d-prompt-collection
我們也測試了 Karpathy 覺得最有意思的熊捕獲鮭魚畫面。這次我們直接在 ChatGPT 網頁版內以普通對話的形式發給它提示詞，依舊是使用 GPT-5.6 Sol，智能模式為 Pro。
雖然沒有 Codex 嚴謹和詳細的項目工程，但是 Pro 的思考強度，還是讓 ChatGPT 花了 40 分鐘才生成了整個 3D 頁面。
最後的結果對比，GPT-5.6 Sol 和 Fable 5 可以說是在同一個水準。
而使用其他模型，像是 DeepSeek V4 Pro，能明顯看到生成頁面有很多 Bug，一隻奇怪的熊，鮭魚也變成了簡單的紅色方塊，彩虹只是簡單的六根線條等。
Gemini 3.5 Thinking，這個五月份的模型，中間這個四四方方的像素物體，竟然就是 Gemini 描繪的 3D 熊。
雖然該有的操控都有，導航欄這些按鈕都做到位了，但是如果提前沒了解提示詞資訊，單看這個頁面，完全不知道本意是想描繪什麼。
我們還測試了太空電梯項目，這次是在 Codex 內使用 GPT-5.6 Sol，思考強度選擇選擇了倒數第二檔，即 Extra High，耗時明顯減少，只用了 18 分鐘完成。
同樣的提示詞，DeepSeek 的效果是這樣的。
而在 Peter Gostev 影片裡，Fable 5 的效果和 GPT-5.6 Sol 不相上下。
這 63 個提示詞，看起來還是讓 AI 生成一個網頁，但 3D 網頁要面對的不止是生成每一幀最佳截圖，還有性能和可運行性。
即使界面再精美，可一旦打開就吃爆了電腦的 GPU 顯卡渲染，電腦直接卡崩潰了，那也不是一個好模型應該生成的網頁。
面對長提示詞時，好的模型應該更懂得先保住場景主體、鏡頭、核心動畫和交互，再用程序化幾何、粒子與分級細節補足規模感。
GPT-5.6 Sol 的表現在我們的測試中基本上可以勝任這些複雜的 3D 場景生成。
讓我們印象更深的是，GPT-5.6 Sol 完成工作的方式，它會先規劃整個項目，再拆分任務，讓不同的 Agent 同時推進，過程中不斷檢查、修改，再把最終結果整理成一份可以審核的 Diff。
就一個 3D 網頁，它可以花兩個多小時去完成。
但回過來想，我們比較的究竟是模型能力，還是一次回答背後的時間、計算資源和協作規模？
兩個小時所需要的 Token，換在一個 Plus 賬戶或者免費賬戶上，大概都會占據大量的周額度。速度快的模型更適合試想法；耗時更久的 Agent，能把複雜項目推得更遠。兩者都可能有價值，卻很難被一個總分解釋清楚。
當模型開始自己規劃、分工、返工和驗收，一次生成便越來越像一支臨時項目組。選擇哪款模型，也是在選擇一套生產方式。我們可以 10 分鐘拿到一個 demo，也可以給 Agent 幾個小時，把它推到可交付狀態。
以後再問哪款模型最強，測試恐怕得多出一張工時/Token單。畫面旁邊應該寫清交付時間與資源投入，也要讓人知道它經歷了多少輪返工，打開後能不能直接用。
