GPT-5.6终于来了。

但看完整场发布，你会发现，这次真正值得关注的，并不只是模型又涨了多少分。

更大的变化发生在产品层面。

原本独立运行的Codex App，被整合进了新版ChatGPT桌面端。现在，一个应用里同时放进了Chat、Work和Codex三种模式。

聊天、办公、编程，开始共用一个入口。

所以，与其说Codex消失了，不如说OpenAI正在把Codex背后的智能体能力，装进ChatGPT这款拥有庞大用户基础的超级应用里。

2022年，ChatGPT让普通人学会了“向AI提问”。

到了GPT-5.6这一代，OpenAI开始尝试另一件事：

让AI接过任务，把工作真正做完。

一、GPT-5.6来了，但OpenAI这次更想讲性价比

GPT-5.6一共包含三个型号：

• Sol：旗舰模型，面向复杂推理、编程和专业工作；

• Terra：兼顾能力、速度和成本；

• Luna：价格最低，适合高频、批量和标准化任务。

三款模型的标准API价格分别为：

Sol每百万Token输入5美元、输出30美元；Terra为2.5美元和15美元；Luna则为1美元和6美元。

同时，新模型支持显式缓存断点，缓存写入按普通输入价格的1.25倍计算，缓存读取价格只有普通输入的十分之一。对于大量重复读取背景材料、系统提示词和业务规则的企业应用，这种计费方式可以明显降低长期运行成本。

这套产品设计释放出的信号很明确。

OpenAI已经不满足于证明“最强模型有多强”，它更想回答企业真正关心的问题：

一个任务交给AI，到底要花多少钱？

过去，很多模型在演示中表现惊艳，进入真实业务后却容易遇到两个问题。

一个是成本不可控。模型推理时间越长、调用工具越多，账单涨得越快。

另一个是能力过剩。大量企业任务并不需要每次都调用最强模型，例如信息分类、报表更新、资料整理和标准化内容生成，更需要的是稳定、快速和便宜。

Sol、Terra和Luna的分层，本质上是在建立一套“按任务选模型”的成本结构。

复杂项目交给Sol，日常工作交给Terra，大规模重复任务交给Luna。

这比单纯推出一个更强、更贵的旗舰模型，更接近企业真正的使用方式。

二、跑分很强，但远没有到全面碾压

从正式发布的数据看，GPT-5.6的优势主要集中在长流程任务、网页浏览、电脑操作、编程智能体和Token效率上。

在覆盖多个专业领域长流程任务的Agents' Last Exam中，GPT-5.6 Sol得分52.7%，Claude Fable 5为40.5%。

在Artificial Analysis编程智能体指数中，Sol获得80分，高于Claude Fable 5的77.2分。

开启Ultra模式后，Sol在BrowseComp网页浏览评测中达到92.2%；在OSWorld 2.0电脑操作评测中达到62.6%，同时使用的输出Token比Claude Opus 4.8少85%。

这些成绩说明，GPT-5.6确实更适合处理一类越来越重要的任务：

需要模型自己查资料、调用工具、操作网页、修改文件，并持续执行几十分钟甚至数小时的复杂工作。

但如果因此得出“GPT-5.6已经全面领先Claude”的结论，也不准确。

在SWE-Bench Pro中，GPT-5.6 Sol得分64.6%，Claude Fable 5达到80%；在FrontierMath Tier 4中，Sol为83%，Claude Fable 5为87.8%；在专业工作评测GDPval-AA v2中，Sol的1747.8 Elo也略低于Claude Fable 5的1759.6。

这意味着，Claude在部分高难度软件工程、数学和专业知识任务中依然具有优势。

GPT-5.6真正突出的地方，是综合能力更均衡。

它可能不是每一个单项评测里的第一名，但在规划、编码、工具调用、电脑操作、成本和执行稳定性之间，形成了更完整的能力组合。

可以把一些高能力模型理解为某个领域里的顶尖专家。

而GPT-5.6更像一支配置完整的项目团队：能够分析问题、拆分任务、调用工具、完成执行，最后再进行检查和交付。

三、GPT-5.6最重要的进步，是开始学会收尾

以前使用AI完成复杂任务，经常会出现一种情况：

模型前面的分析很好，方案也写得很完整，真正进入执行后，却开始遗漏步骤、调用失败、修改错文件，或者做完一半就停下来。

最后，人仍然需要接手大量收尾工作。

GPT-5.6试图解决的正是这个问题。

根据OpenAI的介绍，新模型加强了网页浏览、电脑操作、文件处理和设计判断能力，可以根据参考文件识别PPT中的版式、字体、间距、配色和母版规则，并将这些规则继续应用到新内容中。

它不只生成一份“看起来像PPT”的文件，还会尽量理解原文件背后的设计系统。

在表格和文档场景中，它也可以结合源数据更新公式、模型和内容，并通过工具检查结果。

API侧还新增了Programmatic Tool Calling。

过去，模型每调用一次工具，往往都需要把大量中间结果传回上下文，再判断下一步做什么。

现在，GPT-5.6可以临时编写程序，协调多个工具并过滤中间数据，减少反复传输和无效Token消耗。

同时，多智能体能力开始以测试版形式开放。模型可以让多个子智能体并行处理不同任务，再汇总成统一结果。

这意味着AI的工作方式正在发生变化。

以前是一步一步地问：

“帮我分析这份数据。”

“根据分析写一份报告。”

“再把报告做成PPT。”

“最后检查一下格式。”

现在可以直接交代最终目标：

“读取业务数据，找到异常，更新财务模型，制作汇报材料，并整理成一个可以分享的交互页面。”

模型自己决定先做什么、调用什么工具、如何拆分任务，以及最终交付哪些文件。

AI产品的竞争重点，正在从回答质量，转向任务完成率。

四、Codex没有消失，它正在变成ChatGPT的底层能力

这次产品调整里，最容易被误解的一件事，就是“Codex没了”。

准确地说，Codex并没有被取消。

新版ChatGPT桌面应用同时整合了Chat、ChatGPT Work和Codex三个入口。用户仍然可以进入Codex模式处理代码仓库、开发任务和软件工程工作，只是不再需要单独打开另一款应用。

真正发生变化的是产品定位。

过去，Codex主要面向开发者。

但OpenAI披露，Codex每周用户已经超过500万，其中超过100万人使用它处理非软件开发工作。换句话说，Codex原本为编程打造的长任务执行、文件操作、多步骤规划和工具调用能力，已经被大量用户拿去做研究、分析和办公。

于是，OpenAI顺势推出了ChatGPT Work。

底层仍然大量采用Codex技术，但前台不再强调代码仓库、分支和提交记录，而是强调文档、表格、演示文稿、邮件、浏览器和企业系统。

这种调整看似只是换了一个名字，实际上解决了一个重要问题：

普通用户不需要理解什么是Coding Agent，他们只需要知道，这个AI能不能帮自己完成工作。

Codex服务开发者的专业需求。

Work承接更广泛的知识工作。

Chat则继续保留即时问答和轻量交流。

三种模式共用模型、文件、工具和应用生态，ChatGPT也由此从一个聊天产品，逐渐变成AI任务的统一入口。

五、ChatGPT Work，可能比GPT-5.6更值得关注

按照官方定义，ChatGPT Work可以在多个应用和文件之间采取行动，持续处理数小时的复杂项目，并把一个目标转化为文档、表格、PPT、分析报告或Web应用等最终成果。

它可以连接Slack、Microsoft Teams、Google Drive、SharePoint、邮箱、日历、CRM和项目管理系统，从不同工具中读取业务背景。

它还可以使用浏览器和Computer Use能力，在网页和桌面应用中点击、输入、整理文件并更新内容。

例如，用户可以让它完成一套月底经营分析流程：

• 先从业务系统和表格中读取实际数据；

• 再与预算和预测数据进行对比；

• 定位收入、成本和费用差异；

• 更新Excel财务模型；

• 生成管理层汇报PPT；

• 最后把关键指标做成可分享的交互页面。

以前，这是一串需要财务、业务、数据分析和汇报人员共同完成的工作。

现在，OpenAI希望用户只需要描述目标，然后在关键节点进行审核和确认。

与此同时，Scheduled Tasks可以让ChatGPT按照固定时间或触发条件运行任务。

它可以每天检查网站和业务看板，整理变化并发送报告；也可以持续监控客户反馈、邮件和Slack消息，自动更新会议材料或项目文档。

这一步非常关键。

当AI只能在人发出指令后工作，它仍然是一种工具。

当AI能够按计划检查变化、调用系统、更新文件并主动交付结果，它就开始接近企业中的数字员工。

六、Sites补上了AI交付的最后一公里

很多人已经可以用AI写代码、分析数据、制作原型。

但把结果部署出来，让同事、客户或管理层直接使用，仍然存在门槛。

Sites就是用来补这一环的。

用户可以直接在ChatGPT中创建、预览、发布和分享交互式网站或轻量应用，用于制作实时仪表盘、项目追踪器、发布日历、内部信息门户、交互报告和产品原型。

过去，AI给你的可能是一份代码、一张图或一个分析结论。

现在，它可以把这些内容直接组合成一个可访问、可操作、可持续更新的页面。

这背后反映出的产品逻辑很清晰：

OpenAI不希望ChatGPT只负责“生成内容”，它还希望ChatGPT负责交付内容。

• 从资料，到分析；

• 从分析，到文件；

• 从文件，到应用；

• 从一次性交付，到持续更新。

整个工作链条正在被装进同一个产品里。

七、这次发布真正改变的，是AI产品的竞争规则

过去两年，行业讨论AI模型，习惯比较参数、上下文长度和评测分数。

接下来，衡量一款AI产品可能需要换一套标准：

• 它能不能理解复杂目标？

• 能不能拆分并持续执行任务？

• 能不能稳定调用企业里的各种工具？

• 能不能遵循已有模板和业务规则？

• 能不能在合理成本下交付可直接使用的成果？

• 模型能力仍然重要，但单纯回答得更聪明，已经不够了。

企业需要的不是一个偶尔给出惊艳答案的聊天机器人，而是一套能够进入真实工作流、处理脏数据、遵守流程、接受审核并持续运行的执行系统。

从这个角度看，GPT-5.6只是发动机。

ChatGPT Work、Codex、Sites、插件、定时任务和电脑操作能力，才共同构成了OpenAI这次真正推出的产品。

它正在尝试建立一个AI工作操作系统。

所有文件、系统、任务和交付物，都可以围绕一个智能体入口重新组织。

写在最后

2022年11月，ChatGPT第一次走进大众视野时，人们最震撼的是：

原来机器也能像人一样聊天。

四年之后，这种能力已经不再稀奇。

今天，人们更关心的是：

它能不能理解一个模糊的业务目标，自己找到资料、拆解问题、调用工具、处理异常，最后把结果完整地交出来？

GPT-5.6给出的答案，还谈不上完美。

它在部分软件工程、数学和专业任务上依然落后于竞争对手；复杂工作中的权限、安全、稳定性和责任边界，也需要真实业务长期验证。

但方向已经很清楚了。

ChatGPT曾经让十亿级用户学会如何向AI提问。

接下来，OpenAI想让这些用户逐渐习惯另一件事：

不再告诉AI每一步该怎么做，只告诉它最终要完成什么。

聊天时代并没有结束。

只是聊天，正在变成AI开始工作的第一句话。

注：本文数据截至2026年7月10日，以OpenAI正式发布页面及帮助中心信息为准。