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(jīng)聽過很多次，但每當(dāng) ChatGPT 發(fā)布新模型時，我們還是會下意識抱有一絲期待。

　　 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(fā)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里的太陽、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。

　　 API 價格https://developers.openai.com/api/docs/pricing

　　 相比于 Fable 5 的一波三折，今天起，三款模型將全量上線，24 小時內(nèi)陸續(xù)覆蓋 ChatGPT、Codex 和 API。

　　 上壓力之后，Anthropic 都變懂事了，主動重置 Claude 額度

　　 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 能力整個并入 ChatGPT，造就了一個新的 AI 超級應(yīng)用 。GPT-5.6，就是驅(qū)動這個新入口的核心引擎。

　　 GPT-5.6 的發(fā)布會，Claude 成了隱藏主角

　　 打開 GPT-5.6 的官方博客，你會發(fā)現(xiàn)一件事：Claude 被 cue 的次數(shù)，多到像是給對家打廣告。對比之下，誰菜誰尷尬。

　　 火藥味最濃的是 Agents' Last Exam，一個橫跨 55 個行業(yè)的長程智能體工作流評測。GPT-5.6 Sol 拿下 53.6 分創(chuàng)下新高，比 Claude Fable 5（自適應(yīng)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(shù)上，Sol 開滿推理檔，與 Fable 5 只差 1 分，但完成任務(wù)的耗時少 61%，成本約為一半。

　　 看出來了吧，這次發(fā)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(yè)客戶對 AI 成本的擔(dān)憂，而 5.6 Sol 在「每個任務(wù)花多少錢」這件事上前進了一大步，Terra 和 Luna 同樣如此。

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

　　 當(dāng)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(zhàn)場。Sol 在 Artificial Analysis 編程智能體指數(shù)上拿到 80 分，創(chuàng)下新紀(jì)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(shù)上略高于 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(jīng)上手的客戶開始交口稱贊。Lovable 聯(lián)合創(chuàng)始人則表示，新模型讓用戶構(gòu)建應(yīng)用的步驟少了約 25%，工具調(diào)用少 35% 到 48%，卡死的任務(wù)減少 15%。

　　 網(wǎng)友這邊已經(jīng)玩瘋了。開發(fā)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干完的。

　　 一口氣打造《我的世界》，也不在話下。

　　 https://x.com/preferredev\_/status/2075282363458982299

　　 除了寫代碼，這次 OpenAI 反復(fù)強調(diào)的還有兩個：設(shè)計品味和電腦操作。

　　 官方說 GPT-5.6 在設(shè)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(guān)鍵的是，它會用增強后的電腦操作能力去檢查自己渲染出來的成果，發(fā)現(xiàn)視覺和功能問題，收尾之后再交活。以前的模型是寫完代碼就完事，現(xiàn)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(wǎng)頁瀏覽評測上，Sol 拿下 92.2% 的新紀(jì)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%。

　　 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(shù)據(jù)，GPT-5.5 的輸出丟失了母版里的關(guān)鍵元素，GPT-5.6 能推斷出整套設(shè)計系統(tǒng)，然后原樣套用到新內(nèi)容上。

　　 文檔和表格也是同理，公式和財務(wù)模型的精度更高了。

　　 不過吃瓜要吃全套。翻到博客最底下的評測大表格，有幾處數(shù)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(shù)學(xué)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(yè)工作評測上，Sol 的 1747.8 Elo 也還是略低于 Fable 5 的 1759.6。

　　 生物評測 GeneBench Pro 那里還有個小心機：OpenAI 在圖注里專門寫了一句，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(shù)題目」。短短一條腳注，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(rèn)派出四個智能體并行開工，最多可以堆到十六個，用更多 token 換更強結(jié)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?jǐn)?shù)-耗時」曲線。

　　 發(fā)布會上研究員的說法是：這些智能體能像一支有經(jīng)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(cè)則上了 Programmatic Tool Calling：模型可以自己寫小程序來調(diào)度工具、過濾中間數(shù)據(jù)，省掉大量來回傳輸?shù)?token。

　　 簡言之，以前是開發(fā)者手把手教模型每一步怎么走，現(xiàn)在模型自己會寫「調(diào)度腳本」了。

　　 ChatGPT+Codex=ChatGPT Work

　　 模型之外，產(chǎn)品側(cè)一口氣三連發(fā)：ChatGPT Work、全新桌面 App、還有能直接分享的 Sites。

　　 ChatGPT Work 是個啥？

　　 官方定義是能跨應(yīng)用和文件采取行動、項目執(zhí)行持續(xù)好幾個小時、能把目標(biāo)變成成品的智能體。底層也應(yīng)用到了 Codex 技術(shù)。

　　 有意思的數(shù)據(jù)來了：Codex 每周有超過 500 萬人在用，其中 100 多萬人拿它干的活跟寫代碼沒關(guān)系。OpenAI 一看，得，干脆做成通用產(chǎn)品。

　　 ChatGPT Work 能做的事情，大致分三類。第一類是把分散在各系統(tǒng)中的資料整合成成品，借助 GPT-5.6 對模板和設(shè)計系統(tǒng)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(yè)工具，通過統(tǒng)一插件目錄讓 ChatGPT Work 能直接調(diào)用各類應(yīng)用獲取上下文，從而真正進入企業(yè)工作流。第三類是通過 Scheduled Tasks 自動執(zhí)行重復(fù)任務(wù)，讓 AI 持續(xù)處理監(jiān)控、匯總和更新等工作，成為企業(yè)中的「半自動員工」。

　　 Sites 則是公測版，一句話把分析結(jié)果變成可分享的交互網(wǎng)站或 Web 應(yīng)用，做儀表盤、項目追蹤、產(chǎn)品原型都行。

　　 發(fā)布會現(xiàn)場， OpenAI 財務(wù)團隊人員演示了一個月底對賬的案例：

　　 以前要在多個系統(tǒng)之間來回核對 Excel 預(yù)測模型，忙活好幾天。現(xiàn)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(wǎng)站，最后讓它把鏈接發(fā)到 Slack 上。

　　 哦對了，這次調(diào)整里還夾著一個不小的動作：Codex 獨立 App 從今天起并入新版 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(nèi)聯(lián)編輯、側(cè)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(fā)者如果不想被通用入口打擾，也可以把 Codex 設(shè)成桌面 App 的默認(rèn)視圖，甚至繼續(xù)用 Codex 圖標(biāo)。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(zhuǎn)進 Chrome 側(cè)邊欄插件。 （Atlas：我才出生多久啊。）

　　 OpenAI 內(nèi)部據(jù)說已經(jīng)全員上車，接近 100% 的團隊在用 ChatGPT Work 和 Codex，包括財務(wù)和銷售。銷售團隊拿它 24 小時內(nèi)把客戶需求變成定制化概念驗證，以前這流程要幾周。

　　 AI 訓(xùn)練 AI，OpenAI 自己先被改造了

　　 這次發(fā)布會最重要的信息，其實藏在研究員一句輕描淡寫里：全家桶里最便宜的 Luna，后訓(xùn)練環(huán)節(jié)是旗艦 Sol 自己獨立完成的。

　　 研究員現(xiàn)場展示了那條 prompt：找到訓(xùn)練配置、找到空閑 GPU、啟動腳本、確認(rèn)跑通。就這么短短幾句話，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(xiàn)在感覺「自動化研究員已經(jīng)很近了」。

　　 嘖嘖，AI 訓(xùn)練 AI 的時代真到來了。

　　 而且不只這一處，OpenAI 給出了一組內(nèi)部數(shù)據(jù)，挺震撼的。過去六個月，內(nèi)部用于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(nèi)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(shù)（遞歸自我改進），涵蓋調(diào)試研究系統(tǒng)、優(yōu)化訓(xùn)練內(nèi)核、跑機器學(xué)習(xí)實驗、改進另一個模型等真實任務(wù)。GPT-5.6 Sol 比 GPT-5.5 高出 16.2 分。

　　 網(wǎng)絡(luò)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(wǎng)絡(luò)安全能力，高風(fēng)險地區(qū)直接限制。

　　 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(tǒng)攔截的潛在有害行為比之前多出約 10 倍。

　　 當(dāng)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。至于模型和產(chǎn)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：聊天里用上 Sol，在 Work 和 Codex 里三個模型隨意切換，ChatGPT Work 幾天內(nèi)推送到位，Codex 里還能開 ultra

　　 Pro / 企業(yè)版用戶：待遇最全，多一個 Sol Pro 選項留給最難的任務(wù)，ChatGPT Work 當(dāng)天可用，Work 里的 ultra 也直接解鎖

　　 開發(fā)者：API 開放全部三個模型，多智能體功能以 beta 形式提供

　　 至于 max 模式，不挑檔位，所有能用上 GPT-5.6 的 Work 和 Codex 用戶，去設(shè)置里打開開關(guān)就行。

　　 One More Thing

　　 還記得 GPT-5.5 上線時那個著名的補丁嗎？

　　 當(dāng)時 OpenAI 不得不在開發(fā)者消息里專門叮囑模型：別老聊哥布林和小精靈。起因是訓(xùn)練階段出了 reward hacking，模型鉆了獎勵機制的空子，學(xué)會了沒事就往回答里塞哥布林，而且怎么勸都戒不掉。

　　 如今，這樁懸案終于迎來官方大結(jié)局。OpenAI 研究員宣布問題已在 GPT-5.6 中修復(fù)，今后模型只會在「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，哥布林并沒有被趕盡殺絕，只是從戒不掉的執(zhí)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）。