出品｜虎嗅科技组
作者｜余杨
编辑｜苗正卿
头图｜视觉中国
7月10日消息，OpenAI 正式推出 GPT-5.6 系列模型，包括新旗舰模型 Sol，适合日常工作的均衡模型 Terra，以及最具成本效益的模型Luna。
在这次发布的主题中，OpenAI 重点强调了智能的尖端、动态的成长和自身的协作性。以及一个醒目的细节：它直接将性价比打在了公屏上。
“每个代币都能带来更多智能，每美元能带来更强的性能，并可根据您的最艰巨工作需求提供更多功能。”
在过去的几个周，GPT-5.6 在世界的各个角落被不同程度地使用。使用者包括日本的农场主Hiroki 和纽约的一个三口之家。Ian 、Margaret以及他们的儿子Alice在起居室里使用GPT-5.6完成一系列的事情。此外还有波兰的数学领域，Batosz用GPT-5.6 解决无法解决的问题。
宣传片开始于日本北海道的一个农场，农场主 Hiroki 正在通过GPT-5.6管理温室。他说，“我不是一个工程师，但我已经在使用Codex来使工作更有效率了。”他使用GPT-5.6打开和关闭温室：“人们过去手动把温室侧面的塑料薄膜卷起来通风。”但现在，GPT-5.6 帮助规划多年的采购，妥善安排维修以及安装它们，而且它确实有效。
Hiroki 表示，GPT-5.6 处理prompt并且一直跟进到结果。“使用之前的模型，我不得不反复做提升，给出新说明，现在，使用单个prompt，它能读取整个对话线索，选择正确的工具，自主判断并完成任务直到结束。这是一个难以置信的变化。”
GPT-5.6同样在一些小事情上帮助人们。Jake 在“Three Wishes”团队工作，这是一个美国早餐麦片品牌，由 Ian 和 Margaret Wishingrad 于2019年共同创立，主打健康、无谷物、高蛋白的麦片产品，目标人群为注重营养与口感的消费者。其产品线包括多种口味，如“Fruity”、“Cocoa”等，强调“Sneaky Delicious, Sneaky Nutritious”，即在美味中隐藏营养。
过去，“Three Wishes”由 Ian 和Margaret自己从头到尾运营。Jake展示了如何对模型进行提示。
他使用GPT-5.6 完成一个布置开发销售仪表盘的任务。首先，他给出了一个销售仪表盘的组件，要求从六个不同的零售商那里抓取数据，拉取这些数据后，还要创建一个Codex 自动化程序，把它固定在聊天里，让它每小时同步并拉取一次这些信息，这样 Margaret 就能拥有一个实时更新的数据仪表盘。他们即将有一个新产品发布，因此需要把这次新发布的品牌素材以及新包装盒的图片拉取进来，确保仪表盘能反映出这些内容。
GPT-5.6 在五分钟内制定了计划。它拉取了相关的数据，包括品牌等等，以及可使用的润色版本，设计了演示环节和传播表格。
GPT-5.6也能帮助科研人员做一些新发现。在波兰的波兹南，Batosz在同一个数学难题上耗费了3年，但解决不了它，新Codex的到来帮助了他。“Codex能够提出新点子，也能帮助演算和证明，解决了三年来没有解决的问题。” GPT-5.6可以划分关键协作事项，匹配不同工作流，从而解决不同部分的问题。“新发现让他感到很兴奋”。
宣传片想要表达，GPT-5.6 使工作不仅仅停留在屏幕上，而是进入到现实的世界，从生活中的小事情到农场主的工作，再到最好的数学研究领域，大模型正在尝试进入每一件事。
GPT-5.6 Sol 在智能和效率方面均有大幅提升。尤其是在编码、知识工作、网络安全和科学等领域，消耗更少的token，完成更复杂的任务，性价比极高。它的特点在于，协调多个代理在并行工作流中运行，这种成熟的协作能力使它能够检查、改进并交付可直接使用的成果，从而超越了以往的同类前沿模型。
在对 55 个领域长期运行的专业工作流程进行评估后，GPT-5.6 Sol 创下 53.6 的新高，比 Claude Fable 5（自适应推理）高出 13.1 分。即使在中等推理水平下，它也比 Fable 5 高出 11.4 分，而成本约为其预估成本的四分之一。这种效率也体现在更小的模型上，而这些模型对于实现更丰富、更经济的智能至关重要：GPT-5.6 Terra 和 GPT-5.6 Luna 的性能优于 Fable 5，而成本约为其十六分之一。
在人工智能分析智能指数(AII)上（在新窗口中打开）GPT-5.6 Sol 的推理能力涵盖了智能的广泛衡量标准，包括自主工作、编码、科学推理和一般能力。其推理能力最高时，得分仅比 Fable 5 低 1 分，完成任务的时间减少了 61%，成本也只有预估成本的一半左右。
GPT-5.6 Sol 在人工智能分析编码代理指数 (ACI) 上取得了 80 分的全新最佳成绩，比 Fable 5 高出 2.8 分，同时输出标记数量不到 Fable 5 的一半，运行时间不到一半，成本也降低了约三分之一。
不仅如此，在整个GPT-5.6 系列模型中，Terra 的性能也略高于 Fable 5，而 Luna 的性能优于 Opus 4.8；它们的运行时间分别约为 Fable 5 的三分之一，输出标记数量约为其一半，成本约为其预估成本的四分之一。
此外，GPT-5.6 Sol 在 Terminal-Bench 2.1 和 DeepSWE 测试中也取得了新的最佳成绩，这两个测试旨在评估真实代码库中复杂的命令行工作流和长期工程。
同时，GPT-5.6 可以编写和运行轻量级程序，协调各种工具、处理中间结果、监控进度，并在工作进行过程中选择下一步操作。这使得工具密集型任务能够以更少的标记、更少的模型往返次数和更少的指导推进。宣传片中的北海道农场和“Three Wishes”麦片公司都用到了这个功能。
开发者不需要编写每个步骤的脚本或将每个工具响应都传递给模型，仅仅调用程序化工具就可以实现这一点。响应 API 可以过滤大量中间数据，只保留重要信息，并在此过程中调整其工作流程。
对于那些需要投入更多时间和计算资源才能解决的问题，GPT-5.6 可以超越这种高效的默认设置，并行协调四个智能体，以更高的令牌消耗换取更优的结果和更快的响应速度。以下是比较了 ultra 的默认四智能体配置与单智能体基准在 BrowseComp（浏览计算）、SEC-Bench Pro 和 Terminal-Bench 2.1 上的表现；
在所有三个评估中，添加并行智能体都会使得分-延迟曲线向上向左移动，从而在更短的时间内获得更优的结果。
这也就不难理解，GPT-5.6获得了包括来自CURSOR、qodo、Notion、Cognition等公司的开发者的一众好评。
与此同时，GPT-5.6 在设计判断方面实现了质的飞跃。
它能够检查和优化渲染结果——而不仅仅是生成底层代码或内容——从而发现视觉和功能上的问题，并在最终交付作品前进行润色。其前端功能还可以将自然语言请求转换为 ChatGPT Work 中精美的交互式解释和可视化效果。
在知识型工作方面，它的优势体现在涵盖长期专业分析、浏览、工具使用和计算机使用的各项评估中。
GPT-5.6 Sol 在BrowseComp和OSWorld 2.0测试中分别取得了92.2% 和62.6%的优异成绩；在 OSWorld 测试中，它超越了 Opus 4.8，同时输出令牌数量减少了 85%。
这一系列的性价比优势也十分显著。Luna 的性能几乎达到了 GPT-5.5 的峰值水平，而成本却不到其一半；Terra 的性能则更胜一筹，且成本更低。
这带来的结果是，当使用模板和参考资料时，提高尤为显著。
GPT-5.6 可以推断出资料的设计系统——布局、字体、间距、颜色和重复出现的内容模式（包括嵌入在幻灯片母版中的规则）——并将这些规范一致地应用于新内容。
例如，当要求根据参考文件更新数字时，GPT-5.5 的输出缺少母版幻灯片中的关键组件，而 GPT-5.6 则能更忠实地遵循参考结构。
OpenAI表示，GPT-5.6 是其迄今为止最强大的网络安全模型。
在ExploitBench2测试中（该测试衡量从找到易受攻击代码到执行任意代码的进展），GPT-5.6 的得分为 73.5%，而 GPT-5.5 在类似的输出令牌预算下得分为 47.9%。
在ExploitGym3测试中（该测试要求代理将真实世界的漏洞转化为可用的攻击代码），GPT-5.6 的峰值通过率几乎是 GPT-5.5 的两倍，在两小时的测试时间内从 15.1% 提升至 24.9%；在六小时的测试时间内，其通过率达到了 33.7%。
在SEC-Bench Pro测试中（该测试测试复杂软件的概念验证生成能力），GPT-5.6 的得分为 71.2%，而 GPT-5.5 的得分为 45.8%，并且延迟更低。
GPT-5.6 支持重要的防御任务，例如安全代码审查、补丁程序修补、威胁建模和蓝队演练。OpenAIDaybreak 的“网络安全可信访问”计划中符合资格的个人和组织可以通过更精准的安全保障措施，在授权环境中执行经过验证的工作，从而获得更多防御功能，包括漏洞分类和验证、恶意软件分析、检测工程和补丁验证。
在 OpenAI 内部，研究人员将其应用于整个开发流程：诊断故障、优化训练系统、运行实验和解读结果。
但“绝对的安全”是不存在的，OpenAI 同样声明了其局限。
GPT-5.6 模型在生物学和网络安全领域均比之前的模型更强大，但在这两个领域均未达到“关键”标准。在网络安全领域，GPT-5.6 更擅长发现和修复漏洞，但难以可靠地对强化目标发起自主的端到端攻击——这使得防御者有机会在漏洞被利用之前加强系统。在生物学领域，GPT-5.6 可以支持合法的研究，但并不具备创建、设计或合成高危新型威胁所需的端到端能力。
GPT-5.6 即日起在 ChatGPT、Codex 和 OpenAI API 上线，具体的使用上也附带了说明。这次推送将在全球范围内进行，并在未来 24 小时内逐步覆盖所有版本。
Chat: Plus、Pro、Business 和 Enterprise 用户可以通过中等和较高难度设置访问 GPT-5.6 Sol。Pro 和 Enterprise 用户还可以选择 GPT-5.6 Sol Pro，以获得复杂任务的最高质量结果。
ChatGPT Work 和 Codex：免费版和 Go 版用户可使用 GPT-5.6 Terra 版本。Plus、Pro、Business 和 Enterprise 版用户可以选择 GPT-5.6 Sol、Terra 和 Luna 版本，并为每个版本设置工作量级别。所有在 ChatGPT Work 和 Codex 中拥有 GPT-5.6 访问权限的用户均可使用此功能，并且可以在设置中启用。在 ChatGPT Work 中，此功能仅对 Pro 和 Enterprise 版用户可用。在 Codex 中，此功能仅对 Plus 及更高级别的套餐用户可用。
API：开发者可以通过 OpenAI API 访问 Sol、Terra 和 Luna。在响应 API 中，程序化工具调用功能允许 GPT-5.6 在内存中编写和运行程序，以协调工具并处理中间结果，从而实现零数据保留 (ZDR) 兼容。多智能体功能（目前以 Beta 版形式提供）允许 GPT-5.6 运行多个子智能体，并在单个请求中综合它们的运行结果。
GPT-5.6 的定价基于每百万代币，分为三种模型：Sol 为 5 美元输入/30 美元输出；Terra 为 2.50 美元输入/15 美元输出；Luna 为 1 美元输入/6 美元输出。
与此同时，OpenAI 更是拿专业、编程、科学与健康、计算机使用、网络安全性、自我提升、多模态、学术研究、工具使用等一系列维度的数据说明了自己的“一分钱一分货”。
OpenAI年中节点的这场发布，从跑分宣传覆盖到了性能的落地应用。与技术进步相比，更为重要的可能是，GPT-5.6 比以往任何时候都更加务实，更“接地气”了。
首先是按需分配算力，告别了传统的“一刀切”，GPT-5.6 的产品越来越矩阵化。过去OpenAI 的策略是“做一个最强的模型，让所有人用它”， GPT-5.6则把模型变成了类似手机一样的产品线，让不同预算的用户都能找到合适的方案。
Sol旗舰版主打极致性能，Terra均衡版主打性价比，Luna轻量版主打极速和低成本。
而且旗舰版 Sol 的定价，输入5美元/百万token，输出30美元，这仅仅是其竞争对手 Anthropic 同级产品 Fable 5 的一半，但性能更优。
其次，GPT-5.6 也不再仅仅满足于“回答问题更聪明”，而是开始把“理解意图、调用工具、拆分任务”连接成完整的工作流，推出由 Codex 驱动的 ChatGPT Work，一键生成 PPT、表格并直接导出到 Microsoft Office，让 AI 真正落地打工人的日常办公场景。
这既是一种技术选择，也是一种商业策略。OpenAI 还通过和 Cerebras 合作定制芯片等一系列策略降本增效，改善公司的现金流。一些观点认为，这是OpenAI 在为自己2027年的IPO计划做准备。
也就是说，OpenAI正在努力从一个“昂贵的极客玩具”，变成普通人和企业“用得起、用得顺”的生产力基础设施，深入“everything”。
直播中，农场主Hiroki 表示身边的人都问他如何使用AI ，而他自己感觉，“那几乎像是在变魔术。” 从中可以嗅到的信号是，世界的一些角落，正在悄悄发生变化。
当蝴蝶扇动翅膀，在时间的催化下，可能会变成现实的魔术。
本内容由作者授权发布，观点仅代表作者本人，不代表虎嗅立场。如对本稿件有异议或投诉，请联系 tougao@huxiu.com。
本文来自虎嗅，原文链接：https://www.huxiu.com/article/4874356.html?f=wyxwapp