OpenAI 正式发布 GPT-5.6：综合智能跑分逼近 Claude Fable 5，成本减半，ChatGPT、Codex 合并
- OpenAI 正式发布 GPT-5.6 系列三档模型：旗舰 Sol、均衡型 Terra、性价比款 Luna，今起在 ChatGPT、Codex、API 全量上线，24 小时内全球铺开。
- 同一天还上线 ChatGPT Work（内置 Codex、会自己拆步骤交成品的 agent，对标 Claude Cowork），并把 Codex 应用并进新的 ChatGPT 桌面应用；由 GPT-5.6 驱动。
- 新增 ultra 模式，默认协调 4 个智能体并行处理复杂任务；API 端可通过 Responses 的 multi-agent beta 自建类似体验。
- 官方跑分：Sol 在 Artificial Analysis 编程代理指数上得 80 分创新高；综合智能指数上以约一半成本、少 61% 耗时逼近 Claude Fable 5，仅差 1 分。
- 网络安全跑分明显跃升（ExploitBench 从 47.9% 升到 73.5%），官方称仍未越过「关键风险」门槛，安全防护拦截力度提升约 10 倍。
- 价格：Sol 每百万 token 输入 $5 输出 $30，Terra $2.5/$15，Luna $1/$6，并新增更稳定的 prompt 缓存机制。
OpenAI 又发新模型，这次一口气来了三档
OpenAI 今天（2026-07-09）正式发布 GPT-5.6 系列模型，包含旗舰 Sol、均衡型 Terra、性价比款 Luna 三档，并推出协调多个智能体并行工作的 ultra 模式。
而且这次不只发了个模型。同一天，OpenAI 还上线了 ChatGPT Work，并把 Codex 并进了 ChatGPT，而 GPT-5.6 正是驱动它的引擎。这条产品线的变化和模型本身同样重磅，放在后面第 9 节讲清。
上线安排：今天起在 ChatGPT、Codex、OpenAI API 三处同步开放，全球分批推开，24 小时内完成。下面先按官方给出的几组测试，一节一节看清「更省」到底省在哪、ultra 又是怎么回事。
同样聪明，为什么还能更便宜更快
衡量一个模型好不好用，除了「分数多高」，还有「拿到这个分数要花多少钱、多少时间」。GPT-5.6 的卖点集中在后半句：把同一批任务的耗时和成本压下来，分数几乎不掉。
官方用两个综合测试说明这件事。一个是 Agents' Last Exam（覆盖 55 个专业领域的长程智能体工作流），Sol 冲到 53.6 分创新高，比 Claude Fable 5 高 13.1 分；就算只开中挡推理，也比 Fable 5 高 11.4 分，成本只有大约四分之一。更省的还有小模型：Terra 和 Luna 用大约十六分之一的成本，也超过了 Fable 5。另一个是 Artificial Analysis 综合智能指数（把智能体、编程、科学推理、通用能力揉在一起打分），Sol 开 max 挡时只比 Fable 5 低 1 分，但完成任务少花 61% 时间、约一半成本。
ultra 模式：让 4 个 AI 分头干活再汇总
GPT-5.6 可以调节「愿意花多少时间和算力思考」的挡位，从 low、medium、high、xhigh 一路到 max。max 之上还有一个新挡位 ultra：它不是「让一个模型想得更久」，而是默认叫来 4 个智能体，把任务拆开并行处理，最后汇总。
官方在 BrowseComp（网页浏览任务）、SEC-Bench Pro（安全概念验证）、Terminal-Bench 2.1（命令行任务）三项测试上，对比了「1 个智能体」和「4 个智能体」的表现。结论是：多加几个并行的智能体，能在更短的时间里拿到更高的分。以 BrowseComp 为例，单个智能体要跑满 8 分钟才拿到 90.84%，换成 4 个智能体只要 6.58 分钟就冲到 92.18%。
切换下面的智能体数量，看这条「分数、耗时」曲线怎么往左上角移动（越左越快、越上越准）：
单智能体基线：从 low 到 max，分数一路从 69.04% 爬到 90.84%，但最高分要跑满 7.99 分钟。曲线整体偏右下。
ultra 默认档：4 个智能体并行，同样的推理挡位下曲线整体左移上移。max 挡 6.58 分钟拿到 92.18%，比单智能体又快又准。
16 个智能体：继续往左上推，low 挡不到 1 分钟就有 86.41%，high 挡 2.79 分钟即达 92.18%，顶端逼近 93.4%。
开发者这边，API 里同步开了 multi-agent beta：一次请求内让 GPT-5.6 跑多个并行的子智能体、再把各自的结果汇总，等于自己搭一套 ultra 式的体验。
「GPT-5.6 是我们在 CursorBench 上测过的最强模型之一，早期评测里表现扎实。在持续性、智能水平和整体效率上，都是面向开发者的一步前进。」Oskar Schulz，Cursor 总裁
编程能力怎么变强的：分数创新高，还更省
Sol 是 OpenAI 目前最强的编程模型。在 Artificial Analysis 编程代理指数上，开 max 挡拿到 80 分，是该榜新高，比 Claude Fable 5 高 2.8 分，而且用的输出 token 不到一半、耗时不到一半、成本低约三分之一。整个家族都跟着受益：Terra 略高于 Fable 5，Luna 超过 Opus 4.8，各自都只用约三分之一的时间、约一半的输出 token、约四分之一的成本。
省在哪：让模型自己写个小程序处理工具调用
编程和工具密集的活儿，过去的做法是：模型每调一次工具，工具返回的内容就要整个塞回对话里，让模型再看一遍、再决定下一步。来回越多，烧的 token 越多。GPT-5.6 引入了 Programmatic Tool Calling（可写程序的工具调用）：模型自己写一小段程序，在内存里连续协调多个工具、筛掉没用的中间数据，只在关键节点才把结论带回给自己。
像派一个实习生按清单自己跑腿处理一堆杂事，只在关键节点才回来汇报，而不是每做一步都要打一通电话请示。少了来回，也就少烧 token、少绕圈子。
附带的好处：因为中间数据都在内存里处理、不落地，Programmatic Tool Calling 天然满足 Zero Data Retention（ZDR，处理完不留存任何数据）的合规要求，适合医疗、金融这类数据敏感行业接入工具密集的工作流。
会自己看效果图、发现问题还能改
GPT-5.6 在界面设计上有一处变化：给它一个大方向，它能产出好看、顺手、能用的界面；更关键的是，凭借更强的电脑操作能力，它能看自己渲染出来的成品，而不只是吐代码，从而发现视觉和功能上的毛病、动手修好再交回来。
官方给的第一个实例：GPT-5.6 只凭一句高层指令，做出的帆船竞速小游戏 Saltwind，一个能直接玩的 3D 网页。下面就是嵌进来的游戏本体，点「START REGATTA」可以亲手开船（键盘 A/D 转向、W/S 调帆、空格加速）：
另一条线是把一句自然语言变成可交互的解释页。在 ChatGPT Work 里，官方给了三个例子：交互式螺旋规、波的干涉、GPT 分词器可视化，都是拖动滑块就实时重算的网页。先看螺旋规：用户只说一句「做一个交互式的螺旋规来讲清它的原理」，模型思考 1 分 12 秒后，直接产出下面这个页面（运行实录）：
x = (R − r)·cos(t) + d·cos(((R − r)/r)·t) y = (R − r)·sin(t) − d·sin(((R − r)/r)·t)
抄一份 PPT 模板，谁抄得更像
GPT-5.6 能从一份参考文档里推断出整套设计规范：版式、字体、间距、配色、反复出现的内容模式，包括藏在母版（Slide Master）里的规则，再把这些约定一致地套到新内容上。官方给了一组「照着参考文件更新数字」的对比：同一张参考模板，GPT-5.5 漏掉了母版里的关键元素，GPT-5.6 则更完整地遵循了参考结构。
同样的改进也体现在文档和表格上：更忠实地跟随复杂的参考格式，处理公式和财务模型时更精确，排版、间距、层级和页面布局也用得更到位。这些对需要反复照格式产出的知识工作有直接影响。
「在打造生产级应用背后那些又长又复杂的流程上，GPT-5.6 的效率很高。作为 Lovable 现在采用的模型之一，它让用户完成同样任务时步骤减少约 25%、工具调用减少 35% 到 48%，同时提升了项目成功率、把卡住的运行降低了 15%。」Fabian Hedin，Lovable 联合创始人
网络安全能力跳了一级，官方怎么把关
GPT-5.6 是 OpenAI 目前最强的网络安全模型，且用的 token 更少。三项测试的跃升很直接：ExploitBench（衡量从触及漏洞代码到实现任意代码执行的进展）从 GPT-5.5 的 47.9% 升到 73.5%；ExploitGym（把真实漏洞变成可用利用程序）在两小时上限内从 15.1% 涨到 24.9%，放宽到六小时可达 33.7%；SEC-Bench Pro（复杂软件上的概念验证生成）从 45.8% 升到 71.2%。
官方对这份能力给出的安全判断：GPT-5.6 在生物和网络安全上都比早前模型更强，但两个领域都没有越过「关键风险」（Critical）门槛。在网络安全上，官方测试认为它更擅长「发现和修复漏洞」，而非可靠地对加固目标发起端到端的自主攻击，这给防御方留出了先补强系统的窗口。防御类任务（安全代码审查、打补丁、威胁建模、蓝队演练）是它支持的重点方向。
把关方式上，GPT-5.6 的防护是分层的：训练进模型的防护，加上实时检查、持续监控、账号级管控。官方还加了一个「推理监视器」，会回看整段对话判断有没有造成危害的可能，而不是只靠低智能分类器的标记来决定拦不拦。和以前相比，Sol 的网络安全防护拦截潜在有害行为的力度约为此前的 10 倍；对被误拦的正常使用，ChatGPT 和 Codex 里提供了一键换低能力模型重试的选项。上线前，官方跑了约 70 万 A100e GPU 小时的黑盒自动红队测试。
Trusted Access for Cyber 是什么
这是 OpenAI Daybreak 面向通过身份验证的安全研究者和机构开放的高级权限计划。验证用户能在授权环境里解锁更强的防御能力，比如漏洞分类与验证、恶意软件分析、检测工程、补丁验证等；未验证用户拿不到这部分权限。最敏感的能力被保留给这类可信用户，用来在「放行正当防御工作」和「拦住严重滥用」之间找平衡。
完整跑分表：哪些反超了 Claude，哪些还没
OpenAI 挑出来放大的图表都是自己占优的项目。把附录里的完整跑分表摊开看，情况更全面：GPT-5.6 Sol 有断层领先的项目，也有被 Claude Mythos 5 反超的项目。下面按类别列出几处关键对比。
| 测试（类别） | GPT-5.6 Sol | 对手最好成绩 | 领先方 |
|---|---|---|---|
| ARC-AGI-3 （抽象推理） | 7.78% | 1.5% Claude Opus 4.8 | GPT 断层领先 |
| OSWorld 2.0 （电脑操作） | 62.6% | 54.8% Claude Opus 4.8 | GPT 领先 |
| 编程代理指数 （Coding Agent） | 80 | 77.2 Claude Fable 5 | GPT 领先 |
| BrowseComp （网页浏览，Sol Ultra） | 92.2% | 88% Claude Mythos 5 | GPT 领先 |
| SWE-Bench Pro （真实代码库） | 64.6% | 80.3% Claude Mythos 5 | Claude 领先 |
| FrontierMath Tier 4 （高难数学） | 83% | 87.8% Claude Mythos 5 | Claude 领先 |
| 综合智能指数 （Intelligence Index） | 58.9 | 59.9 Claude Fable 5 | Claude 微弱领先 |
| Toolathlon （工具调用） | 58% | 61.7% Claude Mythos 5 | Claude 领先 |
展开更多分项（学术、多模态、长上下文等）
| 测试 | Sol | Terra | GPT-5.5 | Claude 最好 |
|---|---|---|---|---|
| GPQA Diamond | 94.6% | 92.9% | 93.6% | 94.6%（Mythos Prev.） |
| FrontierMath Tier 1-3 | 89% | 84.9% | 85.3% | 87%（Fable 5） |
| MMMU Pro（带工具） | 84.6% | 82% | 83.2% | ， |
| GraphWalks BFS 1M | 77.1% | 71.2% | 45.4% | 79.4%（Mythos 5） |
| GDPval-AA v2（Elo） | 1747.8 | 1593 | 1493.7 | 1759.6（Fable 5） |
| Terminal-Bench 2.1 | 88.8% | 87.4% | 85.6% | 88%（Mythos 5） |
| BenchCAD（python） | 83.4% | 78.2% | 55.8% | 65%（Mythos 5） |
脚注：HealthBench Professional 用的是 OpenAI 自家论文的计分口径，与 Anthropic 系统卡的口径不同，两边数字不能按面值横比。多智能体（ultra）测评里，延迟只按主智能体算，token 和成本则把所有子智能体加总。
不只发模型：Codex 并进 ChatGPT，还多了个会自己干活的 ChatGPT Work
和 GPT-5.6 同一天，OpenAI 还动了产品格局：上线了 ChatGPT Work，并把独立的 Codex 应用并进 ChatGPT，而 GPT-5.6 正是驱动它的引擎。这半场变化和模型本身一样重磅。
ChatGPT Work 是什么：一个内置了 Codex 的 ChatGPT agent，能从你的各种 App 里取上下文，把一个目标拆成步骤，直接交出做完的表格、幻灯片、文档、网页，不是给你建议，是给你成品。它能排期、在后台自己跑多步任务（对标 Anthropic 的 Claude Cowork），可以用你本地的文件和 App，也可以用一个新内置的浏览器去访问网站和在线文件；靠 Plugins 接入各个系统；还有个新的 Sites 测试功能，把一个文件夹或 zip 拖进去，就能立刻变成一个能跑的网站。
桌面端的合并：原来独立的 Codex 应用，并进了一个新的 ChatGPT 桌面应用（Mac 和 Windows 都有），Chat、Work、Codex 三个界面每个套餐都能用，包括免费版。已经装了 Codex 应用的用户，更新一下就变成新的 ChatGPT 桌面应用；而原来那个 ChatGPT 桌面应用，改名叫 ChatGPT Classic。
Chat · Work · Codex 三合一
桌面端三合一，每个套餐（含免费版）都能用；旧独立版改名 ChatGPT Classic。
什么时候能用：ChatGPT Work 今天先对 Pro、Enterprise、Edu 套餐开放，接下来几天扩到 Plus 和 Business。
什么时候能用，多少钱
GPT-5.6 从今天起在 ChatGPT、Codex、OpenAI API 上线，全球分批推开，未来 24 小时内逐步到全量。三档里 Sol 是旗舰，Terra 是性能接近 GPT-5.5 的低成本款，Luna 最快最便宜。
用 Terra
三档任选，各自设挡位
可选 Sol Pro、ultra
具体分配：ChatGPT 里 Plus、Pro、Business、Enterprise 用户通过 medium 及以上挡位用 Sol，Pro 和 Enterprise 还能选 Sol Pro。ChatGPT Work 和 Codex 里，Free、Go 用 Terra，Plus 及以上可在 Sol、Terra、Luna 之间选并各自设 effort 挡位；max 挡所有能用 GPT-5.6 的用户都能在设置里打开。ultra 在 ChatGPT Work 里对 Pro、Enterprise 开放，在 Codex 里对 Plus 及以上开放。
价格（每百万 token）
缓存计费规则也更新了：从 GPT-5.6 起，写入缓存按未缓存输入价的 1.25 倍收费，读取缓存仍享 9 折（即 90% 的缓存输入折扣）。对反复带同一段长上下文的应用来说，缓存更可预测，成本更好控。
想再往下看
先看几张实拍。一位 OpenAI Codex 的工程师 Derrick Choi，全程用语音跟 Codex 头脑风暴，再让 GPT-5.6 Sol 一次成型（single-shot）生成整个页面，做了 15 个能跑的网站 / UI。下面是其中 4 个：
