GPT-5.6一發布，Claude終于舍得重置Fable 5額度了

聽雨 發自 凹非寺量子位 | 公眾號 QbitAI

OpenAI誠不欺我…今天凌晨，GPT-5.6正式來了！

奧特曼表示：這是OpenAI迄今最強模型，GPT-5.6的技術博客也可能是他們寫過最好的blog之一。

好家伙，模型要SOTA，連blog也要SOTA唄（

目前ChatGPT、Codex以及API，哪哪都可以使用了。

Codex已經被奪舍了…甚至你不強行挽留的話，顯示的都不是Codex的標（doge）。

原有的Codex桌面應用直接升級成了新的ChatGPT桌面應用，老版ChatGPT桌面應用則更名為 “ChatGPT Classic”。

社區也開始瘋狂整活。Matt Shumer讓GPT-5.6-Sol一口氣搓了個“方塊版曼哈頓”：

高樓、街區、道路，全是voxel風格，GPT-5.6-Sol自主運行了一周，搭了個紐約樂高城。

他還表示：照這個趨勢，明年這個時候模型可能已經可以one-shot生成GTA級別的游戲了。

數學研究者nasqret則分享，GPT-5.6幫助他推進了一個關于代數幾何中K3曲面的問題。

GPT-5.6-Sol被喂進大量技術文檔后，在Codex里一路查資料、找方法、寫程序，最后挖出了一條分式線性規劃的思路。

模型把計算方案實現出來，去跑他們整理的K3曲面家族，直接突破了原先猜想。

此外，這次還同步發布了ChatGPT Work

由Codex和GPT-5.6驅動，可以跨應用和文件行動，必要時持續數小時，把目標變成完成品。

但也有網友吐槽：GPT-5.6太燒token了！！！

ultra模式在15分鐘內就燒完Pro會員5小時限額的程度。

GPT-5.6正式上線

GPT-5.6家族分三檔：

• Sol：旗艦模型，主打最高能力；
• Terra：平衡款，面向日常工作；
• Luna：最快、最便宜，主打高性價比。

命名分別對應太陽、地球、月亮。

官方說法是，GPT-5.6 Sol在編碼、知識工作、網絡安全、科學任務上達到SOTA，同時用更少token、更低估算成本完成任務。

這次GPT-5.6還帶來了一個很關鍵的新模式：ultra。

如果說max是讓模型在一個任務上投入更多推理時間，那么ultra就更進一步，直接把任務交給多個agent并行處理。

按照OpenAI的說法，ultra默認會協調4個agent同時工作，可擴展至16個。

GPT-5.6還帶來一項工程側的新能力：Programmatic Tool Calling（程序化工具調用）。

簡單說，模型可以自己寫一段輕量程序來協調多個工具調用、處理中間結果、監控進度并決定下一步動作。

不需要開發者把每一步都寫死腳本，也不用把每次工具返回結果都塞回模型里過一遍。

這讓“工具密集型”任務能用更少的token、更少的模型往返次數完成。

那么，GPT-5.6相比Fable 5如何呢？

OpenAI表示，在 Agents’ Last Exam（覆蓋55個專業領域的長周期工作流測試）上，Sol以53.6分刷新紀錄，比 Fable 5 高出13.1分。

即便調低到中等推理強度，仍能以大約四分之一的成本領先11.4分。

這種效率優勢同樣體現在小尺寸模型上——Terra和Luna分別以約十六分之一的成本反超 Fable 5。

代碼能力上，官方稱GPT-5.6 Sol是OpenAI目前最強代碼模型。

在Artificial Analysis Intelligence Index上，Sol（最高推理強度）與 Fable 5的分差被壓縮到1分以內，但完成任務的時間少61%，成本約為一半。

在設計能力上，GPT-5.6實現了飛躍。

GPT-5.6只需要高層級的指示，就能做出美觀、符合人體工學、功能完整的界面。

關鍵的是，它的電腦操作能力讓它能夠檢查和打磨“渲染出來的最終效果”，而不只是生成底層代碼或文字內容。

也就是說，它能自己發現視覺和功能上的問題，交付前再做一遍收尾打磨。

比如這個帆船主題游戲，就是由GPT-5.6自主生成的：

這前端設計，這互動體驗，不得不說真有點太絲滑了。

此外，GPT-5.6也能完成端到端的知識工作

它能把Slack、Notion、Microsoft 365、Google Drive里那些“雜亂無章”的日常工作素材，轉化為專業水準、可直接分享的成果。

在涉及長周期專業分析、網頁瀏覽、工具使用和電腦操作的評測中，Sol在BrowseComp上拿到92.2%的新紀錄，在 OSWorld 2.0上達到62.6%。

后者甚至超過了Claude Opus 4.8，同時輸出token少了85%。

在演示文稿、文檔、表格這類具體產出上，官方特別強調了“遵循模板和參考文件”這項能力的提升。

GPT-5.6能識別一份幻燈片的整體設計體系（布局、字體、間距、配色，乃至藏在幻燈片母版里的規則），并把這些規范一致地套用到新內容上。

在定價方面（每百萬 token）：

• Sol：輸入$5/輸出$30；
• Terra：輸入$2.5/輸出$15；
• Luna：輸入$1/輸出$6。

ChatGPT Work登場：把目標變成完成品

ChatGPT Work這次也同步上線。

它由Codex和GPT-5.6驅動，可以跨應用和文件行動，必要時持續數小時，把目標變成完成品。

主要能力有三項：

跨應用取材、跨文件行動：通過內置的“統一插件目錄”，ChatGPT Work首發即可連接 Google Drive、SharePoint、Slack、Microsoft Teams、Gmail等一連串第三方服務。

用戶可以主動指定要調用的數據源,也可以讓模型自己判斷該去哪里找信息。

產出“成品”而不是草稿：官方給出的場景是根據任務直接生成 Excel 表格、Word 文檔、幻燈片、報告或網站（Sites），模型會自己檢查渲染后的最終效果并做收尾打磨。

長任務與持續監督并存：任務可以運行一次性，也可以按計劃重復執行，或者依據觸發條件（比如某個文件被更新）自動啟動，這套機制復用了ChatGPT里已有的“Scheduled Tasks”。

過程中用戶可以隨時查看進度、回答模型的追問、調整方向，或者對關鍵動作進行審批。

安全性上強調Auto-Review：讓能力更強的模型在關鍵動作真正執行前先做一遍檢查。在對抗性紅隊測試中，該機制攔下了全部嘗試竊取受保護數據的攻擊。

這次發布也順帶完成了一次產品架構的合并

ChatGPT桌面端不再只是聊天窗口，而是拆分成Chat/Work/Codex三種模式。

• Chat用于問答、搜索、頭腦風暴等輕量對話；
• Work面向研究選題、信息分析、文檔/表格/演示文稿/網站等成果型任務；
• Codex繼續專注軟件開發，展示更多技術細節(代碼、diff、PR)，而 Work則把這些細節抽象掉，只呈現結果。

同時，OpenAI也順勢宣布將逐步淘汰獨立的Atlas瀏覽器，相關的智能體瀏覽能力會并入ChatGPT內置瀏覽器和新的Chrome側邊欄擴展。

安全放到了C位

安全方面，GPT-5.6也沒落下。

官方稱GPT-5.6是“迄今最強的網絡安全模型”，而且是用明顯更少的token做到的。

在 ExploitBench（衡量從發現漏洞代碼到實現任意代碼執行的完整進展）上，GPT-5.6得分73.5%，而 GPT-5.5 只有47.9%（token預算相當的情況下）。

在 ExploitGym（要求智能體把真實漏洞轉化為可用的漏洞利用程序上），兩小時時限內的最高通過率從GPT-5.5的15.1%幾乎翻倍到24.9%，六小時時限下能到33.7%。

在 SEC-Bench Pro（測試復雜軟件中的概念驗證生成）上得分71.2%，大幅領先GPT-5.5的45.8%，延遲表現也更好。

出于對濫用風險的考量，GPT-5.6 對“防御性”網絡安全任務（代碼安全審查、補丁開發、威脅建模、藍隊工作等）提供支持。

但更高級別的能力——比如漏洞分診驗證、惡意軟件分析、檢測工程、補丁驗證，只向 OpenAI Daybreak的“網絡安全可信訪問”計劃中通過身份驗證的個人和機構開放。

能力越強，紅線畫得也越謹慎。官方披露，這一代投入了前所未有的算力做安全測試。

結論是GPT-5.6在網絡安全和生物兩個維度均未越過“關鍵(Critical)”風險閾值。

具體到網絡安全，測試顯示它更擅長“找到并修復漏洞”，而不是可靠地對加固過的目標發起自主端到端攻擊——這給了防御方搶先補洞的窗口期。

生物領域則是能支持合法研究，但不具備從頭設計或合成高危新型威脅的端到端能力。

最后的最后…估計A社也是感受到了壓力。

Anthropic那邊看完發布會后，連夜表示：

• 我們重置了大家的額度。（狗頭)

網友的梗圖也已經如約而至：

有趣…真有趣啊。

[1]https://openai.com/index/gpt-5-6/
[2]https://x.com/openai/status/2075271435573244008
[3]https://x.com/sama/status/2075266471316615436