GPT-5.6三檔模型全面圍剿Claude Fable 5，“超級應用”ChatGPT Work上位

作者 | 褚杏娟

今天，OpenAI 正式推出 GPT-5.6 系列模型，具體包括三款模型：

? GPT-5.6 Sol：全新的旗艦模型，代表最高智能水平；

? GPT-5.6 Terra：面向日常工作的均衡模型，在能力、速度和成本之間取得平衡；

? GPT-5.6 Luna：成本效率最高的輕量模型。

OpenAI 表示，GPT-5.6 Sol 在智能水平和效率方面樹立了新的標準。在編程、知識工作、網絡安全和科學領域測試中，它均達到當前最先進水平，并且相比此前模型和 Fable 5 等前沿模型，以更少的 Token 消耗和更低的預估成本取得更優表現。

“這意味著更高的單位成本性能（performance per dollar）：用戶可以用相同預算完成更多工作，也可以用更低成本獲得接近的結果。”官方表示。

“這無疑是我們有史以來最出色的作品了。”Altman 顯然對這次發布也非常滿意。

GPT-5.6 現在已通過 ChatGPT、Codex 和 OpenAI API 上線，并將在全球范圍逐步開放。在價格方面：

? GPT-5.6 Sol：5 美元/百萬輸入 Token，30 美元/每百萬輸出 Token；

? GPT-5.6 Terra：2.5 美元/每百萬輸入 Token，15 美元/每百萬輸出 Token；

? GPT-5.6 Luna：1 美元/百萬輸入 Token，5 美元/每百萬輸出 Token；

GPT-5.6 同時引入了更可預測的 Prompt 緩存機制，包括支持顯式緩存斷點以及最低 30 分鐘的緩存生命周期。對于 GPT-5.6 及后續模型，緩存寫入的計費標準為模型未緩存輸入價格的 1.25 倍；而緩存讀取仍然享受 90% 的緩存輸入折扣。這意味著用戶讀取已經緩存的上下文時，只需支付原始輸入價格的 10%。

針對需要更強推理能力和更高計算投入的復雜任務，GPT-5.6 還提供了不同等級的推理模式。其中，max 模式相比此前的 xhigh 模式，會投入更多計算資源用于推理、探索不同解決方案、執行驗證以及調整自身策略，以提升復雜任務的完成質量。更高階的 ultra 模式則進一步引入多智能體協作能力，該模式默認協調 4 個智能體并行處理任務，通過增加 Token 消耗換取更高質量結果和更快完成速度。

據悉，目前 GPT-5.6 已經被用于 OpenAI 自身的 AI 研發流程，包括定位模型問題、優化訓練系統、執行實驗和分析實驗結果。

在內部測試期間，GPT-5.6 推動研究人員使用 AI 輔助工作的程度大幅提升。數據顯示，活躍研究人員每日平均輸出 Token 數量超過 GPT-5.5 測試期間最高水平的兩倍。過去六個月中，OpenAI 內部用于代碼推理的研究計算量增長 100 倍，內部 Agent Token 使用量增長約 22 倍。

OpenAI 表示，這些指標并不直接代表研究進展，但反映出 AI 輔助正在快速進入模型研發、銷售、市場、運營、財務等多個團隊。

值得注意的是，Anthropic 幾乎在同時宣布了重置每周使用額度的消息，這被解讀為“是在向 OpenAI 釋放一個明確的信號。”

三大維度，全面對標 Fable 5

高效，但比 Fable 5 便宜

GPT-5.6 系列在代碼能力和 Agent 任務執行方面實現進一步提升。

在 Artificial Analysis Coding Agent Index v1.1 測試中，GPT-5.6 Sol 在最高推理模式下取得 80 分，刷新該評測最高成績，比 Claude Fable 5 高出 2.8 分。與此同時，GPT-5.6 Sol 完成任務所需輸出 Token 數量不到 Fable 5 的一半，任務執行時間不到其一半，整體成本降低約三分之一。

這一效率優勢也延伸至整個 GPT-5.6 系列。其中，GPT-5.6 Terra 的代碼能力略高于 Fable 5，而 GPT-5.6 Luna 則超過 Claude Opus 4.8。OpenAI 稱，兩款模型均能以約三分之一的時間完成任務，同時將輸出 Token 消耗減少約一半，預估成本降低至約四分之一。

此外，GPT-5.6 系列還在 Terminal-Bench 2.1 和 DeepSWE v1.1 測試中刷新最高成績，前者主要評估復雜命令行任務能力，后者則測試模型在真實代碼庫中的長期軟件工程能力。

除了模型本身能力提升，GPT-5.6 還進一步增強了 Agent 執行任務的能力，引入程序化工具調用（Programmatic Tool Calling）。通過這一能力，GPT-5.6 可以編寫并運行輕量級程序，用于協調工具調用、處理中間結果、監控任務進展，并根據任務變化自主選擇下一步行動。

OpenAI 表示，這一機制能夠顯著優化復雜工具型任務的執行流程。過去，開發者通常需要手動編排每一步操作，或者將每一次工具返回結果重新傳遞給模型。而借助 Responses API 中的程序化工具調用，GPT-5.6 可以自動過濾大量中間數據，僅保留關鍵結果，并根據任務推進情況動態調整工作流程，從而減少 Token 消耗、降低模型調用次數，并減少人工指導需求。

OpenAI 表示，訓練 GPT-5.6 的核心目標之一，就是讓每一個 Token 產生更高價值。

在內部的 Agents’ Last Exam 測試中（該測試用于評估覆蓋 55 個專業領域的長期運行工作流能力）GPT-5.6 Sol 創下新的最高分：53.6 分。這一成績比 Claude Fable 5 高出 13.1 分。即使在中等推理強度下，GPT-5.6 Sol 仍然比 Fable 5 高出 11.4 分，而預估成本約只有后者的四分之一。而 GPT-5.6 Terra、GPT-5.6 Luna 兩者均能超過 Fable 5，同時成本約只有其 1/16。

在 Artificial Analysis Intelligence Index v4.1（該指標綜合評估智能體任務、代碼能力、科學推理以及通用能力表現） 測試中，GPT-5.6 Sol 在最高推理模式下，與 Fable 5 的成績差距縮小至 1 分以內，但完成任務所需時間減少 61%，預估成本約降低至一半。

更強安全能力：面向真實世界部署

OpenAI 表示，GPT-5.6 系列搭載了目前最完善的安全防護體系，旨在抵御具有適應性和針對性的濫用行為，同時盡量避免對正常使用場景造成不必要限制。

在正式發布前，OpenAI 進行了迄今規模最大的模型安全評估，包括人類紅隊測試、大規模自動化測試、外部專家評估以及與專業機構和合作伙伴開展的壓力測試。其中，黑盒自動化紅隊測試累計投入約 70 萬 A100e GPU 小時，用于系統性發現潛在漏洞并強化防護能力。

OpenAI 表示，GPT-5.6 的安全體系結合了模型內置安全訓練、實時檢測、持續監控以及基于用戶信任等級和風險水平調整的訪問控制機制。相比此前模型，GPT-5.6 在網絡安全和生物領域能力進一步增強，但測試結果顯示，其尚未達到 OpenAI 定義的“關鍵風險”水平。

具體來看，在網絡安全領域，GPT-5.6 更擅長漏洞發現、代碼修復、安全審查等防御型任務，而不是針對高防護目標執行完整自主攻擊；在生物領域，模型能夠輔助合法科研工作，但尚不具備端到端設計、制造高度危險新型威脅的能力。

與此同時，OpenAI 表示，GPT-5.6 相比此前模型消耗更少 Token。

在 ExploitBench2 （該測試衡量模型從發現漏洞代碼到實現任意代碼執行的能力）測試中，GPT-5.6 Sol 得分達到 73.5%，明顯高于 GPT-5.5 的 47.9%。

在 ExploitGym3（該測試要求 Agent 將真實世界漏洞轉化為可運行攻擊樣本）測試中，在兩小時限制下，GPT-5.6 Sol 最高通過率達到 24.9%，相比 GPT-5.5 的 15.1%接近翻倍；延長至 6 小時后，通過率進一步達到 33.7%。

在 SEC-Bench Pro 測試中，GPT-5.6 Sol 取得 71.2%的成績，高于 GPT-5.5 的 45.8%，同時保持更低延遲。

OpenAI 正在通過 Trusted Access for Cyber 項目，為經過驗證的個人和組織提供更強安全能力，包括漏洞分析、惡意軟件研究、檢測工程以及補丁驗證等場景。未來，其將繼續通過漏洞獎勵計劃、實時監控和快速修復機制完善安全體系，并根據真實使用過程中發現的新風險持續調整防護措施。

辦公能力全面增強，還推出了內置 GPT-5.6 的超級應用？

在辦公領域，OpenAI 還推出了由 GPT-5.6 提供支持的 ChatGPT Work，其定位為 ChatGPT 內置的智能體，幫助用戶承擔更復雜、更具挑戰性的工作任務。借助這一能力，ChatGPT 不再局限于回答問題，而是能夠圍繞目標自主規劃、執行并交付完整成果。

據 OpenAI 介紹，ChatGPT Work 可以從用戶連接的應用和工作流中獲取信息，并基于這些數據生成可直接使用的工作成果，包括表格、PPT、文檔以及 Web 應用等。同時，它能夠將復雜項目拆解為多個步驟，自主推進任務執行，并持續處理長達數小時的工作流程。

這一變化意味著，ChatGPT 正在從“輔助工具”向“任務執行者”轉變。用戶不再需要逐步指導 AI 完成每個操作，而是可以直接提出目標，由智能體負責規劃路徑、調用工具并完成交付。

內置 Codex 后，ChatGPT 已經能夠超越傳統問答模式，在網頁端、移動端和桌面端完成真正的工作任務。

活動運營看板案例

官方表示，使用 ChatGPT Work 的最佳方式，是交給它一個你已經很熟悉的任務，你跟進它的進展、回答問題、改變方向，并批準重要操作。你甚至可以用一個請求讓 ChatGPT Work 接手整個工作流。例如，它可以把客戶研究轉化為營銷活動簡報，再用該簡報創建營銷素材，并在每一步都保留上下文的同時，為不同市場調整這些素材。

即使你離開電腦或手機，ChatGPT Work 也能通過定時任務持續推進項目。例如，它可以獨立地將 Microsoft Teams 和 Slack 的新消息轉化為更新后的文檔或幻燈片，然后與團隊分享重要變更。

在網頁和移動端上，ChatGPT Work 功能現已在 Pro、Enterprise 和 Edu 套餐中推出。未來幾天內，該功能還將推廣到 Plus 和 Business 套餐用戶。

不過，目前看大家對 ChatGPT Work 的評價比較兩極分化。

有網友對 ChatGPT Work 評價極高，“ChatGPT Work 將像 2023 年的 Claude Code 一樣，引發互聯網級別的震動。OpenAI 正在把 Codex 應用整合進主 ChatGPT 應用中，這意味著所有用戶都將能夠使用 Codex。‘超級個體生產力時代’現在已經到來。”

不過，也有用戶對 ChatGPT Work 的定位提出疑問：“Codex 和 ChatGPT 是合并成了 ChatGPT Work 這個應用，還是說 Codex 仍然作為一個獨立的應用存在呢？”

隨后，Altman 回答了這個問題，“Codex 不會被取代。”

實際上，GPT-5.6 本身也這次更新中加強了在設計、知識工作、科學研究等專業場景的能力。

首先，GPT-5.6 在設計判斷能力方面實現重大提升。相比過去主要根據需求生成代碼或內容，GPT-5.6 能夠基于較高層級的目標描述，直接創建更具審美、符合人體工程學且具備實際功能的交互界面。

與此同時，GPT-5.6 進一步增強了計算機操作能力。模型不僅能夠生成底層代碼，還可以直接檢查最終渲染效果，對視覺和功能問題進行識別，并主動完成優化調整。

這意味著 GPT-5.6 能夠參與更完整的產品設計流程：從生成界面，到檢查實際效果，再到修正細節，最終交付接近可直接使用的成果。

在知識工作場景中，OpenAI 表示，GPT-5.6 能夠更好地處理來自文檔、Slack、Notion、Microsoft 365 以及 Google Drive 等日常工作環境中的非結構化信息，并將其轉化為專業級、可共享的工作成果。

在 BrowseComp 測試中，GPT-5.6 Sol 取得 92.2% 的成績，刷新最高水平；在 OSWorld 2.0 測試中達到 62.6%，超過 Claude Opus 4.8，同時輸出 Token 減少 85%。

OpenAI 表示，GPT-5.6 系列整體都實現了更高的性價比。其中，GPT-5.6 Luna 在不到一半成本的情況下，接近 GPT-5.5 此前最高性能水平；GPT-5.6 Terra 則在更低成本下進一步超過 GPT-5.5。

OpenAI 表示，GPT-5.6 在生成 PPT、文檔和電子表格方面也取得明顯進步，輸出結果更加精致、準確。其中，模型可以從零開始創建完整可編輯的演示文稿，將用戶輸入的需求和參考資料轉化為具有清晰視覺邏輯的內容，包括合理布局、信息層級以及統一設計風格。

在處理模板和參考文件時，GPT-5.6 能夠理解原始文檔背后的設計系統，包括頁面布局、字體規范、間距規則、色彩體系、重復出現的內容結構、Slide Master（幻燈片母版）中的隱藏規則。隨后，模型能夠將這些設計規范一致地應用到新內容中。

此外，GPT-5.6 在復雜文檔和表格任務中也表現更強，包括更準確處理公式，更可靠構建金融模型，更合理運用排版、間距和信息層級，更好適配復雜頁面和工作表布局。

此外，GPT-5.6 在科學研究任務中也實現全面提升。

在生命科學相關評測中，GPT-5.6 Sol 相比 GPT-5.5 實現明顯的性能—成本優化，在真實生物學研究、生命科學工作流以及化學研究任務中均取得更優結果。

其中，模型在 GeneBench Pro、LifeSciBench 和 MedChemBench 等測試中表現提升。OpenAI 稱，GPT-5.6 能夠以更少 Token、更短時間完成復雜基因組分析和定量生物學研究任務。

官方指南中的一些爭議

OpenAI 發布 GPT-5.6 后，社區迅速展開討論。

“SOL Ultra Fast 模式用了 2x100% 額度，但任務進度還停留在 1/5……哈哈哈。另外，為什么你們降低了 5 小時窗口的額度？以前它占每周額度的 20%，現在變成了 15%，這可是一個很大的變化……”有網友說道。

討論最集中的地方之一，是 OpenAI 官方開發者指南中關于提示詞的新建議：GPT-5.6 對“簡潔”類指令更加敏感，官方建議用戶不要簡單要求“簡短回答”，而應該明確要求模型“先給結論、提供必要證據、刪除重復內容”。

部分網友認為，這說明 GPT-5.6 正在改變人機交互方式。

有表示，過去的大模型經常輸出大量無關內容，而如果新模型能夠根據場景自動控制篇幅，“這是純粹的勝利”。還有用戶認為，模型真正應該做到的是判斷“什么時候應該詳細，什么時候應該簡短”，而不是機械執行“少說一點”。

但也有人質疑，用戶要求“簡短回答”，本質上就是因為“不想讀 20 段廢話”，如今卻要求用戶寫更復雜的 Prompt 去告訴模型應該保留哪些內容，這反而增加了使用成本。該網友評論稱，用戶只是想“用幾句話確認方向”，而不是重新學習如何描述輸出格式。

“大模型總喜歡聽自己講話。”有網友甚至調侃，隨后有人回復稱這可能與訓練數據有關，因為“沉默的人不會寫博客”。

部分開發者認為，批評 GPT-5.6 變得“不夠話癆”其實誤解了模型發展的方向。

“如果模型能力提升，那么它應該更準確判斷不同任務需要多少解釋，而不是所有問題都采用同一種輸出長度。”他認為，過去模型默認輸出大量文字，本身就是體驗問題。

也有網友指出，真正的問題不是模型說得少，而是模型是否真的理解任務。他希望未來模型可以“內部完成推理”，然后只展示用戶需要的信息。

這類觀點背后反映的是 AI 產品設計的一種變化：過去用戶需要訓練模型“怎么回答”，未來模型可能需要主動判斷“用戶到底想要什么”。

有用戶警告，“更好猜測用戶意圖”可能是一條危險路徑。他指出，在搜索、推薦系統和社交媒體領域，平臺不斷優化“預測用戶喜歡什么”，最終往往導致內容越來越同質化。他擔心，大模型如果過度依賴猜測，會出現類似問題：輸出越來越符合平均用戶，而越來越難滿足那些擁有特殊需求、專業場景或者非典型目標的人。該網友認為，模型真正需要做的不是“更大膽猜測”，而是在必要時主動要求用戶澄清。

這一觀點獲得不少開發者共鳴。

另一個爭議點來自 Token 消耗。有網友注意到，無論是 OpenAI 提倡減少冗余輸出，還是其他模型廠商強調自適應推理，本質上都在推動模型自行決定使用多少計算資源。因此，有網友質疑，這是否意味著 AI 公司正在讓模型擁有更大的 Token 使用控制權，因為企業按照 Token 或計算量收費。

有網友認為，未來競爭重點不會是單純輸出更多內容，而是“每完成一個任務需要多少成本”。如果模型能夠用更少 Token 達成同樣結果，對用戶和企業都是好事。

這實際上對應 AI 行業正在發生的變化：過去比拼的是模型智力，現在開始比拼“單位任務成本”。

https://openai.com/index/gpt-5-6/

https://openai.com/zh-Hans-CN/index/chatgpt-for-your-most-ambitious-work/

聲明：本文為 InfoQ 原創，不代表平臺觀點，也不構成投資建議，未經許可禁止轉載。