GPT-5.6 发布：OpenAI 要用 ChatGPT 取代你的工作台？

题图摄于北加州纳帕葡萄庄园

模型分层之后，真正的竞争是：谁能以可控的方式把事情做完

GPT-5.6 上周发布了。我觉得最值得关注的不是又多了一组“更强模型”，而是 OpenAI 正把模型、工具与工作上下文收拢到同一个入口。

如果说 GPT-4 时代的关键词是“调用模型”，GPT-5.6 释放出的信号则是：OpenAI 正从模型公司走向工作环境公司。智能开始分层供给，模型开始组织工具，Codex 进入更统一的 ChatGPT 工作环境。竞争正在从“谁更聪明”，转向“谁能以合适成本和权限把事情做完”。

这一变化也带着安全前提。6月25日，OpenAI 应美国政府要求，先向少数可信合作伙伴开放受限预览；7月9日才全面发布。前沿模型一旦获得更强的代码、网络和电脑操作能力，发布就会受到能力风险与访问权限约束。正是在这一背景下，理解 GPT-5.6 的分层与整合才更有意义：它不是单点升级，而是一次“能力、成本、控制权”的重新打包。

智能分层：选模型看“失败代价”，而非只看“最强”

GPT-5.6 由 Sol、Terra、Luna 三个能力层组成，并可按各自节奏独立迭代。

Sol 是旗舰，适合复杂代码排错、跨资料研究和科研分析等高不确定性任务；只有在 ultra（最高算力、多智能体）档时，才会默认协调四个智能体并行工作。Terra 平衡能力、速度与成本，可能成为企业日常工作流的默认项；Luna 面向分类、提取、摘要和批量生成等高频任务。选模型不应先问“哪个最强”，而要先问“这件事错一次有多贵”。

简化判断：不确定且高风险用 Sol；确定且高频用 Luna；其余多数生产任务以 Terra 为起点。

定价清楚地表达了这套分工：每百万 token，Sol 的输入/输出价格为5/30美元，Terra 为2.5/15美元，Luna 为1/6美元。Luna 的单位价格只有 Sol 的五分之一。其意义不只是便宜，而是当调用成本足够低时，AI 可以从用户主动触发变成后台默认运行：保存文件时自动摘要，邮件发出前自动检查语气。

在 Agents’ Last Exam（长周期专业任务测试）的官方表格中，Sol、Terra、Luna 分别取得52.7%、50.4%和50.3%，均高于 GPT-5.5 的46.9%。但 GPT-5.6 并非全面领先：在 SWE-Bench Pro（真实软件工程任务测试）上，Sol 为64.6%，低于 Claude Fable 5 的80%。榜单只能帮助初筛，真正的选择仍要回到任务类型、失败代价、数据权限和长期成本。

从调用工具到组织流程

Programmatic Tool Calling（程序化工具调用）可以理解为：模型先写一段轻量程序，再协调搜索、文件和数据库等工具，并过滤无关结果。对普通用户而言，它体现为响应更快，任务不会因中间信息堆积而越聊越慢、越用越贵。以季度财报分析为例，它可以自动取数、筛选指标、剔除无效字段，再生成结论。

OpenAI 公布的早期测试也印证了这一方向：PlayCo 用这一方式构建 Unity 场景，总 token 减少63.5%，模型交互轮次减少50.1%；Rogo 的金融研究任务在质量相当的情况下，输出 token 减少24%，完成速度提高28%。AI 正从“生成一段内容”走向“组织一段流程”。

Codex 并入 ChatGPT：消灭“人肉剪贴板”

现实任务很少是纯聊天或纯编程：讨论架构、阅读资料、修改代码和输出报告，本应是一条连续链路。工具割裂时，用户只能充当“人肉剪贴板”，反复复制背景、解释目标、上传文件，再把一个工具的结果搬到另一个工具。Codex 与 ChatGPT 的整合，正是要消除这种摩擦。

理想的体验是：提出“修改登录页并更新设计说明”后，工作台自动定位文件，展示代码差异和构建结果，同时修订文档；聊天、文件树、终端和预览窗口在同一视窗内响应。微软的 Copilot 把 AI 深嵌进 Office 与开发工具；Anthropic、Google 的强项仍主要是按能力和成本分层提供模型。OpenAI 的不同赌注，是让 ChatGPT 本身成为通用工作环境，把文档、代码、终端和对话汇入同一入口。

越接近执行，错误就越昂贵

这种整合并不天然等于更好。两个智能体可能同时修改同一段代码并产生冲突；模型获得文件和浏览器权限后，一次误判就可能覆盖关键文档、错误提交代码，甚至误发信息。错误不再只是一句幻觉，而是一项现实操作。因此，越靠近执行层，产品越要强调“可控完成”。

这并非理论推演。在 GPT-5.6 的系统卡中，OpenAI 将三款模型在网络安全和生物化学方面的能力均评为 High，尚未达到最高的 Critical 级别。能力越接近执行，越需要可见的控制：用户应能查看调用过哪些模型和工具、修改了哪些文件、哪些操作等待确认，以及如何撤销。更合理的形态不是把所有按钮塞进一个界面，而是统一后台、按场景切换前台：写作时突出文档，开发时显示终端、Git 状态和执行日志。操作确认、全流程审计、一键回滚，未来会像模型能力本身一样重要。

真正难复制的是上下文与执行权

GPT-5.6 的意义，不只是 Sol 更强，而是 OpenAI 同时回答了两个问题：用三个能力层供给智能，用 ChatGPT 与 Codex 的整合承接工作。模型可以在几个月内追赶；可信的上下文却需要长期沉淀用户的项目、偏好和工作流，可控的执行权更要有权限体系、审计记录、人工确认与回滚机制共同支撑。这些都不是多训练一次模型就能复制的。

在我看来，谁能长期理解工作背景，自动选择合适的模型与工具，又让执行过程可检查、可暂停、可回滚，谁才可能拥有用户真正的工作入口。这正是 OpenAI 从模型公司走向工作环境公司最值得关注的一场赌注。

对企业决策者而言，接下来值得思考的也许不再只是“该用哪个模型”，而是“我的工作流中，哪些环节可以交给一个统一和可审计的 AI 工作入口”，这也将成为下一阶段厂商拉开差距的核心壁垒。

资料来源

• OpenAI：《GPT-5.6: Frontier intelligence that scales with your ambition》；
• OpenAI：《Previewing GPT-5.6 Sol》与《GPT-5.6 Preview System Card》；
• Anthropic Claude Platform Docs；Google Gemini API Docs；Microsoft 365 Copilot 官方博客。

关注【亨利笔记】，持续跟踪 AI 技术进展、行业动态与前沿观点，稳稳抓住人工智能时代的真正机会。