GPT-5.6全面围剿克劳德寓言5，“超级应用”ChatGPT Work上位，奥特曼紧急刷新：不会取代Coedx

今天，OpenAI正式推出 GPT-5.6 系列模型，具体包括三款模型： GPT-5.6 Sol：全新的旗舰模型，代表最高智能水平；GPT-5.6 Terra：面向日常工作的均衡模型，在能力、速度和成本之间取得平衡；GPT-5.6 Luna：成本效率最高的轻量模型。 OpenAI表示，GPT-5.6 Sol 在智能水平和效率方面树立了新的标准。在编程、知识工作、网络安全和科学领域测试中，它均达到当前最先进水平，并且相比此前模型和 Fable 5等前沿模型，以更少的 Token 消耗和更低的预估成本取得更优表现。 “这意味着更高的单位成本性能（performance per dollar）：用户可以用相同预算完成更多工作，也可以用更低成本获得接近的结果。”官方表示。 “这无疑是我们有史以来最出色的作品了。”Altman显然对这次发布也非常满意。 GPT-5.6现在已通过ChatGPT、Codex和OpenAI API上线，并将在全球范围逐步开放。在价格方面： GPT-5.6 Sol：5美元/百万输入Token，30美元/每百万输出Token；GPT-5.6 Terra：2.5美元/每百万输入Token，15美元/每百万输出Token；GPT-5.6 Luna：1美元/百万输入Token，5美元/每百万输出Token； GPT-5.6 同时引入了更可预测的 Prompt 缓存机制，包括支持显式缓存断点以及最低 30 分钟的缓存生命周期。对于 GPT-5.6 及后续模型，缓存写入的计费标准为模型未缓存输入价格的 1.25 倍；而缓存读取仍然享受 90% 的缓存输入折扣。这意味着用户读取已经缓存的上下文时，只需支付原始输入价格的 10%。 针对需要更强推理能力和更高计算投入的复杂任务，GPT-5.6还提供了不同等级的推理模式。其中，max模式相比此前的xhigh模式，会投入更多计算资源用于推理、探索不同解决方案、执行验证以及调整自身策略，以提升复杂任务的完成质量。更高阶的 ultra模式则进一步引入多智能体协作能力，该模式默认协调4个智能体并行处理任务，通过增加Token消耗换取更高质量结果和更快完成速度。 据悉，目前GPT-5.6已经被用于OpenAI自身的AI研发流程，包括定位模型问题、优化训练系统、执行实验和分析实验结果。 在内部测试期间，GPT-5.6推动研究人员使用AI辅助工作的程度大幅提升。数据显示，活跃研究人员每日平均输出Token数量超过GPT-5.5测试期间最高水平的两倍。过去六个月中，OpenAI内部用于代码推理的研究计算量增长100倍，内部Agent Token使用量增长约22倍。 OpenAI表示，这些指标并不直接代表研究进展，但反映出AI辅助正在快速进入模型研发、销售、市场、运营、财务等多个团队。 值得注意的是，Anthropic 几乎在同时宣布了重置每周使用额度的消息，这被解读为“是在向 OpenAI 释放一个明确的信号。” 三大维度，全面对标 Fable 5 高效，但比Fable 5便宜 GPT-5.6系列在代码能力和Agent任务执行方面实现进一步提升。 在 Artificial Analysis Coding Agent Index v1.1 测试中，GPT-5.6 Sol在最高推理模式下取得 80分，刷新该评测最高成绩，比Claude Fable 5高出2.8分。与此同时，GPT-5.6 Sol完成任务所需输出Token数量不到Fable 5的一半，任务执行时间不到其一半，整体成本降低约三分之一。 这一效率优势也延伸至整个GPT-5.6系列。其中，GPT-5.6 Terra的代码能力略高于Fable 5，而GPT-5.6 Luna则超过Claude Opus 4.8。OpenAI称，两款模型均能以约三分之一的时间完成任务，同时将输出Token消耗减少约一半，预估成本降低至约四分之一。 此外，GPT-5.6系列还在 Terminal-Bench 2.1 和 DeepSWE v1.1 测试中刷新最高成绩，前者主要评估复杂命令行任务能力，后者则测试模型在真实代码库中的长期软件工程能力。 除了模型本身能力提升，GPT-5.6还进一步增强了Agent执行任务的能力，引入程序化工具调用（Programmatic Tool Calling）。通过这一能力，GPT-5.6可以编写并运行轻量级程序，用于协调工具调用、处理中间结果、监控任务进展，并根据任务变化自主选择下一步行动。 OpenAI表示，这一机制能够显著优化复杂工具型任务的执行流程。过去，开发者通常需要手动编排每一步操作，或者将每一次工具返回结果重新传递给模型。而借助Responses API中的程序化工具调用，GPT-5.6可以自动过滤大量中间数据，仅保留关键结果，并根据任务推进情况动态调整工作流程，从而减少Token消耗、降低模型调用次数，并减少人工指导需求。 OpenAI表示，训练 GPT-5.6 的核心目标之一，就是让每一个 Token 产生更高价值。 在内部的 Agents’ Last Exam 测试中（该测试用于评估覆盖 55 个专业领域的长期运行工作流能力）GPT-5.6 Sol 创下新的最高分：53.6 分。这一成绩比 Claude Fable 5 高出 13.1 分。即使在中等推理强度下，GPT-5.6 Sol 仍然比 Fable 5 高出 11.4 分，而预估成本约只有后者的四分之一。而GPT-5.6 Terra、GPT-5.6 Luna两者均能超过 Fable 5，同时成本约只有其 1/16。 在 Artificial Analysis Intelligence Index v4.1（该指标综合评估智能体任务、代码能力、科学推理以及通用能力表现） 测试中，GPT-5.6 Sol 在最高推理模式下，与 Fable 5 的成绩差距缩小至 1 分以内，但完成任务所需时间减少 61%，预估成本约降低至一半。 更强安全能力：面向真实世界部署 OpenAI表示，GPT-5.6系列搭载了目前最完善的安全防护体系，旨在抵御具有适应性和针对性的滥用行为，同时尽量避免对正常使用场景造成不必要限制。 在正式发布前，OpenAI进行了迄今规模最大的模型安全评估，包括人类红队测试、大规模自动化测试、外部专家评估以及与专业机构和合作伙伴开展的压力测试。其中，黑盒自动化红队测试累计投入约70万A100e GPU小时，用于系统性发现潜在漏洞并强化防护能力。 OpenAI表示，GPT-5.6的安全体系结合了模型内置安全训练、实时检测、持续监控以及基于用户信任等级和风险水平调整的访问控制机制。相比此前模型，GPT-5.6在网络安全和生物领域能力进一步增强，但测试结果显示，其尚未达到OpenAI定义的“关键风险”水平。 具体来看，在网络安全领域，GPT-5.6更擅长漏洞发现、代码修复、安全审查等防御型任务，而不是针对高防护目标执行完整自主攻击；在生物领域，模型能够辅助合法科研工作，但尚不具备端到端设计、制造高度危险新型威胁的能力。 与此同时，OpenAI表示，GPT-5.6 相比此前模型消耗更少Token。 在 ExploitBenc