GPT-5.6、ChatGPT Work 与 Codex 更新食用指南

GPT5.6的发布,OpenAI 同时更新了模型、长任务功能和代码执行环境,使得用户可以提交目标、材料和验收标准,并获得可审阅的结果。

Chat 适合回答问题和处理短任务;Work 可以找资料、调用工具、制作文档;Codex 可以修改仓库、运行测试、审查 diff。


零、先说结论

  1. 官方名称需要分开写。
    GPT-5.6 是模型家族;ChatGPT Work 和 Codex 是使用这些模型的产品功能。“ChatGPT 5.6”只是日常简称。
  2. GPT-5.6 提供 Sol、Terra、Luna 三种模型。
     它们分别面向复杂高价值、日常均衡、清晰高频任务;先按任务选模型,再按需要提高推理强度。
  3. Chat、Work、Codex 的分工清楚了。
     Chat 负责快速回答,Work 负责可审阅的交付物,Codex 负责可验证的代码与工程任务。
  4. Codex 已并入 ChatGPT 桌面端。
     项目、设置和工作流会保留,同时增加应用内编辑、PR 评审和多仓库项目。
  5. vibe coding 更容易上手,验收却省不掉。
     GPT-5.6 更善于理解意图和做前端,需求边界、权限、测试与人工审阅仍要明确。
  6. API 团队可以使用一组新的 Agent 运行能力。
     Programmatic Tool Calling、多智能体 beta、显式缓存、跨轮次推理和 Pro mode,分别处理长任务中的数据加工、并行、成本与连续性问题。

一、这次到底发布了什么

OpenAI 在 2026 年 7 月 9 日发布的内容分为模型、产品和工程工具三部分:

层次
更新
直接变化
对工作方式的影响
模型
GPT-5.6
Sol / Terra / Luna 三档模型,支持更高推理、工具调用与长任务
同一套能力可以按质量、速度和成本路由
产品
ChatGPT Work
可围绕目标持续数小时,调用文件、插件和工具,产出文档、表格、演示和 Sites
ChatGPT 支持长任务,并输出可审阅的交付物
工程
Codex 进入 ChatGPT 桌面端
编辑、代码、PR、终端、Computer Use、多仓库项目进入同一应用
产品工作与代码工作进入同一个应用与本地操作环境

官方在 7 月 6—10 日更新摘要里,把三件事列在同一个发布周期中;Codex Changelog 的 7 月 9 日条目标题是 “Codex joins the ChatGPT desktop app”。在桌面端,用户可以在同一任务中管理工具、文件和审阅。

时间线上还有一个细节:GPT-5.6 在 6 月 26 日先向少量受信任伙伴开放预览,7 月 9 日正式发布。预览阶段与美国政府的网络安全评测协调有关;相关行政令规定的是最长 30 天的自愿协作框架,并非发布许可或强制审批。理解产品时,区分“有限预览”和“正式可用”即可,监管背景不能拿来证明模型能力。

名词纠正:下文统一使用 GPT-5.6 指模型家族,使用 ChatGPT Work 指长任务功能,使用 Codex 指代码与工程功能。

二、GPT-5.6:先选模型,再设置推理强度

2.1 Sol、Terra、Luna 怎么分

模型
官方定位
推荐任务
不建议默认使用的场景
gpt-5.6-sol
旗舰能力,复杂编码、Computer Use、研究和安全工作最强
跨仓库重构、复杂产品研究、高价值方案、难排障、成品级前端
规则明确的批处理、简单改写和高频抽取
gpt-5.6-terra
能力与成本均衡,官方称可用更低成本获得与 GPT-5.5 有竞争力的表现
日常编码、PR 评审、需求整理、数据分析、常规 Agent
极难问题或大量完全固定的流水线任务
gpt-5.6-luna
家族中最快、成本最低,面向清晰高频任务
分类、抽取、格式转换、结构化摘要、批量轻任务
高歧义决策、复杂架构判断、重要安全审计

如果你不想研究参数,直接从 Power 开始即可:官方默认配置是 gpt-5.6-sol + medium reasoning。日常大量任务可优先试 Terra,固定规则的批处理再试 Luna。

API 里,gpt-5.6 别名会路由到 gpt-5.6-sol。三档模型当前都提供 1,050,000 tokens 上下文、922,000 tokens 最大输入和 128,000 tokens 最大输出,接受文本与图像输入、输出文本,并支持 web search、file search、Computer Use、MCP、Tool Search、Skills、Apply Patch 等工具。

2.2 API 价格与产品可用范围

下面是 OpenAI 公布的 API 标准价格。ChatGPT 订阅费用另行计算:

模型
输入 / 1M tokens
输出 / 1M tokens
适合怎么用
gpt-5.6-sol
$5.00
$30.00
少量、高价值、复杂度高的任务
gpt-5.6-terra
$2.50
$15.00
日常主力与成本敏感的交互任务
gpt-5.6-luna
$1.00
$6.00
规则清晰、量大、可评测的任务

输入输出规模相同时,Luna 的名义 token 价格约为 Sol 的五分之一。实际选型还要看每个合格交付物的总成本:失败重试、工具调用、reasoning、缓存和人工返工都算在内。

产品侧的首发可用范围也不同:

  • Chat
    :Plus、Pro、Business、Enterprise 可使用 GPT-5.6 Sol 的 medium 及以上设置;Pro 和 Enterprise 还可选择 Sol Pro。
  • Work 与 Codex
    :Free 和 Go 使用 Terra;Plus、Pro、Business、Enterprise 可选择 Sol、Terra、Luna。
  • 高阶设置
    :在 Work 与 Codex 中,有 GPT-5.6 访问权的用户可启用 Max;Ultra 在 Work 面向 Pro、Enterprise,在 Codex 面向 Plus 及以上计划。

这些权限仍可能受地区、管理员设置和渐进发布节奏影响。做团队推广前,先用真实工作区确认,不要只看宣传页。

2.3 Light、Medium、Max、Ultra 四种推理设置

  • Light / Low
    :任务清楚、追求快,例如改一段文案、修一个小函数。
  • Medium
    :默认均衡档,适合大多数需要计划与检查的任务。
  • High / Extra High
    :多步骤、跨来源、存在权衡的复杂任务。
  • Max
    :增加单个模型的推理投入,适合质量优先且能接受等待的难题。
  • Ultra
    :启动多个 subagents 并行分工;官方默认配置会协调四个 agent,适合能拆成独立工作流的大任务。

选择时先看任务结构:难且不可拆,用 Max;大且能拆,用 Ultra;其余先用 Medium。 官方提醒,大多数任务并不需要 Max 或 Ultra,Ultra 的高并发还可能快速增加用量。

2.4 产品和 vibe coding 相关变化

前端完成度更高。 OpenAI 将布局、视觉层级、设计判断和可用性单独列为 GPT-5.6 的提升方向。生成的页面更接近可用产品,但设计系统、品牌规范和真实用户测试仍由团队负责。

模糊需求更容易被理解。 不必再把每个中间步骤都写成操作手册,但权限边界、禁止动作和验收标准仍应明确。这些内容一旦含糊,最后的误操作和返工仍由团队承担。

旧 prompt 可以适当缩短。 OpenAI 的内部评测显示,把冗长 system prompt 缩短后,分数提高约 10%—15%,总 token 降低 41%—66%,成本降低 33%—67%。这组数据不一定能在每个业务里复现,可靠的做法是先删重复规则,再用真实 eval 检查是否需要补回约束。

GPT-5.6 本身已经偏向压缩输出。只写“尽量简短”,可能把必需交付物也一起删掉。可以改成:

结论先行。保留完成任务所需的事实、证据、风险和下一步;
优先删除套话、重复和与决策无关的背景。

2.5 Benchmark:终端和浏览表现突出,代码修复仍有差距

正式发布页给出了较完整的评测矩阵。下面只取四项和产研工作关系较大的数据,用来判断它擅长什么、又在哪里落后:

评测
GPT-5.6 Sol
Sol Ultra
说明
Terminal-Bench 2.…
— 以上为试看内容(约 40%),开通会员后阅读全文 —