OpenAI发布GPT-5.6系列，包含旗舰Sol、平衡款Terra和性价比Luna，定价每百万token输入1至5美元，输出6至30美元。Sol在编码、知识工作等任务上超越Claude Fable 5，同时token消耗和成本显著降低。新增ultra多agent并行模式与程序化工具调用，适合开发者、研究人员及企业用户。注意ultra模式耗token较快，Pro会员需留意限额。
Tags:
听雨 发自 凹非寺
量子位 | 公众号 QbitAI
OpenAI诚不欺我…今天凌晨，GPT-5.6正式来了！
奥特曼表示：这是OpenAI迄今最强模型，GPT-5.6的技术博客也可能是他们写过最好的blog之一。
好家伙，模型要SOTA，连blog也要SOTA呗（
目前ChatGPT、Codex以及API，哪哪都可以使用了。
Codex已经被夺舍了…甚至你不强行挽留的话，显示的都不是Codex的标（doge）。
原有的Codex桌面应用直接升级成了新的ChatGPT桌面应用，老版ChatGPT桌面应用则更名为 “ChatGPT Classic”。
社区也开始疯狂整活。Matt Shumer让GPT-5.6-Sol一口气搓了个“方块版曼哈顿”：
高楼、街区、道路，全是voxel风格，GPT-5.6-Sol自主运行了一周，搭了个纽约乐高城。
他还表示：照这个趋势，明年这个时候模型可能已经可以one-shot生成GTA级别的游戏了。
数学研究者nasqret则分享，GPT-5.6帮助他推进了一个关于代数几何中K3曲面的问题。
GPT-5.6-Sol被喂进大量技术文档后，在Codex里一路查资料、找方法、写程序，最后挖出了一条分式线性规划的思路。
模型把计算方案实现出来，去跑他们整理的K3曲面家族，直接突破了原先猜想。
此外，这次还同步发布了ChatGPT Work。
由Codex和GPT-5.6驱动，可以跨应用和文件行动，必要时持续数小时，把目标变成完成品。
但也有网友吐槽：GPT-5.6太烧token了！！！
ultra模式在15分钟内就烧完Pro会员5小时限额的程度。
GPT-5.6正式上线
GPT-5.6家族分三档：
Sol：旗舰模型，主打最高能力；
Terra：平衡款，面向日常工作；
Luna：最快、最便宜，主打高性价比。
命名分别对应太阳、地球、月亮。
官方说法是，GPT-5.6 Sol在编码、知识工作、网络安全、科学任务上达到SOTA，同时用更少token、更低估算成本完成任务。
这次GPT-5.6还带来了一个很关键的新模式：ultra。
如果说max是让模型在一个任务上投入更多推理时间，那么ultra就更进一步，直接把任务交给多个agent并行处理。
按照OpenAI的说法，ultra默认会协调4个agent同时工作，可扩展至16个。
GPT-5.6还带来一项工程侧的新能力：Programmatic Tool Calling（程序化工具调用）。
简单说，模型可以自己写一段轻量程序来协调多个工具调用、处理中间结果、监控进度并决定下一步动作。
不需要开发者把每一步都写死脚本，也不用把每次工具返回结果都塞回模型里过一遍。
这让“工具密集型”任务能用更少的token、更少的模型往返次数完成。
那么，GPT-5.6相比Fable 5如何呢？
OpenAI表示，在 Agents’ Last Exam（覆盖55个专业领域的长周期工作流测试）上，Sol以53.6分刷新纪录，比 Fable 5 高出13.1分。
即便调低到中等推理强度，仍能以大约四分之一的成本领先11.4分。
这种效率优势同样体现在小尺寸模型上——Terra和Luna分别以约十六分之一的成本反超 Fable 5。
代码能力上，官方称GPT-5.6 Sol是OpenAI目前最强代码模型。
在Artificial Analysis Intelligence Index上，Sol（最高推理强度）与 Fable 5的分差被压缩到1分以内，但完成任务的时间少61%，成本约为一半。
在设计能力上，GPT-5.6实现了飞跃。
GPT-5.6只需要高层级的指示，就能做出美观、符合人体工学、功能完整的界面。
关键的是，它的电脑操作能力让它能够检查和打磨“渲染出来的最终效果”，而不只是生成底层代码或文字内容。
也就是说，它能自己发现视觉和功能上的问题，交付前再做一遍收尾打磨。
比如这个帆船主题游戏，就是由GPT-5.6自主生成的：
这前端设计，这互动体验，不得不说真有点太丝滑了。
此外，GPT-5.6也能完成端到端的知识工作。
它能把Slack、Notion、Microsoft 365、Google Drive里那些“杂乱无章”的日常工作素材，转化为专业水准、可直接分享的成果。
在涉及长周期专业分析、网页浏览、工具使用和电脑操作的评测中，Sol在BrowseComp上拿到92.2%的新纪录，在 OSWorld 2.0上达到62.6%。
后者甚至超过了Claude Opus 4.8，同时输出token少了85%。
在演示文稿、文档、表格这类具体产出上，官方特别强调了“遵循模板和参考文件”这项能力的提升。
GPT-5.6能识别一份幻灯片的整体设计体系（布局、字体、间距、配色，乃至藏在幻灯片母版里的规则），并把这些规范一致地套用到新内容上。
在定价方面（每百万 token）：
Sol：输入$5/输出$30；
Terra：输入$2.5/输出$15；
Luna：输入$1/输出$6。
ChatGPT Work登场：把目标变成完成品
ChatGPT Work这次也同步上线。
它由Codex和GPT-5.6驱动，可以跨应用和文件行动，必要时持续数小时，把目标变成完成品。
主要能力有三项：
跨应用取材、跨文件行动：通过内置的“统一插件目录”，ChatGPT Work首发即可连接 Google Drive、SharePoint、Slack、Microsoft Teams、Gmail等一连串第三方服务。
用户可以主动指定要调用的数据源,也可以让模型自己判断该去哪里找信息。
产出“成品”而不是草稿：官方给出的场景是根据任务直接生成 Excel 表格、Word 文档、幻灯片、报告或网站（Sites），模型会自己检查渲染后的最终效果并做收尾打磨。
长任务与持续监督并存：任务可以运行一次性，也可以按计划重复执行，或者依据触发条件（比如某个文件被更新）自动启动，这套机制复用了ChatGPT里已有的“Scheduled Tasks”。
过程中用户可以随时查看进度、回答模型的追问、调整方向，或者对关键动作进行审批。
安全性上强调Auto-Review：让能力更强的模型在关键动作真正执行前先做一遍检查。在对抗性红队测试中，该机制拦下了全部尝试窃取受保护数据的攻击。
这次发布也顺带完成了一次产品架构的合并：
ChatGPT桌面端不再只是聊天窗口，而是拆分成Chat/Work/Codex三种模式。
Chat用于问答、搜索、头脑风暴等轻量对话；
Work面向研究选题、信息分析、文档/表格/演示文稿/网站等成果型任务；
Codex继续专注软件开发，展示更多技术细节(代码、diff、PR)，而 Work则把这些细节抽象掉，只呈现结果。
同时，OpenAI也顺势宣布将逐步淘汰独立的Atlas浏览器，相关的智能体浏览能力会并入ChatGPT内置浏览器和新的Chrome侧边栏扩展。
安全放到了C位
安全方面，GPT-5.6也没落下。
官方称GPT-5.6是“迄今最强的网络安全模型”，而且是用明显更少的token做到的。
在 ExploitBench（衡量从发现漏洞代码到实现任意代码执行的完整进展）上，GPT-5.6得分73.5%，而 GPT-5.5 只有47.9%（token预算相当的情况下）。
在 ExploitGym（要求智能体把真实漏洞转化为可用的漏洞利用程序上），两小时时限内的最高通过率从GPT-5.5的15.1%几乎翻倍到24.9%，六小时时限下能到33.7%。
在 SEC-Bench Pro（测试复杂软件中的概念验证生成）上得分71.2%，大幅领先GPT-5.5的45.8%，延迟表现也更好。
出于对滥用风险的考量，GPT-5.6 对“防御性”网络安全任务（代码安全审查、补丁开发、威胁建模、蓝队工作等）提供支持。
但更高级别的能力——比如漏洞分诊验证、恶意软件分析、检测工程、补丁验证，只向 OpenAI Daybreak的“网络安全可信访问”计划中通过身份验证的个人和机构开放。
能力越强，红线画得也越谨慎。官方披露，这一代投入了前所未有的算力做安全测试。
结论是GPT-5.6在网络安全和生物两个维度均未越过“关键(Critical)”风险阈值。
具体到网络安全，测试显示它更擅长“找到并修复漏洞”，而不是可靠地对加固过的目标发起自主端到端攻击——这给了防御方抢先补洞的窗口期。
生物领域则是能支持合法研究，但不具备从头设计或合成高危新型威胁的端到端能力。
最后的最后…估计A社也是感受到了压力。
Anthropic那边看完发布会后，连夜表示：
我们重置了大家的额度。（狗头)
网友的梗图也已经如约而至：
有趣…真有趣啊。
参考链接：
[1]https://openai.com/index/gpt-5-6/
[2]https://x.com/openai/status/2075271435573244008
[3]https://x.com/sama/status/2075266471316615436
一键三连「点赞」「转发」「小心心」
欢迎在评论区留下你的想法！
— 完 —
🌟 点亮星标 🌟
没有评论:
发表评论