出品｜虎嗅科技組

作者｜餘楊

編輯｜苗正卿

頭圖｜視覺中國

7月10日消息，OpenAI 正式推出 GPT-5.6 系列模型，包括新旗艦模型 Sol，適合日常工作的均衡模型 Terra，以及最具成本效益的模型Luna 。

在這次發布的主題中，OpenAI 重點強調了智能的尖端、動態的成長和自身的協作性。以及一個醒目的細節：它直接將性價比打在了公屏上。

「每個代幣都能帶來更多智能，每美元能帶來更強的性能，並可根據您的最艱鉅工作需求提供更多功能。」

 模型試圖絲滑進入你的工作 

在過去的幾個周，GPT-5.6 在世界的各個角落被不同程度地使用。使用者包括日本的農場主Hiroki 和紐約的一個三口之家。Ian 、Margaret以及他們的兒子Alice在起居室裏使用GPT-5.6 完成一系列的事情。此外還有波蘭的數學領域，Batosz用GPT-5.6 解決無法解決的問題。

宣傳片開始於日本北海道的一個農場，農場主 Hiroki 正在通過GPT-5.6管理溫室。他說，「我不是一個工程師，但我已經在使用Codex來使工作更有效率了。」他使用GPT-5.6打開和關閉溫室：「人們過去手動把溫室側面的塑料薄膜捲起來通風。」但現在，GPT-5.6 幫助規劃多年的採購，妥善安排維修以及安裝它們，而且它確實有效。

Hiroki 表示，GPT-5.6 處理prompt並且一直跟進到結果。「使用之前的模型，我不得不反覆做提升，給出新說明，現在，使用單個prompt，它能讀取整個對話線索，選擇正確的工具，自主判斷並完成任務直到結束。這是一個難以置信的變化。」

GPT-5.6同樣在一些小事情上幫助人們。Jake 在「Three Wishes」團隊工作，這是一個美國早餐麥片品牌，由 Ian 和 Margaret Wishingrad 於2019年共同創立，主打健康、無穀物、高蛋白的麥片產品，目標人群為注重營養與口感的消費者。其產品線包括多種口味，如「Fruity」、「Cocoa」等，強調「Sneaky Delicious, Sneaky Nutritious」，即在美味中隱藏營養。

過去，「Three Wishes」由 Ian 和Margaret自己從頭到尾運營。Jake 展示瞭如何對模型進行提示。

他使用 GPT-5.6 完成一個佈置開發銷售儀表盤的任務。首先，他給出了一個銷售儀表盤的組件，要求從六個不同的零售商那裏抓取數據，拉取這些數據後，還要創建一個 Codex 自動化程序，把它固定在聊天裏，讓它每小時同步並拉取一次這些信息，這樣 Margaret 就能擁有一個實時更新的數據儀表盤。他們即將有一個新產品發布，因此需要把這次新發布的品牌素材以及新包裝盒的圖片拉取進來，確保儀表盤能反映出這些內容。

GPT-5.6 在五分鐘內製定了計劃。它拉取了相關的數據，包括品牌等等，以及可使用的潤色版本，設計了演示環節和傳播表格。

GPT-5.6也能幫助科研人員做一些新發現。在波蘭的波茲南，Batosz在同一個數學難題上耗費了3年，但解決不了它，新Codex的到來幫助了他。「Codex能夠提出新點子，也能幫助演算和證明，解決了三年來沒有解決的問題。」 GPT-5.6可以劃分關鍵協作事項，匹配不同工作流，從而解決不同部分的問題。「新發現讓他感到很興奮」。

宣傳片想要表達，GPT-5.6 使工作不僅僅停留在螢幕上，而是進入到現實的世界，從生活中的小事情到農場主的工作，再到最好的數學研究領域，大模型正在嘗試進入每一件事。

 GPT-5.6 的成績單 

GPT-5.6 Sol 在智能和效率方面均有大幅提升。尤其是在編碼、知識工作、網絡安全和科學等領域，消耗更少的token，完成更復雜的任務，性價比極高。它的特點在於，協調多個代理在並行工作流中運行，這種成熟的協作能力使它能夠檢查、改進並交付可直接使用的成果，從而超越了以往的同類前沿模型。

在對 55 個領域長期運行的專業工作流程進行評估後，GPT-5.6 Sol 創下 53.6 的新高，比 Claude Fable 5（自適應推理）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，而成本約為其預估成本的四分之一。這種效率也體現在更小的模型上，而這些模型對於實現更豐富、更經濟的智能至關重要：GPT-5.6 Terra 和 GPT-5.6 Luna 的性能優於 Fable 5，而成本約為其十六分之一。

在人工智能分析智能指數(AII)上（在新窗口中打開）GPT-5.6 Sol 的推理能力涵蓋了智能的廣泛衡量標準，包括自主工作、編碼、科學推理和一般能力。其推理能力最高時，得分僅比 Fable 5 低 1 分，完成任務的時間減少了 61%，成本也只有預估成本的一半左右。

GPT-5.6 Sol 在人工智能分析編碼代理指數 (ACI) 上取得了 80 分的全新最佳成績，比 Fable 5 高出 2.8 分，同時輸出標記數量不到 Fable 5 的一半，運行時間不到一半，成本也降低了約三分之一。

不僅如此，在整個GPT-5.6 系列模型中，Terra 的性能也略高於 Fable 5，而 Luna 的性能優於 Opus 4.8；它們的運行時間分別約為 Fable 5 的三分之一，輸出標記數量約為其一半，成本約為其預估成本的四分之一。

此外，GPT-5.6 Sol 在 Terminal-Bench 2.1 和 DeepSWE 測試中也取得了新的最佳成績，這兩個測試旨在評估真實代碼庫中複雜的命令行工作流和長期工程。

同時，GPT-5.6 可以編寫和運行輕量級程序，協調各種工具、處理中間結果、監控進度，並在工作進行過程中選擇下一步操作。這使得工具密集型任務能夠以更少的標記、更少的模型往返次數和更少的指導推進。宣傳片中的北海道農場和「Three Wishes」麥片公司都用到了這個功能。

開發者不需要編寫每個步驟的腳本或將每個工具響應都傳遞給模型，僅僅調用程序化工具就可以實現這一點。響應 API 可以過濾大量中間數據，只保留重要信息，並在此過程中調整其工作流程。

對於那些需要投入更多時間和計算資源才能解決的問題，GPT-5.6 可以超越這種高效的默認設定，並行協調四個智能體，以更高的令牌消耗換取更優的結果和更快的響應速度。以下是比較了 ultra 的默認四智能體配置與單智能體基準在 BrowseComp（瀏覽計算）、SEC-Bench Pro 和 Terminal-Bench 2.1 上的表現；

在所有三個評估中，添加並行智能體都會使得分-延遲曲線向上向左移動，從而在更短的時間內獲得更優的結果。

這也就不難理解，GPT-5.6獲得了包括來自CURSOR、qodo、Notion、Cognition等公司的開發者的一衆好評。

 要知識，還要漂亮 

與此同時，GPT-5.6 在設計判斷方面實現了質的飛躍。

它能夠檢查和優化渲染結果——而不僅僅是生成底層代碼或內容——從而發現視覺和功能上的問題，並在最終交付作品前進行潤色。其前端功能還可以將自然語言請求轉換為 ChatGPT Work 中精美的交互式解釋和可視化效果。

在知識型工作方面，它的優勢體現在涵蓋長期專業分析、瀏覽、工具使用和計算機使用的各項評估中。

GPT-5.6 Sol 在BrowseComp和OSWorld 2.0測試中分別取得了92.2% 和62.6%的優異成績；在 OSWorld 測試中，它超越了 Opus 4.8，同時輸出令牌數量減少了 85%。

這一系列的性價比優勢也十分顯著。Luna 的性能幾乎達到了 GPT-5.5 的峯值水平，而成本卻不到其一半；Terra 的性能則更勝一籌，且成本更低。

這帶來的結果是，當使用模板和參考資料時，提高尤為顯著。

GPT -5.6 可以推斷出資料的設計系統——佈局、字體、間距、顏色和重複出現的內容模式（包括嵌入在幻燈片母版中的規則）——並將這些規範一致地應用於新內容。

例如，當要求根據參考文件更新數字時，GPT-5.5 的輸出缺少母版幻燈片中的關鍵組件，而 GPT-5.6 則能更忠實地遵循參考結構。

 安全，但不絕對安全 

OpenAI 表示，GPT-5.6 是其迄今為止最強大的網絡安全模型。

在ExploitBench 2測試中（該測試衡量從找到易受攻擊代碼到執行任意代碼的進展），GPT-5.6 的得分為 73.5%，而 GPT-5.5 在類似的輸出令牌預算下得分為 47.9%。

在ExploitGym 3測試中（該測試要求代理將真實世界的漏洞轉化為可用的攻擊代碼），GPT-5.6 的峯值通過率幾乎是 GPT-5.5 的兩倍，在兩小時的測試時間內從 15.1% 提升至 24.9%；在六小時的測試時間內，其通過率達到了 33.7%。

在SEC-Bench Pro測試中（該測試測試複雜軟件的概念驗證生成能力），GPT-5.6 的得分為 71.2%，而 GPT-5.5 的得分為 45.8%，並且延遲更低。

GPT-5.6 支持重要的防禦任務，例如安全代碼審查、補丁程序修補、威脅建模和藍隊演練。OpenAI Daybreak 的「網絡安全可信訪問」計劃中符合資格的個人和組織可以通過更精準的安全保障措施，在授權環境中執行經過驗證的工作，從而獲得更多防禦功能，包括漏洞分類和驗證、惡意軟件分析、檢測工程和補丁驗證。

在 OpenAI 內部，研究人員將其應用於整個開發流程：診斷故障、優化訓練系統、運行實驗和解讀結果。

但「絕對的安全」是不存在的，OpenAI 同樣聲明瞭其侷限。

GPT-5.6 模型在生物學和網絡安全領域均比之前的模型更強大，但在這兩個領域均未達到「關鍵」標準。在網絡安全領域，GPT-5.6 更擅長髮現和修復漏洞，但難以可靠地對強化目標發起自主的端到端攻擊——這使得防禦者有機會在漏洞被利用之前加強系統。在生物學領域，GPT-5.6 可以支持合法的研究，但並不具備創建、設計或合成高危新型威脅所需的端到端能力。

 「一分錢一分貨」 

GPT-5.6 即日起在 ChatGPT、Codex 和 OpenAI API 上線，具體的使用上也附帶了說明。這次推送將在全球範圍內進行，並在未來 24 小時內逐步覆蓋所有版本。

• Chat: Plus、Pro、Business 和 Enterprise 用戶可以通過中等和較高難度設定訪問 GPT-5.6 Sol。Pro 和 Enterprise 用戶還可以選擇 GPT-5.6 Sol Pro，以獲得複雜任務的最高質量結果。

• ChatGPT Work 和 Codex：免費版和 Go 版用戶可使用 GPT-5.6 Terra 版本。Plus、Pro、Business 和 Enterprise 版用戶可以選擇 GPT-5.6 Sol、Terra 和 Luna 版本，並為每個版本設定工作量級別。所有在 ChatGPT Work 和 Codex 中擁有 GPT-5.6 訪問權限的用戶均可使用此功能，並且可以在設定中啓用。在 ChatGPT Work 中，此功能僅對 Pro 和 Enterprise 版用戶可用。在 Codex 中，此功能僅對 Plus 及更高級別的套餐用戶可用。

• API：開發者可以通過 OpenAI API 訪問 Sol、Terra 和 Luna。在響應 API 中，程序化工具調用功能允許 GPT-5.6 在內存中編寫和運行程序，以協調工具並處理中間結果，從而實現零數據保留 (ZDR) 兼容。多智能體功能（目前以 Beta 版形式提供）允許 GPT-5.6 運行多個子智能體，並在單個請求中綜合它們的運行結果。

GPT-5.6 的定價基於每百萬代幣，分為三種模型：Sol 為 5 美元輸入/30 美元輸出；Terra 為 2.50 美元輸入/15 美元輸出；Luna 為 1 美元輸入/6 美元輸出。

與此同時，OpenAI 更是拿專業、編程、科學與健康、計算機使用、網絡安全性、自我提升、多模態、學術研究、工具使用等一系列維度的數據說明了自己的「一分錢一分貨」。

 OpenAI 更加「接地氣」了 

OpenAI 年中節點的這場發布，從跑分宣傳覆蓋到了性能的落地應用。與技術進步相比，更為重要的可能是，GPT-5.6 比以往任何時候都更加務實，更「接地氣」了。

首先是按需分配算力，告別了傳統的「一刀切」，GPT-5.6 的產品越來越矩陣化。過去OpenAI 的策略是「做一個最強的模型，讓所有人用它」， GPT-5.6則把模型變成了類似手機一樣的產品線，讓不同預算的用戶都能找到合適的方案。

Sol旗艦版主打極致性能，Terra均衡版主打性價比，Luna輕量版主打極速和低成本。

而且旗艦版 Sol 的定價，輸入5美元/百萬token，輸出30美元，這僅僅是其競爭對手 Anthropic 同級產品 Fable 5 的一半，但性能更優。

其次，GPT-5.6 也不再僅僅滿足於「回答問題更聰明」，而是開始把「理解意圖、調用工具、拆分任務」連接成完整的工作流，推出由 Codex 驅動的 ChatGPT Work，一鍵生成 PPT、表格並直接導出到 Microsoft Office，讓 AI 真正落地打工人的日常辦公場景。

這既是一種技術選擇，也是一種商業策略。OpenAI 還通過和 Cerebras 合作定製芯片等一系列策略降本增效，改善公司的現金流。一些觀點認為，這是OpenAI 在為自己2027年的IPO計劃做準備。

也就是說，OpenAI 正在努力從一個「昂貴的極客玩具」，變成普通人和企業「用得起、用得順」的生產力基礎設施，深入「everything」。

直播中，農場主Hiroki 表示身邊的人都問他如何使用AI ，而他自己感覺，「那幾乎像是在變魔術。」 從中可以嗅到的信號是，世界的一些角落，正在悄悄發生變化。

當蝴蝶扇動翅膀，在時間的催化下，可能會變成現實的魔術。

本內容由作者授權發布，觀點僅代表作者本人，不代表虎嗅立場。如對本稿件有異議或投訴，請聯繫 tougao@huxiu.com。

 End

想漲知識 關注虎嗅視頻號！