北京时间7月10日凌晨,OpenAI宣布结束GPT-5.6系列为期两周的限量预览,正式向全球用户全量开放。同一时间发布了ChatGPT Work,一个由GPT-5.6驱动、可以操作应用程序、处理文件并持续工作数小时的通用型智能体,同步上线Sites功能公测版,用户可以把工作成果直接生成为可分享的交互式网站。
伴随这次发布,独立的Codex应用正式消失,取而代之的是一个整合了Chat、Work和Codex三合一的桌面超级应用。这是OpenAI自2026年3月应用部门CEO菲吉·西莫(Fidji Simo)在内部全员会上透露合并计划以来,最大的一次产品形态重组。
OpenAI CEO山姆·奥特曼(Sam Altman)在太阳谷会议期间接受CNBC采访时说,“新旗舰模型GPT-5.6 Sol在智能体编码任务上的token效率提升了54%,这是他最看重的变化。现在每个企业都在考虑支出以及他们从AI中获得的价值,而这正是我们真正想做的。”
GPT-5.6系列6月26日首次亮相时,OpenAI用了一个罕见的限定:“应美国政府要求,仅向少量受信任合作伙伴开放。”
奥特曼也在媒体采访中首次披露了审批细节,公司与商务部长霍华德·鲁特尼克(Howard Lutnick)、财政部长斯科特·贝森特(Scott Bessent)和国家网络安全总监肖恩·凯恩克罗斯(Sean Cairncross)之间进行了“协作式往返沟通”,政府一方执行测试并提出问题,OpenAI一方解决问题。商务部当地时间7月8日正式批准全面发布,第二天OpenAI即宣布解禁。
01
模型效率比聪明更重要
这次开放的GPT-5.6系列包含全部三款模型:旗舰版Sol、均衡版Terra,以及最具成本效益的Luna。
API定价上,Sol每百万token输入5美元、输出30美元,Terra输入2.5美元、输出15美元,Luna输入1美元、输出6美元。
这次GPT-5.6系列的核心变化,直接把焦点从“拉高智力天花板”转向了市场最关心的痛点:用AI到底划不划算。
在多项权威基准测试中,GPT-5.6家族展现了强大的效率和成本优势。
在综合工作流评估(Agent's Last Exam)中,旗舰版Sol斩获53.6分,超越Claude Fable 5达13.1分,成本却仅为其四分之一。
即使在中等推理设置下,Sol依然能稳稳领先11.4分,而规模更小的Terra和Luna则以约十六分之一的极限成本完成了对Fable 5的越级超越。
GPT-5.6 Sol在Agent's Last Exam中以53.6分领先Claude Fable 5 13.1分
在衡量智能与速度的Artificial Analysis Index榜单上,Sol在最大推理设置下的智力表现与Fable 5几乎持平,但任务耗时暴跌61%,成本直接砍半。
在编程攻坚上,Sol在Coding Agent Index上以80分创下新纪录,超过Fable 5,且输出token和耗时全部减半,成本仅需三分之一。
GPT-5.6 Sol得分80,超越Fable 5(2.8分),且token、耗时、成本均大幅降低
此外,在桌面操作测试OSWorld 2.0、网安攻防测试SEC-Bench Pro中,GPT-5.6的表现同样亮眼,同时token消耗大幅下降。
这种效率的飞跃,源于模型可在内存中自编自运行轻量程序,实现工具协调和数据自滤。配合Responses API中的“程序化工具调用”,开发者无需再机械地为每一步写脚本。
针对地狱级难度的任务,GPT-5.6还提供了两套越级配置:Max模式愿意砸入算力与时间,进行深度推理、多方案探索与疯狂自检;Ultra模式则直接开启多智能体并联,默认4个、最高可拉满16个智能体死磕同一任务。
几位科技圈大咖在提前测试GPT-5.6后,给出了最直观的评测体验:
宾夕法尼亚大学沃顿商学院的伊桑·莫里克(Ethan Mollick)认为:“Sol适合那种需要反复拉扯、连我自己都没完全想明白需求的任务;而Fable则适合那些定义非常明确的长任务。”
知名投资人马特·舒默(Matt Shumer)的感受更直接,他解释称:“Fable有股‘初代大模型’的厚重味,而GPT-5.6感觉像是经过极致强化学习调优的精干模型。绝配组合是:让Fable写代码,让GPT-5.6来当审计员,后者在安全工作上主动性极强。”
科技评论家马修·伯曼(Matthew Berman)两个月用了超过25亿token。他的感…