OpenAI 全面上線 GPT-5.6：旗艦 Sol 跑分刷榜，還帶四智慧體並行模式

如果你這陣子用 AI 寫過複雜程式碼，可能經常遇到這種尷尬：模型在上下文裡繞了幾十圈，token 燒得飛起，最後給你的指令碼還是缺斤少兩。

OpenAI 宣佈 GPT-5.6 系列正式結束預覽走向普遍可用。這次一共推了三款尺寸：旗艦 Sol、平衡版 Terra，以及號稱價效比最高的 Luna。伴隨而來的還有一套叫「ultra」的多智慧體排程模式，預設直接拉出四個智慧體並行幹活。

有意思的是後續調價：7 月 30 日 OpenAI 把 Luna 的價格砍掉 80%，Terra 降了 20%；到了 8 月 21 日，旗艦 Sol 的 API 與積分單價又降了超過 20%，為期三個月。

省 token 才是省錢，順手把多智慧體打包了

這次 OpenAI 講得最多的詞不是「智商破紀錄」，而是「單位 token 的有效產出」。

在考查 55 個領域長週期專業工作流的 Agents' Last Exam 上，GPT-5.6 Sol 拿到了 53.6 分，壓過 Claude Fable 5 達 13.1 分。就算只開中等推理檔位，Sol 也比 Fable 5 高出 11.4 分，而預估成本只有對手的大約四分之一。連小一號的 Terra 和 Luna，都能以對手約十六分之一的成本跑贏 Fable 5。

寫程式碼方面，在 Artificial Analysis Coding Agent Index 上，開到 max 推理的 Sol 拿到 80 分排第一，比 Fable 5 略高 2.8 分。但關鍵在於代價：Sol 用的輸出 token 不到對手一半，耗時不到一半，算下來便宜了三分之一左右。Terra 在這個榜單上也略高於 Fable 5，Luna 則跑贏了 Opus 4.8。

這背後有個關鍵機制叫「程式化工具呼叫」（Programmatic Tool Calling）。以往智慧體調工具，每跑一步都得把資料扔回大模型過一遍，上下文暴漲。現在 GPT-5.6 可以自己寫一段輕量指令碼來過濾中間結果、監控進度，只把真正有用的資訊傳回來，既省模型往返，又把 token 壓到了極低。

要是你手頭是個極難的大活，還有一套「ultra」配置。它默認同時協調 4 個智慧體在不同工作流並行跑，拿更多 token 換更短的交付時間和更高的準確率。在 BrowseComp 和 SEC-Bench Pro 評測裡，甚至測試了 16 個智慧體並行的組合。

會看 UI 的「設計品味」，以及帶門鎖的網路安全

除了敲程式碼，GPT-5.6 這次在視覺和格式上也下了狠工夫。

官方演示它直接接手 PPT、文件和表格時，不僅能讀懂文字，還能推斷母版（Slide Master）的設計規範，包括版式、字型大小、留白間距和顏色體系，照著規範直接排版。因為有了更強的電腦使用（computer use）能力，它生成完介面後還會自己跑去「看」渲染出來的結果，檢查頁面有沒有視覺 bug 或操作斷點，再交還給使用者。

在 OSWorld 2.0 評測裡，Sol 拿下 62.6% 的分數，超越了 Opus 4.8，並且輸出 token 減少了 85%。

而在網路安全這種敏感領域，GPT-5.6 的成績也翻了一倍。ExploitGym 的真實漏洞利用通過率從 GPT-5.5 的 15.1% 提到了 24.9%，給 6 小時甚至能跑到 33.7%；SEC-Bench Pro 概念驗證得分到了 71.2%。

不過普通人摸不到它的全部網路能力。OpenAI 設立了 Daybreak Trusted Access for Cyber 計劃，只有通過身份驗證的個人和機構才能解鎖這些高危滲透和漏洞分析能力。而且個人使用者如果想在 9 月 1 日之後保留訪問許可權，必須開啟基於硬體金鑰（如 Yubico 的 passkey）的高階賬戶安全驗證，否則就會被踢回預設許可權。

為什麼重要

對於每天靠程式碼和文件吃飯的打工人來說，GPT-5.6 的升級非常務實。它不再跟你比誰更會吟詩作對，而是解決「跑完一個大任務要等多久、花多少錢」。開發者通過 Responses API 就能調到類似 ultra 的多智慧體機制，小團隊靠 Luna 和 Terra 就能用原來的零頭預算把智慧體搭起來，這很值得現在就去把老工作流替換一遍。

我們認為，OpenAI 這次最聰明的動作是把競爭焦點從「峰值引數」拉回了「工程效率」。過去各家比拼大模型，往往只看排行榜最高分，完全不計 token 消耗和響應延遲；而現實中很多企業不上智慧體，就是因為呼叫成本不可預測且延遲太高。GPT-5.6 用小指令碼接管工具呼叫的做法，直切了工程落地最痛苦的開銷問題。

但隱患也很顯眼。一方面，ultra 這種動輒拉出 4 個甚至 16 個智慧體並行的打法，本質上是「用算力暴力換效果」，如果不加節制地在生產環境呼叫，賬單依然會讓人心驚肉跳。另一方面，模型在網路安全上的破壞力正在逼近臨界點，OpenAI 不得不綁上硬體金鑰和嚴格的白名單，這也意味著越是頂尖的模型能力，未來面向大眾的封鎖和門檻只會越來越高。