在Meta超级智能实验室发布了令人惊喜且竞争力强的Muse Spark 1.1模型之际，OpenAI却迎来了更为重磅的前沿模型发布。正如几周前预告的，GPT-5.6系列推出了三种新型号：Sol、Terra和Luna，分别对应太阳、地球和月球的大小，替代了之前Claude系列的文学命名方式。此外，OpenAI还引入了“ultra”超高效模式，这是迄今为止最高能力的设置，能够协调多个智能体并行工作，加速完成复杂任务。

max模式赋予GPT-5.6比xhigh模式更多的推理时间，允许其探索更多方案、进行检查并修正策略。ultra模式更进一步，默认协调四个智能体并行工作，虽然消耗更多token，但能在复杂任务上实现更强的效果和更快的结果输出。

在多个基准测试中，GPT-5.6不仅性能优于Fable和Opus，还能以更低成本完成任务。

性能对比图

OpenAI表示，Terra的表现略高于Fable 5，而Luna则超越了Opus 4.8，且完成时间约为三分之一，输出token数量约为一半，成本仅为四分之一左右。同时，GPT-5.6在Terminal-Bench 2.1和DeepSWE等复杂命令行和长周期工程任务中创下了新纪录。

此外，GPT-5.6在计算机使用、文档生成和科学研究等方面也有显著提升。

正如我们4月预测的，OpenAI今日发布了ChatGPT Work和Codex桌面应用更新，这可能是其超级应用战略的倒数第二步（最后一个悬念是代理浏览器的未来）。

ChatGPT Work界面

AI Twitter总结

  • OpenAI推出了GPT-5.6 Sol、Terra和Luna三款模型，覆盖ChatGPT、Codex和API。
  • ChatGPT Plus、Pro、Business和Enterprise用户可通过中高努力模式使用GPT-5.6 Sol，Pro和Enterprise用户可选择GPT-5.6 Pro以获得复杂任务的最高质量结果。
  • API定价分层：Sol为每百万输入/输出token 5美元/30美元，Terra为2.5美元/15美元，Luna为1美元/6美元，首次引入缓存写入定价，缓存读取享受90%折扣。
  • OpenAI将Sol定位为旗舰型号，Terra提供类似GPT-5.5的能力但成本更低，Luna则是最快且最经济的高容量选项。
  • 发布同时带来了重大应用层更新：ChatGPT Work、Codex与ChatGPT桌面应用合并、Sites测试版、程序化工具调用和多智能体测试版。

官方声明与基准结果

  • Sam Altman称GPT-5.6是“迄今为止我们生产的最佳模型”。
  • Altman强调企业经济效益：“5.6 Sol在每任务成本上实现了巨大飞跃”。
  • Greg Brockman表示目标是“任何性能水平下的最佳价格和最高天花板”。
  • GPT-5.6 Sol在Agents’ Last Exam中得分53.6，领先Claude Fable 5适应版13.1分；中等推理模式下以约四分之一成本击败Fable 11.4分；Terra和Luna也以约十六分之一成本超越Fable。
  • GPT-5.6提升了演示文稿、文档和电子表格的输出质量，支持导出至现有企业工具。
  • GPT-5.6被定位为处理复杂任务推理和生成符合模板、参考文件及风格的材料的最先进模型。
  • 在网络安全和生物相关任务上，GPT-5.6表现最强，部分API调用可能因安全审查而被暂停或阻断。
  • 计算机使用性能提升，支持多步骤任务的批处理和并行操作，以及画中画监督。

独立评测与第三方测量

  • GPT-5.6 Sol在智能指数得分59，仅比Claude Fable 5低1分，但成本约为其三分之一。
  • Terra和Luna分别得分55和51，成本分别比Sol低约50%和80%。
  • Sol在编码智能体指数中得分80，领先Fable 5和Opus 4.8，且每任务成本更低。
  • Sol定义了智能与输出token数的帕累托前沿，Terra和Luna则未达到该前沿。
  • GPT-5.6在AA-Omniscience测试中较GPT-5.5略有提升，但幻觉率更高。
  • 在GDPval-AA v2测试中表现与Claude Fable 5相当。
  • GPT-5.6在CyberBench、Excel建模、法律研究、ProofBench、SWE-bench和Terminal-Bench 2.1中排名第一。
  • GPT-5.6 Sol在ARC-AGI-3测试中得分7.8%，为首个通过该测试的前沿模型。
  • ParseBench测试显示GPT-5.6在文本和表格处理上表现良好，但在图表和布局方面仍有不足。

技术细节

  • GPT-5.6提供三种模型等级和多种推理努力级别，形成复杂配置矩阵。
  • 引入程序化工具调用和多智能体测试版，支持更复杂的工具使用和智能体分解。
  • Codex成为新Work产品的核心。
  • 并行智能体和子智能体是提升能力的关键杠杆。
  • 主要驱动力包括自适应推理、并行智能体、程序化工具使用和更高的token效率。
  • Sol max模式每个智能指数任务使用约1.5万输出token，低于GPT-5.5和其他竞争模型。
  • 桌面应用层新增Chrome扩展、改进内置浏览器、认证站点、持久多标签会话、文件下载和跨设备无缝切换。
  • Sites进入付费用户测试版，支持托管、存储和可选认证的GPT构建应用。

“Sol自主后训练Luna”声明

  • OpenAI称GPT-5.6 Sol自主后训练了GPT-5.6 Luna，引发自动研究（RSI）猜测。
  • 有观点认为Sol可能执行了配置修改、调度文件编辑和训练启动等小规模受控后训练任务，而非完全自主端到端训练。
  • 共识是GPT-5.6能够在成熟内部基础设施中执行模型改进工作流的关键环节，但尚未实现完全自主研究或训练。

内部生产力与递归改进信号

  • OpenAI称自年初以来，研究人员的实验产出翻倍。
  • 活跃研究人员的日均输出token超过GPT-5.5测试中最高水平的两倍。
  • 研究计算资源中用于内部编码推理的比例增长了100倍，智能体token使用增长约22倍。
  • 这些进展与OpenAI在顶级编程竞赛中的表现相关，系统已明显超越精英人类选手。

产品影响：ChatGPT Work、Codex合并、桌面应用与Sites

  • OpenAI推出ChatGPT Work，结合Codex和GPT-5.6，能跨应用和文件持续工作数小时，将目标转化为完成的任务。
  • Work支持从文档、Slack、Notion、Microsoft 365和Google Drive中获取上下文，生成演示文稿、文档、电子表格、仪表盘、可视化和交互式解释。
  • Codex应用合并入新的ChatGPT桌面应用。
  • 开发者获得内联差异编辑、PR审查侧边栏、更强的SSH视频渲染和计算机使用能力。
  • Sites允许用户将工作成果转化为可分享的托管应用或网站。
  • OpenAI通过案例展示GPT-5.6的应用，包括西兰花农场主、数学家和家庭谷物企业。
  • 这一产品重塑被视为OpenAI对Anthropic Cowork/Claude Code堆栈的回应。

事实与观点

  • 事实包括GPT-5.6系列名称、发布渠道、API价格、缓存策略和基准测试结果。
  • 观点涵盖“迄今最佳模型”、“首次敢于委托最难问题”、“尚未为GPT-6做好情感准备”等。
  • 也有对Codex变为ChatGPT桌面应用的批评，称其为“代际失误”。

不同视角

  • 支持者认为GPT-5.6在编码和知识工作上实现了重要突破，尤其强调成本效益和智能体堆栈的重要性。
  • 中立分析认为Sol与Fable处于同一水平，但未全面领先。
  • 批评者指出GPT-5.6在数学能力上可能不及前代，幻觉率上升，订阅和定价策略复杂，应用碎片化加剧。

安全与风险

  • AI安全研究机构发现GPT-5.6存在普遍的绕过限制漏洞，能完成复杂的漏洞发现和利用开发任务。
  • 该安全问题被认为是迄今为止最严重的模型发布安全隐患。
  • OpenAI允许第三方发布未公开模型的安全评估，展现透明态度。
  • OpenAI警告部分网络安全和生物相关请求可能被暂停或阻断以加强安全审查。
  • 这一安全能力被部分评估者视为产品优势，但安全研究者则视为重大风险。

背景与行业动态

  • 本次发布发生在前沿模型竞争激烈的一周，Meta发布Muse Spark 1.1，Grok 4.5持续引发讨论。
  • OpenAI的差异化战略从纯粹的基准分数转向成本效益和智能体工作能力。
  • 产品整合显示OpenAI正从模型供应商转型为全栈工作平台，涵盖浏览器、连接器、编排原语、托管应用部署和桌面运行时。
  • 内部数据显示研究人员利用这些系统显著提升产出并自动化部分强化学习和后训练工作流。
  • 工程界普遍关注前沿是否已由单一模型瓶颈转向编排质量、工具API、子智能体和经济性。

其他前沿模型与工具

  • Meta Muse Spark 1.1支持百万token上下文窗口、视频理解、多模态推理及API，表现竞争GPT-5.5和Opus 4.8。
  • Grok 4.5在Code Arena等竞赛中表现优异，逐渐被视为前沿模型。
  • 多篇帖子强调编排层质量对成本和效率的巨大影响。
  • LangChain、LangSmith等工具更新提升编码智能体的可观察性和记忆能力。
  • Ollama宣布融资，拥有900万活跃开发者，推动“可拥有的开放模型”。
  • Hugging Face/Reachy Mini展示了低成本的开源对话机器人方案。
  • 多项研究和项目推动推理速度和效率提升。
  • 机器人、传感器基础模型和AI科学研究持续进展。
  • 政策和安全讨论聚焦欧盟聊天控制法案、开源AI保护及系统行为评估。

整体来看，OpenAI此次发布不仅在模型性能上实现突破，更通过产品整合和智能体编排，推动了AI从单一模型向工作平台的转型，标志着AI应用进入新阶段。