文 | 字母 AI

美国时间 7 月 9 日，令人期待的 GPT-5.6 系列，终于全量上线。

同时推出的还有 ChatGPT Work，就一句话：把 Codex 放到了 ChatGPT 里。

不是之前那种加个入口，是直接并了进去—— Codex 现在已经变成了 ChatGPT 的一部分，就连 app 图标都换成了 ChatGPT（可以保留原图标）。

13 天前，OpenAI 在 GPT-5.6 Sol 限量预览的文档中，只展示了编码、生物、网络安全等重点评测，并表示当模型更广泛开放时，将公布一套扩展的评测结果。现在也已经随着模型被一同放了出来。

而在正式成绩单到来之前，另一种 " 民间评测 " 已经先一步开始。

不少获得早期访问权限的用户，已经在社交平台上分享了自己的使用体验。相比冰冷的 benchmark，这些反馈更像是一次提前泄露的实战观察。

让我用最直白、最简单、最不绕弯子的话告诉你……

GPT-5.6 Sol 在难题攻坚上打不过 Fable5，但是性价比更高、更适合日常办公。

相对便宜，而且超级快（这很重要）。

划重点：便宜、快速、高性价比

在 OpenAI 的正式发布文档中，开篇就把话说得很直白：GPT-5.6 的目标是 " 每个 token 带来更多智能、更强的每美元性能，以及在最难任务上按需调用更高能力 "。

首先，再次强调一下 GPT-5.6 系列的价格。

GPT-5.6 分为 Sol、Terra、Luna 三个版本。按照 OpenAI 公布的 API 价格，GPT-5.6 按每 100 万 token 计费：Sol 是输入 5 美元、输出 30 美元；Terra 是输入 2.5 美元、输出 15 美元；Luna 是输入 1 美元、输出 6 美元。

了解这个价格非常重要，至少它会让用户原谅一些性能上的不足。很多人会把 GPT-5.6 Sol 对标 Claude Fable 5，但从 API 单价看，GPT-5.6 Sol 比 Claude Fable 5 便宜不少：输入价格只有后者一半，输出价格低 40%。

而且 OpenAI 还提到 GPT-5.6 支持更可预测的 prompt caching，缓存读取有 90% 的折扣，这会影响长上下文任务的实际成本。

除了价格，另一个特别值得关注的地方是速度——官方特别指出，Sol 的速度最高可达每秒 750 个 token。

用中文粗略理解，大概是每秒 500 到 700 个汉字。

这会把模型思考和生成的部分大幅压缩，对普通聊天来说，将带来非常明显的秒回感。

我们在之前的文章里，已经提到了编码、生物、网络安全等重点的评测，这次的评测更为全面，但在主题上并没有太大差别。

比如，在 Agents ’ Last Exam 这个测试长时间专业工作流的评估里，GPT-5.6 Sol 达到了 53.6 分，比 Fable 5 高 13.1 分；即便只开 medium reasoning，也能以大约四分之一的估算成本超过 Fable 5。

OpenAI 还说，Terra 和 Luna 可以在大约 1/16 的成本下超过 Fable 5。

尽管官方 benchmark 并不意味着最终结论，但它至少说明了 OpenAI 这次的叙事重点：

比的不只是谁更强，还有谁能以更低成本完成更多任务。

官方文档之外，在 Artificial Analysis 这套综合评测里，GPT-5.6 完成任务时消耗的 token 明显更少，尤其是推理 token 少得夸张。就单位 token 产出和运行速度而言，效率简直高得离谱。

相比起冷冰冰的 benchmark，还是热乎乎的直播更值得关注——凌晨一点，OpenAI 开了一场直播，介绍了本次更新的全部内容。

在直播中，ChatGPT Work 和 GPT-5.6 几乎被放在了同样重要的位置上，甚至 ChatGPT Work 更加重要，奥特曼直接说那是个 "really big deal"。

从直播来看，某种意义上，GPT-5.6 反而像是一个专门为 ChatGPT Work 服务的模型底座。

而 ChatGPT Work 本身，说白了，就是把 Codex 放进了 ChatGPT。

你看直播中的这个页面，是不是很熟悉？

OpenAI 在介绍 ChatGPT Work 时直接写道：ChatGPT Work 是 ChatGPT 里的一个 Agent，可以跨应用和文件采取行动，必要时陪着一个项目工作数小时，并把一个目标变成完成品。

滑稽的是，OpenAI 也不是简单把 Codex 改名为 ChatGPT Work —— OpenAI 说，从今天开始，Codex app 会并入新的 ChatGPT desktop app；Codex 仍然是面向开发者和技术人员的强大编码 Agent，但也会和 Chat、Work 一起出现在同一个桌面应用里。

OpenAI 自己此前已经在把 Codex 往 " 所有人的生产力工具 " 方向讲了，说 Codex 在帮助不同职业的人自动化日常工作、加快产出、减少知识工作的瓶颈。而现在，真正合并的时候，它反而把 Codex 的能力拆成了两个部分。

Codex 这个入口仍然存在，继续面向开发者和技术人员，负责代码、仓库、PR、diff、review、多仓库项目等工程任务。

但 Codex 背后那套更有价值的东西——接任务、读上下文、调用工具、分步骤执行、最后交付结果的能力——被抽象了出来，放进了 ChatGPT Work。

也就是说，ChatGPT 现在有三个入口：Chat 负责对话，Codex 负责编码，Work 负责通用办公任务。

姑且来讲，又往超级入口迈了一步。

实际体验：更适合日常任务  

很多获得了 GPT-5.6 早期访问权限的网友分享了他们的使用体验。

总的来说，GPT-5.6 Sol 出色的地方并不在于极限攻坚（很多人提到它在性能上和 Fable 5 还有一段距离），但它在日常工作上得到了用户的信任：用户愿意每天开着它，把大量日常任务、细节检查、上下文判断和中间过程交给它。

有网友认为，Sol 像一个有魅力、高效、有才华、让人羡慕的同事；Fable 则像一个有点拧巴的天才，在自己执着的问题上极其出色，但不太适合日常相处。

在他的体验里，Fable 仍然适合那些目标极其明确的任务，比如定向调试、安全问题和性能优化。因为这类任务有清晰的奖励函数，模型可以不断往一个确定目标上猛推。

但一旦回到更常见的日常工作，Sol 的优势就显现出来了：它更顺手，更会配合，也更适合长时间协作。

所以，或许更好的方式是让 Fable 去出谋划策，然后拿 Sol 去执行。

另一位网友的评价则更接近团队层面的行为变化。他说，自己的团队在使用模型时比较保守，但 GPT-5.6 对他的团队产生了巨大影响：他们现在消耗的 token 数量，是过去的 5 倍。

他同样认为 GPT-5.6 不如 Fable 5 聪明，但更可靠。

说到 " 使用的 token 数量是过去的 5 倍 "，我一开始还以为他在吐槽 GPT-5.6 对 token 消耗太快，看了评论区才知道并不是这样。

主要是因为用得多，所以消耗得多，这其中的关键在于他们愿意去用。

不过 5 倍的 token 消耗并不代表生产力提升了 5 倍，这位网友表示，他们并没有 5 倍的好点子去推动生产力。

多出来的 token，大部分不是用来堆更多产出，而是用来提高已有工作的质量，像是反复检查每一个细小决策、处理各种边缘情况、补上一些容易被忽略的打磨环节什么的。

但至少，他的团队愿意把更多细节交给模型一起推敲。

在代码能力上，网友 Tim Neutkens 的评价非常具体——他是 Vercel 的 Next.js 技术负责人，也是 Next.js 的共同作者之一。这是个大型开源框架，在业内很有影响力，而且是现代前端里非常主流的一套框架。

他们已经测试了 Sol 两个多月（那么长），而在 Next.js 项目的日常工作中，Sol 表现相当出色。他说 Sol 能理解架构取舍，调查复杂的 Next.js 项目，在修 bug 时考虑代码库的其他部分，而且几乎不需要太多指导，用很短的提示就够了。

而且 Sol 已经参与了一些 Next.js 服务器的大型重构工作。他们只需要指出高层次的改进方向，Sol 就能端到端实现。

有个早期用户则给出了比较降温的评价，他认为 GPT-5.6 Sol 并不像 Fable 那样代表一次巨大的变化或全新架构，它更像是在 GPT-5.5 基础上充分打磨出的升级版。

考虑到这次更新花了大约三个月，它甚至很难说有什么了不起。

不过，再考虑到它的价格（Sol 和 5.5 同价）和能力的提升，GPT-5.6 Sol 依然是目前订阅制下能用到的最好模型。

这位网友还提到了前端用户界面——不过这里指的是 OpenAI 自己的产品界面，而不是 Sol 的前端代码能力。

事实上，Sol 的前端代码能力反而是早期评价里比较亮眼的部分。

不过对前端页面的审美多少有些见仁见智的意思，具体感受可能还是需要自己去尝试。

简单地说，GPT-5.6 Sol 至少不像一次标准意义上的大代际更新，毕竟也只是版本号 +0.1 的程度——只是 GPT-5.5 之后的一个小版本。

虽然，它在传播上确实取得了很大的胜利。先是提前很久就开始吊胃口，又赶上了美国对前沿模型加强监管的背景。还有 Sol、Terra、Luna 这套太阳系命名，也给它蒙上了一层很厉害的滤镜。

回到实际评价里，Sol 的核心故事反而没有那么玄乎，只是比 GPT-5.5 更快、更适合日常任务，价格上也没什么变化。

按理来讲，这种变化其实是足够的，但放在人家 Anthropic 从 4 到 5 的升级旁边，还是差点意思。它在很多任务上不如 Fable 5 也算正常，价格和版本号差在这里。

说到大代际，有网友透露，GPT-5.6 将是 5.x 系列中的最后一批模型（三个模型）。GPT-6 可能在本月稍晚一些或者下个月发布。

OMT：花园里的两条路

尽管听起来没有 " 前沿模型重大跃迁 " 那么刺激，但对 Agent 来说，性价比非常重要。

普通聊天，用户问一句，模型答一句，成本再高也有限。但 Agent 要干活，就不是一句两句的事了——对上下文的读取以及对实际情况的检查，造成的 token 消耗几乎难以计量。

到了 Agent 时代，问题不只是 " 谁最聪明 "，还包括 " 谁足够聪明、足够快，而且能被大量调用 "。

GPT-5.6 这次就有点像是在回答这个问题。值得关注的不只有 Sol，它一次给出了三个版本，分工也很明确：复杂任务交给 Sol，日常任务交给 Terra，高频、轻量、容易验证的任务交给 Luna。

如果说 GPT-5.6 是模型底座，ChatGPT Work 就是它真正干活的地方。有了具体的使用场景，GPT-5.6 的性价比才真正有了意义。

不是所有事情都要请最贵的专家来做，很多时候，一个足够稳定、足够便宜的模型，才是工作流真正跑起来的关键。

说起来，最近这两天的新模型发布，有一点 " 便宜模型批量放送 " 的意思。

xAI 昨天发布的 Grok 4.5、Meta 刚刚推出的 Muse Spark 1.1，主打的也都是便宜、快速、高性价比。

事实上我并不是很爱看跑分，经常用 AI 的都知道，benchmark 和实际使用上的体感是两码事，但价格是实打实的价格。

按每 100 万 token 计费，xAI 的 Grok 4.5 的价格是输入 2 美元、输出 6 美元，xAI 官方还强调它具备约 2 倍的 token 利用率；Meta 刚推出的 Muse Spark 1.1 更低，输入 1.25 美元、输出 4.25 美元。

这其实是一个很大的变化。

过去，前沿模型的竞争很像跑车发布会：比谁的马力更大，谁的极速更高，谁能在最难的测试里跑出最好成绩。

但 Agent 时代更像商用车市场，用户不仅关心它能不能跑得快，还关心它省不省油、耐不耐用。

OpenAI、xAI 和 Meta 看起来都在往这个方向靠：把足够强的模型做得更便宜、更快、更适合规模化调用。

就 Anthropic，在证明了自己的实力以后，仍然在另一条路上继续狂奔。

Anthropic 当然也在做工作流——甚至做得非常好，只不过它的重点和 OpenAI 不太一样。我一直觉得 Anthropic 的工具存在一定的使用门槛，很强调协作质量和人的判断。

或者说，它并不那么防呆。所以才会有那么多的 Claude 使用指南，教你怎么把 " 最强 AI 工具 " 用到极致。

拿它凌晨刚刚推出的 Reflect with Claude 功能举例，它甚至专门让用户回看自己过去 1、3、6、12 个月如何使用 Claude，分析常见任务和使用模式，并提醒用户思考哪些事情适合交给 AI，哪些仍然应该自己完成。

简单地讲，OpenAI 的工作流更强调规模化调用，而 Anthropic 的工作流更强调高质量协作。它们的主流模型看起来也很符合这种气质。

我们很难简单评价这两条路线的正误，它们更像是花园里的两条路。不过目前看来，拥有最顶级模型的 Anthropic 似乎更胜一筹。

一方面是估值，市场给出了它的答案。另一方面，Fable（Mythos）只是 Anthropic 的顶级模型，它还有 Opus、Sonnet 和 Haiku，在性价比上未必落了下风。

不过，看起来 OpenAI 今天的更新还是给 Anthropic 带来了一些紧迫感。

除了把 Fable5 的使用限制延长到了 7 月 12 日，它今晚还为所有用户重置了限额。

果然，有竞争才有动力啊……