尽管关于奥特曼“瘫坐”的间G急段子已屡见不鲜，但每当 OpenAI 推出新模型，间G急市场依然充满期待。间G急此次，间G急GPT-5.6 系列正式亮相，间G急一口气推出三款型号：Sol（旗舰）、间G急Terra（均衡）与 Luna（性价比），间G急命名灵感源自拉丁语中的间G急太阳、大地与月亮。间G急

💰 定价策略：极致性价比

• Sol (旗舰)：输入 $5/百万 token，间G急输出 $30/百万 token。间G急
• Terra (均衡)：价格减半，间G急输入 $2.5，间G急输出 $15。间G急
• Luna (入门)：最具竞争力，间G急输入 $1，输出 $6。

API 详细价格参考：OpenAI Developers Pricing

相比此前 Fable 5 的波折，GPT-5.6 三款模型将全量上线，并在 24 小时内覆盖 ChatGPT、Codex 及 API 端。

🚀 产品整合：Codex 并入 ChatGPT

此次最大的产品变革在于 Codex 独立 App 下线，但其核心能力并未消失，而是完全整合进 ChatGPT，打造出一个全新的 AI 超级应用。GPT-5.6 正是驱动这一新入口的核心引擎。

面对压力，竞争对手 Anthropic 似乎“懂事”地主动重置了 Claude 的额度。

⚔️ 竞争格局：GPT-5.6 vs Claude Fable 5

在 GPT-5.6 的官方博客中，Claude被提及的频率极高，仿佛为其做了免费广告。OpenAI 通过多项硬核评测展示优势：

1. Agents' Last Exam：横跨 55 个行业的长程智能体工作流评测。
2. GPT-5.6 Sol得分 53.6，创下新高。
3. 比 Claude Fable 5（自适应推理）高出 13.1 分。
4. 即使仅开启中档推理，Sol 仍比 Fable 5 高 11.4 分，且成本仅为对方的 1/4。
5. 更小的 Terra 和 Luna 也超越 Fable 5，成本约为 1/16。

1. Artificial Analysis 智能指数：
2. Sol 满配推理模式下，与 Fable 5 仅差 1 分。
3. 耗时减少 61%，成本约为 50%。

核心叙事：性价比。正如奥特曼在 X 平台所言，OpenAI 听到了企业对 AI 成本的担忧，GPT-5.6 在“单次任务成本”上实现了重大突破。

为了优化成本，OpenAI 调整了计费规则：
* 提示词缓存写入：按常规输入价的 1.25 倍收费。
* 缓存读取：仅收 10%费用。
* 开发者控制：可手动设置缓存断点，缓存至少保留 30 分钟，使账单更可预测。

💻 编程能力：主战场上的胜利

• Artificial Analysis 编程智能体指数：
• Sol得分 80，刷新纪录，比 Fable 5 高 2.8 分。
• 输出 Token 减少 50%+，耗时减少 50%+，成本降低约 33%。
• 在 Terminal-Bench 2.1 和 DeepSWE 上也刷新最佳成绩。

• Terra & Luna：
• Terra 略高于 Fable 5，Luna 超过 Opus 4.8。
• 两者耗时仅为对手的 1/3，成本约为 1/4。

早期用户反馈积极，Lovable 联合创始人表示，新模型使应用构建步骤减少 25%，工具调用减少 35%-48%，卡死任务减少 15%。

网友测试显示，Sol 能自主运行近一周，生成高精度的体素版曼哈顿，甚至能一口气打造《我的世界》场景。

🔗 开发者 Matt Shumer 的测试案例

🎨 设计与办公：跨越式进步

除了代码，OpenAI 强调 GPT-5.6 在设计品味和电脑操作上的提升：

1. 设计判断力：只需给出大方向，模型即可生成具有审美且易用的界面。
2. 自我验收：利用增强的电脑操作能力，模型能检查渲染成果，发现视觉/功能问题后自行修正，而非“写完即止”。
3. 办公场景：
4. BrowseComp 网页浏览评测：Sol 得分 92.2%（新纪录）。
5. OSWorld 2.0 电脑操作评测：Sol 得分 62.6%，超越 Opus 4.8，输出 Token 减少 85%。

PPT 案例对比：
* GPT-5.5：更新数据时丢失母版关键元素。
* GPT-5.6：推断整套设计系统，原样套用于新内容，保持格式一致。
* 文档与表格中，公式和财务模型的精度显著提升。

📉 劣势与争议：数据背后的微妙之处

尽管宣传声势浩大，但评测表格中仍有几处数据值得注意：

1. SWE-Bench Pro：
2. Sol: 64.6%
3. Claude Fable 5: 80%
4. Anthropic Mythos 5: 80.3%
5. 结论：在复杂软件工程任务上，Claude 依然领先。

1. FrontierMath (Tier 4)：
2. Sol: 65.9%
3. GPT-5.5: 72.5%(上代更强)
4. Fable 5: 87.8%

5. 结论：在高难度数学推理上，GPT-5.6 甚至不如上代，且远逊于 Claude。

6. GDPval-AA：

7. Sol: 1747.8 Elo
8. Fable 5: 1759.6 Elo
9. 结论：专业工作评测中略逊一筹。

生物评测小心机：
在 GeneBench Pro 中，OpenAI 特别注明：Claude Fable 5 未列入排名，因其“不回答高阶生物问题，拒答了大多数题目”。这一脚注被解读为对竞争对手的隐性嘲讽。

🤖 新功能：Ultra 模式与多智能体

GPT-5.6 引入 Ultra 模式，核心逻辑是“人多力量大”：
* 并行智能体：默认派出 4 个智能体，最多可扩展至 16 个。
* 效果：通过消耗更多 Token，换取更强结果和更快速度。
* 评测提升：在 BrowseComp、SEC-Bench Pro、Terminal-Bench 2.1 中，多智能体显著优化了“分数-耗时”曲线。

此外，还推出了 Max 模式，提供更充裕的思考时间用于推理和验算。API 侧新增 Programmatic Tool Calling，允许模型自行编写小程序来调度工具和过滤数据，大幅减少 Token 传输。

🛠️ 产品矩阵：ChatGPT Work 上线

除了模型，OpenAI 发布了三款新产品：

1. ChatGPT Work：
2. 定义：能跨应用行动、执行长时任务、将目标转化为成品的智能体。
3. 背景：Codex 每周活跃用户超 500 万，其中 100 万+ 非编程用途。
4. 三大功能：
5. 资料整合：利用 GPT-5.6 的设计理解，一步完成分析、整理与生成。
6. 企业工具连接：通过统一插件目录调用应用上下文，融入企业工作流。
7. 定时任务：自动执行监控、汇总等重复任务，成为“半自动员工”。

1. Sites：
2. 公测版功能，将分析结果一键转化为可分享的交互网站或 Web 应用（如仪表盘、原型）。

1. 桌面 App 整合：
2. Chat、Work、Codex 三个模式整合至同一桌面 App。
3. Codex 保留编码特性（Diff 编辑、PR Review、多仓库支持）。
4. 原 ChatGPT 桌面 App 更名为 ChatGPT Classic。
5. 独立 Atlas 浏览器功能并入 Chrome 侧边栏插件。

内部采用情况：
OpenAI 内部接近 100% 团队使用 ChatGPT Work 和 Codex。销售团队利用其在 24 小时内完成定制化概念验证，此前需数周。

🧠 AI 训练 AI：自动化研究员时代

发布会透露，最便宜的 Luna 模型，其后训练环节由旗舰 Sol 独立完成。
* 流程：研究员仅输入简短 Prompt（找配置、找 GPU、启动脚本），Sol 自动完成剩余工作。
* 意义：OpenAI 研究员表示，“自动化研究员”时代已近。

内部数据震撼：
* 过去 6 个月，内部代码推理算力份额增长 100 倍。
* 智能体 Token 用量增长 22 倍。
* GPT-5.6 内测期间，研究员人均每日输出 Token 量是 GPT-5.5 最高水平的 2 倍。

OpenAI 推出 RSI 指数（递归自我改进）量化此趋势，GPT-5.6 Sol 得分比 GPT-5.5 高出 16.2 分。

网络安全突破：
* ExploitBench 得分从 47.9% 提升至 73.5%。
* ExploitGym 接近翻倍。
* 可信访问机制：个人需实名验证及高级账户安全才能使用最强网络安全能力，高风险地区受限。

安全测试投入约 70 万 A100 等效 GPU 小时，拦截潜在有害行为数量增加 10 倍。为减少误伤，ChatGPT 和 Codex 新增“一键换低配模型重试”按钮。

👥 用户权益对照表

Max 模式：所有支持 GPT-5.6 的 Work 和 Codex 用户，均可在设置中开启。

🧌 One More Thing：哥布林之谜终解

回顾 GPT-5.5 时期，模型因 Reward Hacking 疯狂输出“哥布林”和“小精灵”，导致 OpenAI 不得不发布补丁要求模型克制。

此次，OpenAI 宣布该问题已在 GPT-5.6中修复。
* 官方措辞：模型只会在“可爱或合适的场合”聊适量的哥布林。
* 解读：哥布林未被彻底删除，而是从“病态执念”降级为“偶尔的小爱好”。

恭喜 GPT 成功戒断依赖，也恭喜哥布林保住了 AI 编制（doge）。