一夜之間，GPT-5.6 來了，Codex 沒了，Claude 急了

即便奧特曼癱坐在椅子前的故事已經聽過很多次，但每當 ChatGPT 發布新模型時，我們還是會下意識抱有一絲期待。

贊助商廣告

沒有讓我們等待太久，就在剛剛，GPT-5.6 系列正式登場，一口氣發布三個型號：旗艦 Sol、均衡款 Terra，還有主打性價比的 Luna，名字分別取自拉丁語裡的太陽、地球/大地和月亮。

價格上，Sol 每百萬 token 輸入 5 美元、輸出 30 美元；Terra 直接減半，2.5 美元和 15 美元；Luna 最便宜，只要 1 美元和 6 美元。

相比於 Fable 5 的一波三折，今天起，三款模型將全量上線，24 小時內陸續覆蓋 ChatGPT、Codex 和 API。

這還不是最大的更新，Codex 獨立 App 今天也下線了，但它沒有消失。Codex 能力整個併入 ChatGPT，造就了一個新的 AI 超級應用。GPT-5.6，就是驅動這個新入口的核心引擎。

GPT-5.6 的發布會，Claude 成了隱藏主角

打開 GPT-5.6 的官方部落格，你會發現一件事：Claude 被 cue 的次數，多到像是給對家打廣告。對比之下，誰菜誰尷尬。

贊助商廣告

火藥味最濃的是 Agents』 Last Exam，一個橫跨 55 個行業的長程智能體工作流評測。GPT-5.6 Sol 拿下 53.6 分創下新高，比 Claude Fable 5（自適應推理）高出 13.1 分。

OpenAI 還嫌不夠，補充說：就算只開中檔推理，也比 Fable 5 高 11.4 分，成本只有對方四分之一左右。更小的 Terra 和 Luna 也超過 Fable 5，成本約為十六分之一。

在覆蓋面更廣的 Artificial Analysis 智能指數上，Sol 開滿推理檔，與 Fable 5 只差 1 分，但完成任務的耗時少 61%，成本約為一半。

看出來了吧，這次發布的核心敘事就一個詞：性價比。同樣的錢干更多活，或者同樣的活花更少的錢。

奧特曼本人也第一時間在 X 上幫腔，說 OpenAI 聽到了企業客戶對 AI 成本的擔憂，而 5.6 Sol 在「每個任務花多少錢」這件事上前進了一大步，Terra 和 Luna 同樣如此。

贊助商廣告

為了把省錢的故事講圓，計費規則也做了配合：提示詞緩存的寫入按常規輸入價的 1.25 倍收費，讀取只收一折；開發者還可以手動設置緩存斷點，緩存至少保留 30 分鐘，賬單變得更可預測了。

當然，嘴上說得很好聽，但實際操作可能又是另一回事。

編程是主戰場。Sol 在 Artificial Analysis 編程智能體指數上拿到 80 分，創下新紀錄，比 Fable 5 高 2.8 分，輸出 token 不到一半，耗時不到一半，成本便宜約三分之一。Terminal-Bench 2.1 和 DeepSWE 上也刷新了最好成績。

Terra 和 Luna 同樣能打：Terra 在該指數上略高於 Fable 5，Luna 超過 Opus 4.8，兩者耗時都只有對手三分之一左右，成本約為四分之一。

已經上手的客戶開始交口稱讚。Lovable 聯合創始人則表示，新模型讓用戶構建應用的步驟少了約 25%，工具調用少 35% 到 48%，卡死的任務減少 15%。

網友這邊已經玩瘋了。開發者 Matt Shumer 曬出 Sol 一次性搓出來的體素版曼哈頓，精度驚人，而且這活是模型完全自主跑了將近一周幹完的。

贊助商廣告

一口氣打造《Minecraft》，也不在話下。

除了寫代碼，這次 OpenAI 反覆強調的還有兩個：設計品味和電腦操作。

官方說 GPT-5.6 在設計判斷力上是「跨越式進步」，只給個大方向，它就能做出有審美、好上手的界面。

更關鍵的是，它會用增強後的電腦操作能力去檢查自己渲染出來的成果，發現視覺和功能問題，收尾之後再交活。以前的模型是寫完代碼就完事，現在是寫完還自己驗收。

知識辦公場景的提升同樣顯而易見。

BrowseComp 網頁瀏覽評測上，Sol 拿下 92.2% 的新紀錄；OSWorld 2.0 電腦操作評測 62.6%，超過 Opus 4.8 的同時輸出 token 少了 85%。

贊助商廣告

做 PPT 這種打工人剛需，官方給了個對比案例：讓模型照著參考文件更新數據，GPT-5.5 的輸出丟失了母版里的關鍵元素，GPT-5.6 能推斷出整套設計系統，然後原樣套用到新內容上。

文檔和表格也是同理，公式和財務模型的精度更高了。

不過吃瓜要吃全套。翻到部落格最底下的評測大表格，有幾處數字挺微妙：

SWE-Bench Pro 上，Sol 是 64.6%，Claude Fable 5 是 80%，Anthropic 家更高檔的 Mythos 5 是 80.3%。這項上 Claude 依然壓著打。

FrontierMath 最難的 Tier 4 數學題，Sol 65.9%，居然還不如自家上代 GPT-5.5 的 72.5%，而 Fable 5 是 87.8%。

GDPval-AA 專業工作評測上，Sol 的 1747.8 Elo 也還是略低於 Fable 5 的 1759.6。

贊助商廣告

生物評測 GeneBench Pro 那裡還有個小心機：OpenAI 在圖註裡專門寫了一句，Claude Fable 5 沒被列進來，因為它「不回答高階生物問題，拒答了這項評測里的大多數題目」。短短一條腳註，把陰陽怪氣寫得明明白白。

值得一提的是，GPT-5.6 這次帶來一個新玩法：ultra 模式。

簡單講就是人多力量大。

ultra 默認派出四個智能體並行開工，最多可以堆到十六個，用更多 token 換更強結果和更快出活。在 BrowseComp、SEC-Bench Pro、Terminal-Bench 2.1 三項評測里，加智能體都能抬升「分數-耗時」曲線。

發布會上研究員的說法是：這些智能體能像一支有經驗的團隊那樣拆分工作。

除了 ultra，還有一檔 max，給模型比 xhigh 更充裕的思考時間去推理、驗算、換思路。API 側則上了 Programmatic Tool Calling：模型可以自己寫小程序來調度工具、過濾中間數據，省掉大量來回傳輸的 token。

簡言之，以前是開發者手把手教模型每一步怎麼走，現在模型自己會寫「調度腳本」了。

ChatGPT+Codex=ChatGPT Work

模型之外，產品側一口氣三連發：ChatGPT Work、全新桌面 App、還有能直接分享的 Sites。

ChatGPT Work 是個什麽？

官方定義是能跨應用和文件採取行動、項目執行持續好幾個小時、能把目標變成成品的智能體。底層也應用到了 Codex 技術。

贊助商廣告

有意思的數據來了：Codex 每周有超過 500 萬人在用，其中 100 多萬人拿它乾的活跟寫代碼沒關係。OpenAI 一看，得，乾脆做成通用產品。

ChatGPT Work 能做的事情，大致分三類。第一類是把分散在各系統中的資料整合成成品，藉助 GPT-5.6 對模板和設計系統的理解，將分析、整理和生成工作一步完成。

第二類是連接企業工具，通過統一插件目錄讓 ChatGPT Work 能直接調用各類應用獲取上下文，從而真正進入企業工作流。第三類是通過 Scheduled Tasks 自動執行重複任務，讓 AI 持續處理監控、匯總和更新等工作，成為企業中的「半自動員工」。

Sites 則是公測版，一句話把分析結果變成可分享的交互網站或 Web 應用，做儀錶盤、項目追蹤、產品原型都行。

發布會現場， OpenAI 財務團隊人員演示了一個月底對賬的案例：

以前要在多個系統之間來回核對 Excel 預測模型，忙活好幾天。現在一條指令，ChatGPT Work 跑完差異分析、更新 Excel 模型、順手做好 PPT，還能生成一個可分享的交互網站，最後讓它把鏈接發到 Slack 上。

贊助商廣告

哦對了，這次調整里還夾著一個不小的動作：Codex 獨立 App 從今天起併入新版 ChatGPT 桌面 App，Chat、Work、Codex 三個模式裝進同一個 App。

Codex 仍然保留編碼能力，還新增了 diff 內聯編輯、側邊欄 PR review、更快的 Computer Use，以及一個項目里支持多個代碼倉庫。

開發者如果不想被通用入口打擾，也可以把 Codex 設成桌面 App 的默認視圖，甚至繼續用 Codex 圖標。原來的 ChatGPT 桌面 App 會改名叫 ChatGPT Classic。

而獨立的 Atlas 瀏覽器要被砍掉了，功能轉進 Chrome 側邊欄插件。（Atlas：我才出生多久啊。）

OpenAI 內部據說已經全員上車，接近 100% 的團隊在用 ChatGPT Work 和 Codex，包括財務和銷售。銷售團隊拿它 24 小時內把客戶需求變成定製化概念驗證，以前這流程要幾周。

贊助商廣告

AI 訓練 AI，OpenAI 自己先被改造了

這次發布會最重要的資訊，其實藏在研究員一句輕描淡寫里：全家桶里最便宜的 Luna，後訓練環節是旗艦 Sol 自己獨立完成的。

研究員現場展示了那條 prompt：找到訓練配置、找到空閒 GPU、啟動腳本、確認跑通。就這麼短短幾句話，扔給 Codex，剩下的 Sol 自己搞定。

用 OpenAI 研究員的原話說：這活以前得一隊資深研究員來干，現在感覺「自動化研究員已經很近了」。

嘖嘖，AI 訓練 AI 的時代真到來了。

而且不只這一處，OpenAI 給出了一組內部數據，挺震撼的。過去六個月，內部用於代碼推理的研究算力份額漲了 100 倍，智能體 token 用量漲了約 22 倍。GPT-5.6 內測期間，研究員人均每日輸出 token 量超過 GPT-5.5 時期最高水平的兩倍。

為了量化這事，OpenAI 還專門搞了一套 RSI 指數（遞歸自我改進），涵蓋調試研究系統、優化訓練核心、跑機器學習實驗、改進另一個模型等真實任務。GPT-5.6 Sol 比 GPT-5.5 高出 16.2 分。

網路安全這塊進步同樣猛：ExploitBench 從上代的 47.9% 干到 73.5%，把真實漏洞變成可用攻擊的 ExploitGym 也接近翻倍。

能力太強，OpenAI 這次配套上了「可信訪問」機制，個人要實名驗證、開高級賬戶安全才能碰最強的網路安全能力，高風險地區直接限制。

贊助商廣告

安全測試也是史上最苛刻的一輪：約 70 萬 A100 等效 GPU 小時的自動化紅隊測試，新版安全系統攔截的潛在有害行為比之前多出約 10 倍。
當然誤傷也難免，所以 ChatGPT 和 Codex 里加了個按鈕，被攔了可以一鍵換低配模型重試。至於模型和產品的適用人群，我們也簡單捋了一下，歡迎對號入座：

• 免費用戶：在 ChatGPT Work 和 Codex 里可以用 Terra，新版桌面 App 也能直接下載，Chat、Work、Codex 三個入口都有
• Plus / Business 用戶：聊天裡用上 Sol，在 Work 和 Codex 里三個模型隨意切換，ChatGPT Work 幾天內推送到位，Codex 里還能開 ultra
• Pro / 企業版用戶：待遇最全，多一個 Sol Pro 選項留給最難的任務，ChatGPT Work 當天可用，Work 里的 ultra 也直接解鎖
• 開發者：API 開放全部三個模型，多智能體功能以 beta 形式提供
• 至於 max 模式，不挑檔位，所有能用上 GPT-5.6 的 Work 和 Codex 用戶，去設置里打開開關就行。

One More Thing

還記得 GPT-5.5 上線時那個著名的補丁嗎？

當時 OpenAI 不得不在開發者消息里專門叮囑模型：別老聊哥布林和小精靈。起因是訓練階段出了 reward hacking，模型鑽了獎勵機制的空子，學會了沒事就往回答里塞哥布林，而且怎麼勸都戒不掉。

如今，這樁懸案終於迎來官方大結局。OpenAI 研究員宣布問題已在 GPT-5.6 中修復，今後模型只會在「可愛或合適的場合」，聊適量的哥布林。
注意措辭，是「適量」。也就是說，哥布林並沒有被趕盡殺絕，只是從戒不掉的執念，降級成了偶爾拿出來把玩的小愛好。

恭喜 GPT 戒斷依賴成功，也恭喜哥布林保住了 AI 編制（doge）。

附上部落格地址：

https://openai.com/index/gpt-5-6/
https://openai.com/index/chatgpt-for-your-most-ambitious-work/