GPT-5.6全量放送，Codex正式并入ChatGPT

美國時間7月9日，令人期待的GPT-5.6系列，終于全量上線。

同時推出的還有ChatGPT Work，就一句話：把Codex放到了ChatGPT里。

不是之前那種加個入口，是直接并了進去——Codex現在已經變成了ChatGPT的一部分，就連app圖標都換成了ChatGPT（可以保留原圖標）。

13天前，OpenAI在GPT-5.6 Sol限量預覽的文檔中，只展示了編碼、生物、網絡安全等重點評測，并表示當模型更廣泛開放時，將公布一套擴展的評測結果?，F在也已經隨著模型被一同放了出來。

而在正式成績單到來之前，另一種“民間評測”已經先一步開始。

不少獲得早期訪問權限的用戶，已經在社交平臺上分享了自己的使用體驗。相比冰冷的benchmark，這些反饋更像是一次提前泄露的實戰觀察。

讓我用最直白、最簡單、最不繞彎子的話告訴你……

GPT-5.6 Sol在難題攻堅上打不過Fable5，但是性價比更高、更適合日常辦公。

相對便宜，而且超級快（這很重要）。

01

劃重點：便宜、快速、高性價比

在OpenAI 的正式發布文檔中，開篇就把話說得很直白：GPT-5.6的目標是“每個token帶來更多智能、更強的每美元性能，以及在最難任務上按需調用更高能力”。

首先，再次強調一下GPT-5.6系列的價格。

GPT-5.6分為Sol、Terra、Luna三個版本。按照OpenAI公布的API價格，GPT-5.6按每100萬token計費：Sol是輸入5美元、輸出30美元；Terra是輸入2.5美元、輸出15美元；Luna是輸入1美元、輸出6美元。

了解這個價格非常重要，至少它會讓用戶原諒一些性能上的不足。很多人會把GPT-5.6 Sol對標Claude Fable 5，但從API單價看，GPT-5.6 Sol比Claude Fable 5便宜不少：輸入價格只有后者一半，輸出價格低40%。

而且OpenAI還提到GPT-5.6支持更可預測的prompt caching，緩存讀取有90%的折扣，這會影響長上下文任務的實際成本。

除了價格，另一個特別值得關注的地方是速度——官方特別指出，Sol的速度最高可達每秒750個token。

用中文粗略理解，大概是每秒500到700個漢字。

這會把模型思考和生成的部分大幅壓縮，對普通聊天來說，將帶來非常明顯的秒回感。

我們在之前的文章里，已經提到了編碼、生物、網絡安全等重點的評測，這次的評測更為全面，但在主題上并沒有太大差別。

比如，在Agents’ Last Exam這個測試長時間專業工作流的評估里，GPT-5.6 Sol達到了53.6分，比Fable 5高13.1分；即便只開medium reasoning，也能以大約四分之一的估算成本超過Fable 5。

OpenAI還說，Terra和Luna可以在大約1/16的成本下超過Fable 5。

盡管官方benchmark并不意味著最終結論，但它至少說明了OpenAI這次的敘事重點：

比的不只是誰更強，還有誰能以更低成本完成更多任務。

官方文檔之外，在Artificial Analysis這套綜合評測里，GPT-5.6完成任務時消耗的token明顯更少，尤其是推理token少得夸張。就單位token產出和運行速度而言，效率簡直高得離譜。

相比起冷冰冰的benchmark，還是熱乎乎的直播更值得關注——凌晨一點，OpenAI開了一場直播，介紹了本次更新的全部內容。

在直播中，ChatGPT Work和GPT-5.6幾乎被放在了同樣重要的位置上，甚至ChatGPT Work更加重要，奧特曼直接說那是個“really big deal”。

從直播來看，某種意義上，GPT-5.6反而像是一個專門為ChatGPT Work服務的模型底座。

而ChatGPT Work本身，說白了，就是把Codex放進了ChatGPT。

你看直播中的這個頁面，是不是很熟悉？

OpenAI在介紹ChatGPT Work時直接寫道：ChatGPT Work是ChatGPT里的一個Agent，可以跨應用和文件采取行動，必要時陪著一個項目工作數小時，并把一個目標變成完成品。

滑稽的是，OpenAI也不是簡單把Codex改名為ChatGPT Work——OpenAI說，從今天開始，Codex app會并入新的ChatGPT desktop app；Codex仍然是面向開發者和技術人員的強大編碼Agent，但也會和Chat、Work一起出現在同一個桌面應用里。

OpenAI自己此前已經在把Codex往“所有人的生產力工具”方向講了，說 Codex在幫助不同職業的人自動化日常工作、加快產出、減少知識工作的瓶頸。而現在，真正合并的時候，它反而把Codex的能力拆成了兩個部分。

Codex這個入口仍然存在，繼續面向開發者和技術人員，負責代碼、倉庫、PR、diff、review、多倉庫項目等工程任務。

但Codex背后那套更有價值的東西——接任務、讀上下文、調用工具、分步驟執行、最后交付結果的能力——被抽象了出來，放進了ChatGPT Work。

也就是說，ChatGPT現在有三個入口：Chat負責對話，Codex負責編碼，Work負責通用辦公任務。

姑且來講，又往超級入口邁了一步。

02

實際體驗：更適合日常任務

很多獲得了GPT-5.6早期訪問權限的網友分享了他們的使用體驗。

總的來說，GPT-5.6 Sol出色的地方并不在于極限攻堅（很多人提到它在性能上和Fable 5還有一段距離），但它在日常工作上得到了用戶的信任：用戶愿意每天開著它，把大量日常任務、細節檢查、上下文判斷和中間過程交給它。

有網友認為，Sol像一個有魅力、高效、有才華、讓人羨慕的同事；Fable則像一個有點擰巴的天才，在自己執著的問題上極其出色，但不太適合日常相處。

在他的體驗里，Fable仍然適合那些目標極其明確的任務，比如定向調試、安全問題和性能優化。因為這類任務有清晰的獎勵函數，模型可以不斷往一個確定目標上猛推。

但一旦回到更常見的日常工作，Sol的優勢就顯現出來了：它更順手，更會配合，也更適合長時間協作。

所以，或許更好的方式是讓Fable去出謀劃策，然后拿Sol去執行。

另一位網友的評價則更接近團隊層面的行為變化。他說，自己的團隊在使用模型時比較保守，但GPT-5.6對他的團隊產生了巨大影響：他們現在消耗的token數量，是過去的5倍。

他同樣認為GPT-5.6不如Fable 5聰明，但更可靠。

說到“使用的token數量是過去的5倍”，我一開始還以為他在吐槽GPT-5.6對token消耗太快，看了評論區才知道并不是這樣。

主要是因為用得多，所以消耗得多，這其中的關鍵在于他們愿意去用。

不過5倍的token消耗并不代表生產力提升了5倍，這位網友表示，他們并沒有5倍的好點子去推動生產力。

多出來的token，大部分不是用來堆更多產出，而是用來提高已有工作的質量，像是反復檢查每一個細小決策、處理各種邊緣情況、補上一些容易被忽略的打磨環節什么的。

但至少，他的團隊愿意把更多細節交給模型一起推敲。

在代碼能力上，網友Tim Neutkens的評價非常具體——他是Vercel的Next.js技術負責人，也是Next.js的共同作者之一。這是個大型開源框架，在業內很有影響力，而且是現代前端里非常主流的一套框架。

他們已經測試了Sol兩個多月（那么長），而在Next.js項目的日常工作中，Sol表現相當出色。他說Sol能理解架構取舍，調查復雜的Next.js項目，在修bug時考慮代碼庫的其他部分，而且幾乎不需要太多指導，用很短的提示就夠了。

而且Sol已經參與了一些Next.js服務器的大型重構工作。他們只需要指出高層次的改進方向，Sol就能端到端實現。

有個早期用戶則給出了比較降溫的評價，他認為GPT-5.6 Sol并不像Fable那樣代表一次巨大的變化或全新架構，它更像是在GPT-5.5基礎上充分打磨出的升級版。

考慮到這次更新花了大約三個月，它甚至很難說有什么了不起。

不過，再考慮到它的價格（Sol和5.5同價）和能力的提升，GPT-5.6 Sol依然是目前訂閱制下能用到的最好模型。

這位網友還提到了前端用戶界面——不過這里指的是OpenAI自己的產品界面，而不是Sol的前端代碼能力。

事實上，Sol的前端代碼能力反而是早期評價里比較亮眼的部分。

不過對前端頁面的審美多少有些見仁見智的意思，具體感受可能還是需要自己去嘗試。

簡單地說，GPT-5.6 Sol至少不像一次標準意義上的大代際更新，畢竟也只是版本號+0.1的程度——只是GPT-5.5之后的一個小版本。

雖然，它在傳播上確實取得了很大的勝利。先是提前很久就開始吊胃口，又趕上了美國對前沿模型加強監管的背景。還有Sol、Terra、Luna這套太陽系命名，也給它蒙上了一層很厲害的濾鏡。

回到實際評價里，Sol的核心故事反而沒有那么玄乎，只是比GPT-5.5更快、更適合日常任務，價格上也沒什么變化。

按理來講，這種變化其實是足夠的，但放在人家Anthropic從4到5的升級旁邊，還是差點意思。它在很多任務上不如Fable 5也算正常，價格和版本號差在這里。

說到大代際，有網友透露，GPT-5.6將是5.x系列中的最后一批模型（三個模型）。GPT-6可能在本月稍晚一些或者下個月發布。

03

OMT：花園里的兩條路

盡管聽起來沒有“前沿模型重大躍遷”那么刺激，但對Agent來說，性價比非常重要。

普通聊天，用戶問一句，模型答一句，成本再高也有限。但Agent要干活，就不是一句兩句的事了——對上下文的讀取以及對實際情況的檢查，造成的token消耗幾乎難以計量。

到了Agent時代，問題不只是“誰最聰明”，還包括“誰足夠聰明、足夠快，而且能被大量調用”。

GPT-5.6這次就有點像是在回答這個問題。值得關注的不只有Sol，它一次給出了三個版本，分工也很明確：復雜任務交給Sol，日常任務交給Terra，高頻、輕量、容易驗證的任務交給Luna。

如果說GPT-5.6是模型底座，ChatGPT Work就是它真正干活的地方。有了具體的使用場景，GPT-5.6的性價比才真正有了意義。

不是所有事情都要請最貴的專家來做，很多時候，一個足夠穩定、足夠便宜的模型，才是工作流真正跑起來的關鍵。

說起來，最近這兩天的新模型發布，有一點“便宜模型批量放送”的意思。

xAI昨天發布的Grok 4.5、Meta剛剛推出的Muse Spark 1.1，主打的也都是便宜、快速、高性價比。

事實上我并不是很愛看跑分，經常用AI的都知道，benchmark和實際使用上的體感是兩碼事，但價格是實打實的價格。

按每100萬token計費，xAI的Grok 4.5的價格是輸入2美元、輸出6美元，xAI官方還強調它具備約2倍的token利用率；Meta剛推出的Muse Spark 1.1更低，輸入1.25美元、輸出4.25美元。

這其實是一個很大的變化。

過去，前沿模型的競爭很像跑車發布會：比誰的馬力更大，誰的極速更高，誰能在最難的測試里跑出最好成績。

但Agent時代更像商用車市場，用戶不僅關心它能不能跑得快，還關心它省不省油、耐不耐用。

OpenAI、xAI和Meta看起來都在往這個方向靠：把足夠強的模型做得更便宜、更快、更適合規?；{用。

就Anthropic，在證明了自己的實力以后，仍然在另一條路上繼續狂奔。

Anthropic當然也在做工作流——甚至做得非常好，只不過它的重點和OpenAI不太一樣。我一直覺得Anthropic的工具存在一定的使用門檻，很強調協作質量和人的判斷。

或者說，它并不那么防呆。所以才會有那么多的Claude使用指南，教你怎么把“最強AI工具”用到極致。

拿它凌晨剛剛推出的Reflect with Claude功能舉例，它甚至專門讓用戶回看自己過去1、3、6、12個月如何使用Claude，分析常見任務和使用模式，并提醒用戶思考哪些事情適合交給AI，哪些仍然應該自己完成。

簡單地講，OpenAI的工作流更強調規模化調用，而Anthropic的工作流更強調高質量協作。它們的主流模型看起來也很符合這種氣質。

我們很難簡單評價這兩條路線的正誤，它們更像是花園里的兩條路。不過目前看來，擁有最頂級模型的Anthropic似乎更勝一籌。

一方面是估值，市場給出了它的答案。另一方面，Fable（Mythos）只是Anthropic的頂級模型，它還有Opus、Sonnet和Haiku，在性價比上未必落了下風。

不過，看起來OpenAI今天的更新還是給Anthropic帶來了一些緊迫感。

除了把Fable5的使用限制延長到了7月12日，它今晚還為所有用戶重置了限額。

果然，有競爭才有動力啊……

（作者：袁心玥）