OpenAI 近日正式推出了 GPT-5.6 系列模型，包含旗舰款 Sol、均衡款 Terra 和性价比款 Luna。此次更新不仅带来了性能的飞跃，更宣告了 Codex 独立应用的正式下线，其核心能力已全面融入 ChatGPT，共同构建一个全新的 AI 超级应用，由 GPT-5.6 作为其核心驱动引擎。
在定价方面，Sol 的输入每百万 token 为 5 美元，输出为 30 美元；Terra 的价格减半，分别为 2.5 美元和 15 美元；而 Luna 则最为经济，输入 1 美元，输出 6 美元。这些模型现已全面上线，并将在 24 小时内陆续覆盖 ChatGPT、Codex（此处指其集成能力）和 API。
本次发布会上，Claude 成为了一个隐形的“主角”。在横跨 55 个行业的长程智能体工作流评测 Agents’ Last Exam 中，GPT-5.6 Sol 以 53.6 分创下新高，比 Claude Fable 5（自适应推理）高出 13.1 分。即便在仅开启中档推理模式下，Sol 仍比 Fable 5 高出 11.4 分，而成本仅为对方的四分之一。更小的 Terra 和 Luna 也超越了 Fable 5，成本约为其十六分之一。
在覆盖面更广的 Artificial Analysis 智能指数上，Sol 在全推理档位与 Fable 5 仅差 1 分，但完成任务的耗时减少 61%，成本约为一半。这次发布的核心叙事非常明确：性价比。奥特曼也在 X 上强调，OpenAI 关注到了企业客户对 AI 成本的担忧，GPT-5.6 Sol 在“每个任务花多少钱”上迈进了一大步。为了强化省钱理念，新的计费规则引入了提示词缓存机制，写入按常规输入价 1.25 倍收费，读取则享受 一折优惠，开发者还可设置缓存断点，至少保留 30 分钟，使账单更加可预测。
编程是 GPT-5.6 的主战场之一。Sol 在 Artificial Analysis 编程智能体指数上拿到 80 分，刷新纪录，比 Fable 5 高 2.8 分，输出 token 和耗时不到一半，成本便宜约三分之一。在 Terminal-Bench 2.1 和 DeepSWE 上也取得了最好成绩。Terra 和 Luna 同样表现不俗，Terra 略高于 Fable 5，Luna 超过 Opus 4.8，两者耗时都只有对手三分之一左右，成本约为四分之一。早期客户反馈积极，例如 Lovable 联合创始人表示，新模型让用户构建应用的步骤减少约 25%，工具调用减少 35% 至 48%，卡死的任务减少 15%。开发者 Matt Shumer 展示了 Sol 自主完成的精美体素版曼哈顿，耗时近一周。
OpenAI 此次还强调了 GPT-5.6 在设计品味和电脑操作方面的显著提升。官方称其在设计判断力上实现了“跨越式进步”，能根据大致方向生成具有审美且易用的界面。更重要的是，它会利用增强的电脑操作能力自我检查渲染成果，发现视觉和功能问题并进行修正。在知识办公场景中，Sol 在 BrowseComp 网页浏览评测中取得了 92.2% 的新纪录；在 OSWorld 2.0 电脑操作评测中达到 62.6%，超过 Opus 4.8，同时输出 token 减少了 85%。在处理 PPT、文档和表格时，GPT-5.6 能推断并应用完整设计系统，确保格式和数据精度。
然而，并非所有评测都由 GPT-5.6 领先。在 SWE-Bench Pro 上，Sol 的得分是 64.6%，低于 Claude Fable 5 的 80% 和 Anthropic 更高阶的 Mythos 5 的 80.3%。在最难的 FrontierMath Tier 4 数学题上，Sol 为 65.9%，甚至不如自家上代 GPT-5.5 的 72.5%，而 Fable 5 为 87.8%。在 GDPval-AA 专业工作评测中，Sol 的 1747.8 Elo 略低于 Fable 5 的 1759.6。值得注意的是，在 GeneBench Pro 生物评测中，OpenAI 专门指出 Claude Fable 5 未被列入，因为它“不回答高阶生物问题，拒答了这项评测里的大多数题目”，言语间透露出微妙的竞争。
GPT-5.6 引入了“ultra 模式”，可并行派出最多十六个智能体协同工作，通过消耗更多 token 来换取更强结果和更快效率，在 BrowseComp、SEC-Bench Pro、Terminal-Bench 2.1 等评测中显著提升性能。此外，“max 模式”为模型提供更充裕的思考时间进行推理和验算。API 侧新增 Programmatic Tool Calling 功能，允许模型自主编写小程序来调度工具和过滤中间数据，大幅减少 token 传输，提高了模型自主执行复杂任务的能力。产品层面，OpenAI 发布了 ChatGPT Work——一个能跨应用和文件、持续执行数小时并产出成果的智能体，它底层应用了 Codex 技术。同时还推出了全新的桌面 App 和支持直接分享的 Sites。
本次 GPT-5.6 的发布，尤其是 Codex 能力的深度融合与 Programmatic Tool Calling 的引入，无疑为 AI Agent 生态注入了强大动力。对比当前主流的 Agent 框架，如 LangChain 或 CrewAI，GPT-5.6 在原生层面提供了更高级的自主规划与工具调度能力。传统的 Agent 需开发者显式定义工具并管理状态流，而 GPT-5.6 能“自行编写调度脚本”，这大大降低了 Agent 开发的复杂性，并提升了其在复杂任务中的鲁棒性与效率。特别是在 ultra 模式下，多智能体并行协作的实现，预示着未来 Agent 将能更高效地分解和解决超大型问题，这对于企业级应用场景具有革命性意义。未来，我们可能看到更少依赖硬编码逻辑、更多依赖模型“智能”涌现的 Agent 架构，推动从“工具使用者”向“智能工作流编排者”的转变，加速 AI Agent 成为真正意义上的“数字员工”。这对于提升 Agent 在编程、数据分析乃至创意设计等领域的自动化水平，乃至实现“AIGC 流程自动化”将产生深远影响。
