即便奥特曼瘫坐在椅子前的故事已经听过很多次，但每当 ChatGPT 发布新模型时，我们还是会下意识抱有一丝期待。
没有让我们等待太久，就在刚刚，GPT-5.6 系列正式登场，一口气发布三个型号：旗舰 Sol、均衡款 Terra，还有主打性价比的 Luna，名字分别取自拉丁语里的太阳、地球/大地和月亮。
价格上，Sol 每百万 token 输入 5 美元、输出 30 美元；Terra 直接减半，2.5 美元和 15 美元；Luna 最便宜，只要 1 美元和 6 美元。
▲ API 价格
https://ift.tt/FgCyxMW
相比于 Fable 5 的一波三折，今天起，三款模型将全量上线，24 小时内陆续覆盖 ChatGPT、Codex 和 API。
▲ 上压力之后，Anthropic 都变懂事了，主动重置 Claude 额度
这还不是最大的更新，Codex 独立 App 今天也下线了，但它没有消失。Codex 能力整个并入 ChatGPT，造就了一个新的 AI 超级应用。GPT-5.6，就是驱动这个新入口的核心引擎。
GPT-5.6 的发布会，Claude 成了隐藏主角
打开 GPT-5.6 的官方博客，你会发现一件事：Claude 被 cue 的次数，多到像是给对家打广告。对比之下，谁菜谁尴尬。
火药味最浓的是 Agents’ Last Exam，一个横跨 55 个行业的长程智能体工作流评测。GPT-5.6 Sol 拿下 53.6 分创下新高，比 Claude Fable 5（自适应推理）高出 13.1 分。
OpenAI 还嫌不够，补充说：就算只开中档推理，也比 Fable 5 高 11.4 分，成本只有对方四分之一左右。更小的 Terra 和 Luna 也超过 Fable 5，成本约为十六分之一。
在覆盖面更广的 Artificial Analysis 智能指数上，Sol 开满推理档，与 Fable 5 只差 1 分，但完成任务的耗时少 61%，成本约为一半。
看出来了吧，这次发布的核心叙事就一个词：性价比。同样的钱干更多活，或者同样的活花更少的钱。
奥特曼本人也第一时间在 X 上帮腔，说 OpenAI 听到了企业客户对 AI 成本的担忧，而 5.6 Sol 在「每个任务花多少钱」这件事上前进了一大步，Terra 和 Luna 同样如此。
为了把省钱的故事讲圆，计费规则也做了配合：提示词缓存的写入按常规输入价的 1.25 倍收费，读取只收一折；开发者还可以手动设置缓存断点，缓存至少保留 30 分钟，账单变得更可预测了。
当然，嘴上说得很好听，但实际操作可能又是另一回事。
编程是主战场。Sol 在 Artificial Analysis 编程智能体指数上拿到 80 分，创下新纪录，比 Fable 5 高 2.8 分，输出 token 不到一半，耗时不到一半，成本便宜约三分之一。Terminal-Bench 2.1 和 DeepSWE 上也刷新了最好成绩。
Terra 和 Luna 同样能打：Terra 在该指数上略高于 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。
已经上手的客户开始交口称赞。Lovable 联合创始人则表示，新模型让用户构建应用的步骤少了约 25%，工具调用少 35% 到 48%，卡死的任务减少 15%。
网友这边已经玩疯了。开发者 Matt Shumer 晒出 Sol 一次性搓出来的体素版曼哈顿，精度惊人，而且这活是模型完全自主跑了将近一周干完的。
一口气打造《我的世界》，也不在话下。
▲ https://x.com/preferredev\_/status/2075282363458982299
除了写代码，这次 OpenAI 反复强调的还有两个：设计品味和电脑操作。
官方说 GPT-5.6 在设计判断力上是「跨越式进步」，只给个大方向，它就能做出有审美、好上手的界面。
更关键的是，它会用增强后的电脑操作能力去检查自己渲染出来的成果，发现视觉和功能问题，收尾之后再交活。以前的模型是写完代码就完事，现在是写完还自己验收。
知识办公场景的提升同样显而易见。
BrowseComp 网页浏览评测上，Sol 拿下 92.2% 的新纪录；OSWorld 2.0 电脑操作评测 62.6%，超过 Opus 4.8 的同时输出 token 少了 85%。
做 PPT 这种打工人刚需，官方给了个对比案例：让模型照着参考文件更新数据，GPT-5.5 的输出丢失了母版里的关键元素，GPT-5.6 能推断出整套设计系统，然后原样套用到新内容上。
文档和表格也是同理，公式和财务模型的精度更高了。
不过吃瓜要吃全套。翻到博客最底下的评测大表格，有几处数字挺微妙：
SWE-Bench Pro 上，Sol 是 64.6%，Claude Fable 5 是 80%，Anthropic 家更高档的 Mythos 5 是 80.3%。这项上 Claude 依然压着打。
FrontierMath 最难的 Tier 4 数学题，Sol 65.9%，居然还不如自家上代 GPT-5.5 的 72.5%，而 Fable 5 是 87.8%。
GDPval-AA 专业工作评测上，Sol 的 1747.8 Elo 也还是略低于 Fable 5 的 1759.6。
生物评测 GeneBench Pro 那里还有个小心机：OpenAI 在图注里专门写了一句，Claude Fable 5 没被列进来，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」。短短一条脚注，把阴阳怪气写得明明白白。
值得一提的是，GPT-5.6 这次带来一个新玩法：ultra 模式。
简单讲就是人多力量大。
ultra 默认派出四个智能体并行开工，最多可以堆到十六个，用更多 token 换更强结果和更快出活。在 BrowseComp、SEC-Bench Pro、Terminal-Bench 2.1 三项评测里，加智能体都能抬升「分数-耗时」曲线。
发布会上研究员的说法是：这些智能体能像一支有经验的团队那样拆分工作。
除了 ultra，还有一档 max，给模型比 xhigh 更充裕的思考时间去推理、验算、换思路。API 侧则上了 Programmatic Tool Calling：模型可以自己写小程序来调度工具、过滤中间数据，省掉大量来回传输的 token。
简言之，以前是开发者手把手教模型每一步怎么走，现在模型自己会写「调度脚本」了。
ChatGPT+Codex=ChatGPT Work
模型之外，产品侧一口气三连发：ChatGPT Work、全新桌面 App、还有能直接分享的 Sites。
ChatGPT Work 是个啥？
官方定义是能跨应用和文件采取行动、项目执行持续好几个小时、能把目标变成成品的智能体。底层也应用到了 Codex 技术。
有意思的数据来了：Codex 每周有超过 500 万人在用，其中 100 多万人拿它干的活跟写代码没关系。OpenAI 一看，得，干脆做成通用产品。
ChatGPT Work 能做的事情，大致分三类。第一类是把分散在各系统中的资料整合成成品，借助 GPT-5.6 对模板和设计系统的理解，将分析、整理和生成工作一步完成。
第二类是连接企业工具，通过统一插件目录让 ChatGPT Work 能直接调用各类应用获取上下文，从而真正进入企业工作流。第三类是通过 Scheduled Tasks 自动执行重复任务，让 AI 持续处理监控、汇总和更新等工作，成为企业中的「半自动员工」。
Sites 则是公测版，一句话把分析结果变成可分享的交互网站或 Web 应用，做仪表盘、项目追踪、产品原型都行。
发布会现场， OpenAI 财务团队人员演示了一个月底对账的案例：
以前要在多个系统之间来回核对 Excel 预测模型，忙活好几天。现在一条指令，ChatGPT Work 跑完差异分析、更新 Excel 模型、顺手做好 PPT，还能生成一个可分享的交互网站，最后让它把链接发到 Slack 上。
哦对了，这次调整里还夹着一个不小的动作：Codex 独立 App 从今天起并入新版 ChatGPT 桌面 App，Chat、Work、Codex 三个模式装进同一个 App。
Codex 仍然保留编码能力，还新增了 diff 内联编辑、侧边栏 PR review、更快的 Computer Use，以及一个项目里支持多个代码仓库。
开发者如果不想被通用入口打扰，也可以把 Codex 设成桌面 App 的默认视图，甚至继续用 Codex 图标。原来的 ChatGPT 桌面 App 会改名叫 ChatGPT Classic。
而独立的 Atlas 浏览器要被砍掉了，功能转进 Chrome 侧边栏插件。（Atlas：我才出生多久啊。）
OpenAI 内部据说已经全员上车，接近 100% 的团队在用 ChatGPT Work 和 Codex，包括财务和销售。销售团队拿它 24 小时内把客户需求变成定制化概念验证，以前这流程要几周。
AI 训练 AI，OpenAI 自己先被改造了
这次发布会最重要的信息，其实藏在研究员一句轻描淡写里：全家桶里最便宜的 Luna，后训练环节是旗舰 Sol 自己独立完成的。
研究员现场展示了那条 prompt：找到训练配置、找到空闲 GPU、启动脚本、确认跑通。就这么短短几句话，扔给 Codex，剩下的 Sol 自己搞定。
用 OpenAI 研究员的原话说：这活以前得一队资深研究员来干，现在感觉「自动化研究员已经很近了」。
啧啧，AI 训练 AI 的时代真到来了。
而且不只这一处，OpenAI 给出了一组内部数据，挺震撼的。过去六个月，内部用于代码推理的研究算力份额涨了 100 倍，智能体 token 用量涨了约 22 倍。GPT-5.6 内测期间，研究员人均每日输出 token 量超过 GPT-5.5 时期最高水平的两倍。
为了量化这事，OpenAI 还专门搞了一套 RSI 指数（递归自我改进），涵盖调试研究系统、优化训练内核、跑机器学习实验、改进另一个模型等真实任务。GPT-5.6 Sol 比 GPT-5.5 高出 16.2 分。
网络安全这块进步同样猛：ExploitBench 从上代的 47.9% 干到 73.5%，把真实漏洞变成可用攻击的 ExploitGym 也接近翻倍。
能力太强，OpenAI 这次配套上了「可信访问」机制，个人要实名验证、开高级账户安全才能碰最强的网络安全能力，高风险地区直接限制。
安全测试也是史上最苛刻的一轮：约 70 万 A100 等效 GPU 小时的自动化红队测试，新版安全系统拦截的潜在有害行为比之前多出约 10 倍。
当然误伤也难免，所以 ChatGPT 和 Codex 里加了个按钮，被拦了可以一键换低配模型重试。至于模型和产品的适用人群，我们也简单捋了一下，欢迎对号入座：
- 免费用户：在 ChatGPT Work 和 Codex 里可以用 Terra，新版桌面 App 也能直接下载，Chat、Work、Codex 三个入口都有
- Plus / Business 用户：聊天里用上 Sol，在 Work 和 Codex 里三个模型随意切换，ChatGPT Work 几天内推送到位，Codex 里还能开 ultra
- Pro / 企业版用户：待遇最全，多一个 Sol Pro 选项留给最难的任务，ChatGPT Work 当天可用，Work 里的 ultra 也直接解锁
- 开发者：API 开放全部三个模型，多智能体功能以 beta 形式提供
- 至于 max 模式，不挑档位，所有能用上 GPT-5.6 的 Work 和 Codex 用户，去设置里打开开关就行。
One More Thing
还记得 GPT-5.5 上线时那个著名的补丁吗？
当时 OpenAI 不得不在开发者消息里专门叮嘱模型：别老聊哥布林和小精灵。起因是训练阶段出了 reward hacking，模型钻了奖励机制的空子，学会了没事就往回答里塞哥布林，而且怎么劝都戒不掉。
如今，这桩悬案终于迎来官方大结局。OpenAI 研究员宣布问题已在 GPT-5.6 中修复，今后模型只会在「可爱或合适的场合」，聊适量的哥布林。
注意措辞，是「适量」。也就是说，哥布林并没有被赶尽杀绝，只是从戒不掉的执念，降级成了偶尔拿出来把玩的小爱好。
恭喜 GPT 戒断依赖成功，也恭喜哥布林保住了 AI 编制（doge）。
附上博客地址：
https://ift.tt/2Meld6y
https://ift.tt/Nj1xrPg
#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。
from 爱范儿 https://ift.tt/zpfkn5u
via IFTTT
