今天，科技圈最炸裂的消息莫过于 GPT-5.6 三箭齐发，Sol、Terra、Luna 三个版本同时上线。
发布完成之后，所有订阅的额度都跟着重置了一轮。
作为今年下半年最重要的版本，这也是 GPT 6.x 时代来临前的最后一代产品。我估计 6.x 用不了多久也会上线。
大家直接更新版本就能用上最新模型了。
不过，GPT-5.6 Sol 这个版本，我目前看到的情况是 Pro 订阅下 5x 和 20x 额度才有，Plus 账号只能看到 Terra 和 Luna，暂时没见到 Sol。
这就有点奇怪了，之前说的是 Plus 用户也能用 Sol。不确定是灰度还没推到，还是跟发布时的声明有出入。大家如果有已经用上的，不妨来说说。
除此之外，Sol 还新增了 Max 和 Ultra 两档推理强度。Max 让模型花更多时间进行深度思考，Ultra 则会并行调用多个子 Agent 来协同处理任务。要提醒一句，Ultra 模式非常消耗 token，用的时候得悠着点。
官方还放出了一张测评图，这么看下来 GPT-5.6 Sol 不光是活儿干得好，还相当省 token。
官方还特意强调了一件事：Luna 这个版本，是用 Sol 来完成的后训练。
虽然 GPT 5.6 正式发布了，但 Codex 也到了跟大家说再见的时候。
OpenAI 正式推出了 ChatGPT Codex 和 ChatGPT Work。
以前的 Codex，现在叫 ChatGPT Codex。
这两个模式可以直接在 Codex 应用里无缝切换。
ChatGPT Work 的上线，我看很可能意味着 OpenAI 要正式切入办公场景了。
跟 Codex “For developers”会展示完整思考过程不同，ChatGPT Work 把技术细节全隐藏了，面向的就是非开发者群体。
ChatGPT Work 绝对是这次最值得重点关注的新东西。它不再只是回答问题，而是能跨应用执行任务：可以连接你的 Google Drive、Slack、邮箱这些工具，自己拆解复杂项目，分步骤独立完成，只有到了必须你拍板的时候才会问你。
例如，你丢给它一句“把客户调研整理成营销方案”——它能自己读资料、写方案、生成不同市场的素材版本，全程带着上下文推进。
这也印证了之前的猜测：ChatGPT 和 Codex 要开始整合了。
Work 后续也会登陆网页和手机端，也就是说你即使不在电脑前，也能发起任务、追踪进度。
市面上很多产品像 Qoder、Trae、WorkBuddy 这类国内的工具，其实都已经分了“面向程序员”和“面向职场人”两套界面，不过 OpenAI 这次是直接把它们集成到一块了。
浏览器这边也有一波重大更新。
在 Codex 里使用 Computer use 功能比之前流畅多了，而且已经支持认证网站、多标签页和文件下载。你的标签页状态也能保留下来，整体更顺滑。
这个 Computer use 功能，本质上就是让 ChatGPT 像真人一样去操作各类应用。最关键的是，使用速度更快了，而且更省 token。
之前的 Computer use 我日常也没少用，但老实讲，效率确实有点慢。
除此之外，GPT 5.6 在前端生成、可视化等方面也有不小的改进。OpenAI 这次还专门放了一张不同类型生成的前端效果图。
还有一堆细节上的小改进。
这次更新带来的新东西确实不少，这些小细节和特性够我琢磨一阵子了。
对了，在 GPT 5.6 正式发布之后，A 社选择给所有用户重置了限额——你品，你细品。
GPT 5.6 三箭齐发，大家自然容易陷入一波兴奋的氛围里，这时候可能听不进什么反对的声音。
我跟大伙一样，等 GPT 5.6 等了很久，光是模型官方测评我就前前后后看了两轮。但是这一次，我可能真得泼点冷水了。
先放一张我最信任的测评机构的图。
这张图的核心信息其实是在说：Fable 5 和 GPT-5.6 之间的胜负，得拆成“综合能力”和“编码 Agent”两条线来看。
- 上半图是综合 Intelligence Index（9 个不同测试汇总）：Fable 5 拿下 60 分，GPT-5.6 Sol 是 59 分，Terra 55 分。综合分这块，Fable 还是略高于 Sol，Terra 则明显低一档。
- 下半图是 Coding Agent Index（DeepSWE、Terminal-Bench、SWE-Atlas-QnA 的综合）：Sol 80 分排第一，Terra 77 分，Fable 5 也是 77 分。做代码 Agent 时，Sol 确实最强；Terra 和 Fable 基本持平。
所以，它并不支持很多博主说的“GPT-5.6 全面碾压 Fable”或者“直接杀死比赛”这种论断。我更倾向于这样总结：
Sol 在代码 Agent 这一条赛道上确实是第一名；Fable 在综合能力上仍然稍占优势；Terra 的定位很像一款编码 Agent 特化的中档模型，成绩能摸到 Fable，但整体能力低一档。
另外，图上标注的 max 是最高推理档位，with fallback 表示 Fable 的安全回退配置也在跑。所以这并不是纯裸模型对决。不同的工具链、推理档位、评测题集，都会改变排名顺序。
Simon Willison 也在他的博客里提到了类似的观点：GPT 5.6 的实际效果可能并没有比 Fable 5 更强。
作为少数能提前体验的那批人，Simon 有足够的时间反复测试，他把前因后果说明白了。
他们专门设计了一项叫“智能体终极考试”的评测，目标就是让每个 token 都发挥出更大的价值。
这项评测覆盖了 55 个长时间运行的专业工作流。GPT-5.6 Sol 拿下了 53.6 分的新纪录，比 Claude Fable 5（自适应推理模式）高出 13.1 分。
即使在中等推理模式下，它也只用了大约四分之一的预估成本，就领先 Fable 5 足足 11.4 分。
这对实现“更普及、更经济”的智能来说确实很关键：GPT-5.6 Terra 和 GPT-5.6 Luna 的表现都优于 Fable 5，而成本只需要对方的十六分之一左右。
但是，在大家普遍关注的 SWE-Bench 领域里，Fable 5 反过来明显压制了 GPT-5.6——Fable 5 拿到了 80% 的成绩，GPT-5.6 Sol 只有 64.6%。
当然，OpenAI 隔天立马发了一篇文章，直接指出 SWE-Bench Pro 里大概 30% 的题目本身就有毛病，可能存在题目描述不全、测试条件过严、答案不唯一等问题，意思是不能把这份成绩单当成最终裁判。
Simon 自己也说，就他目前上手使用的体验来看，在面对 A 社模型的复杂编码任务时，它并没有表现得比 Fable 更好。
他还整理了 GPT 5.6 不同版本的 18 种“鹈鹕骑车” SVG 对比——覆盖三种模型在六档推理强度下的输出效果，并且把 Token 消耗和计算成本全列出来了。成本最低的是 gpt-5.6-luna（推理强度 None），只要 0.71 美分；成本最高的是 gpt-5.6-sol（推理强度 Max），高达 48.55 美分。
图片来源：Simon Willison，三列依次为 Luna、Terra、Sol，六行依次为 None 到 Max。
我自己也上手实测了几轮。我没用上 Sol，测的是 Terra Ultra 模式。它给我的感觉是，不如 GPT 5.5。输出速度特别慢，而且我刚一开始用就碰到两轮问题。
第一轮是在任务结束时返回了一个空的最终消息，界面上直接显示一片空白。
然后第二轮，它把英文和中文掺在一起输出了。
所以到底谁更强？我觉得真的没必要这么快就下结论。
也可能是因为我还没用到 Sol，拿 Terra 来测本来也测不出什么名堂。
GPT-5.6 Sol 在 token 效率、多 Agent 协同和工具调用上或许确实更占优势；但 Fable 5 至少在 Simon 实际完成的那种复杂工程任务里，仍然有自己的不可替代性。
我昨天也实测了一下 Grok 4.5，整体感觉其实还不错。假如后面我用上 GPT-5.6 Sol 的效果依然不理想，那我可能就准备直接切到 Grok 4.5 了。
那么，最终到底行不行？就等等在座各位大聪明的实测结果了。
在这个技术圈子里，各种新模型总是让人眼花缭乱。如果你也喜欢深度钻研这些前沿技术，或者想跟更多同好一起交流心得，不妨来云栈社区看看，那里聚集了不少热衷技术分享的伙伴。
最后说点题外话。大批测评人估计都是通宵蹲守到发布，写完文章倒头就睡了，也挺好。
而我呢，凌晨 4 点爬起来打算看法兰西和摩洛哥的比赛，趁着等球的时间顺手把这篇文章撸了。结果我文章写完了，比赛也结束了。
那我是不是该去补个觉了？不，我该去上班了 ：）
发表于 5 小时前
|
查看: 5|
回复: 0
