OpenAI 全面上线 GPT-5.6：旗舰 Sol 跑分刷榜，还带四智能体并行模式

如果你这阵子用 AI 写过复杂代码，可能经常遇到这种尴尬：模型在上下文里绕了几十圈，token 烧得飞起，最后给你的脚本还是缺斤少两。

OpenAI 宣布 GPT-5.6 系列正式结束预览走向普遍可用。这次一共推了三款尺寸：旗舰 Sol、平衡版 Terra，以及号称性价比最高的 Luna。伴随而来的还有一套叫「ultra」的多智能体调度模式，默认直接拉出四个智能体并行干活。

有意思的是后续调价：7 月 30 日 OpenAI 把 Luna 的价格砍掉 80%，Terra 降了 20%；到了 8 月 21 日，旗舰 Sol 的 API 与积分单价又降了超过 20%，为期三个月。

省 token 才是省钱，顺手把多智能体打包了

这次 OpenAI 讲得最多的词不是「智商破纪录」，而是「单位 token 的有效产出」。

在考查 55 个领域长周期专业工作流的 Agents' Last Exam 上，GPT-5.6 Sol 拿到了 53.6 分，压过 Claude Fable 5 达 13.1 分。就算只开中等推理档位，Sol 也比 Fable 5 高出 11.4 分，而预估成本只有对手的大约四分之一。连小一号的 Terra 和 Luna，都能以对手约十六分之一的成本跑赢 Fable 5。

写代码方面，在 Artificial Analysis Coding Agent Index 上，开到 max 推理的 Sol 拿到 80 分排第一，比 Fable 5 略高 2.8 分。但关键在于代价：Sol 用的输出 token 不到对手一半，耗时不到一半，算下来便宜了三分之一左右。Terra 在这个榜单上也略高于 Fable 5，Luna 则跑赢了 Opus 4.8。

这背后有个关键机制叫「程序化工具调用」（Programmatic Tool Calling）。以往智能体调工具，每跑一步都得把数据扔回大模型过一遍，上下文暴涨。现在 GPT-5.6 可以自己写一段轻量脚本来过滤中间结果、监控进度，只把真正有用的信息传回来，既省模型往返，又把 token 压到了极低。

要是你手头是个极难的大活，还有一套「ultra」配置。它默认同时协调 4 个智能体在不同工作流并行跑，拿更多 token 换更短的交付时间和更高的准确率。在 BrowseComp 和 SEC-Bench Pro 评测里，甚至测试了 16 个智能体并行的组合。

会看 UI 的「设计品味」，以及带门锁的网络安全

除了敲代码，GPT-5.6 这次在视觉和格式上也下了狠工夫。

官方演示它直接接手 PPT、文档和表格时，不仅能读懂文字，还能推断母版（Slide Master）的设计规范，包括版式、字体大小、留白间距和颜色体系，照着规范直接排版。因为有了更强的电脑使用（computer use）能力，它生成完界面后还会自己跑去「看」渲染出来的结果，检查页面有没有视觉 bug 或操作断点，再交还给用户。

在 OSWorld 2.0 评测里，Sol 拿下 62.6% 的分数，超越了 Opus 4.8，并且输出 token 减少了 85%。

而在网络安全这种敏感领域，GPT-5.6 的成绩也翻了一倍。ExploitGym 的真实漏洞利用通过率从 GPT-5.5 的 15.1% 提到了 24.9%，给 6 小时甚至能跑到 33.7%；SEC-Bench Pro 概念验证得分到了 71.2%。

不过普通人摸不到它的全部网络能力。OpenAI 设立了 Daybreak Trusted Access for Cyber 计划，只有通过身份验证的个人和机构才能解锁这些高危渗透和漏洞分析能力。而且个人用户如果想在 9 月 1 日之后保留访问权限，必须开启基于硬件密钥（如 Yubico 的 passkey）的高级账户安全验证，否则就会被踢回默认权限。

为什么重要

对于每天靠代码和文档吃饭的打工人来说，GPT-5.6 的升级非常务实。它不再跟你比谁更会吟诗作对，而是解决「跑完一个大任务要等多久、花多少钱」。开发者通过 Responses API 就能调到类似 ultra 的多智能体机制，小团队靠 Luna 和 Terra 就能用原来的零头预算把智能体搭起来，这很值得现在就去把老工作流替换一遍。

我们认为，OpenAI 这次最聪明的动作是把竞争焦点从「峰值参数」拉回了「工程效率」。过去各家比拼大模型，往往只看排行榜最高分，完全不计 token 消耗和响应延迟；而现实中很多企业不上智能体，就是因为调用成本不可预测且延迟太高。GPT-5.6 用小脚本接管工具调用的做法，直切了工程落地最痛苦的开销问题。

但隐患也很显眼。一方面，ultra 这种动辄拉出 4 个甚至 16 个智能体并行的打法，本质上是「用算力暴力换效果」，如果不加节制地在生产环境调用，账单依然会让人心惊肉跳。另一方面，模型在网络安全上的破坏力正在逼近临界点，OpenAI 不得不绑上硬件密钥和严格的白名单，这也意味着越是顶尖的模型能力，未来面向大众的封锁和门槛只会越来越高。