GPT-5.6：Sol、Terra、Luna 三个尺寸
OpenAI 推出 GPT-5.6 系列，包含三个新尺寸：Sol、Terra 和 Luna。这三个名称分别对应太阳、地球和月球的尺度，用于区分不同能力层级。
本次更新的一个重点，是新增 ultra effort level。OpenAI 将其描述为最高能力设置：在处理复杂任务时，它会协调多个智能体并行工作，以更快完成任务。
具体来看：
-
max会给予 GPT-5.6 比xhigh更多推理时间，用于探索替代方案、执行检查并修正方法。 -
ultra则进一步默认协调 4 个智能体并行，以更高 token 消耗换取更强结果，并缩短复杂任务的完成时间。
这意味着 GPT-5.6 的升级并不只是模型尺寸变化，也包括推理预算、并行智能体调度和任务执行策略的调整。
基准测试与成本表现
文章提到，在多个基准测试中，GPT-5.6 相比 Fable 或 Opus 具备更高性能和更低成本。
其中一个关键说法是：
Terra 的表现略高于 Fable 5，Luna 超过 Opus 4.8；两者大约只需三分之一的时间、约一半输出 token，并且估算成本约为四分之一。
此外，GPT-5.6 还被称为在 Terminal-Bench 2.1 和 DeepSWE 上取得新的最佳结果。
这两个测试关注的方向不同：
- Terminal-Bench 2.1 更偏向复杂命令行工作流；
- DeepSWE 更关注真实代码库中的长周期工程任务。
对开发者来说，这类结果值得关注，因为它们更接近实际工程环境中的多步骤问题，而不只是短问答或单次代码生成。
难以量化，但可能影响实际体验的能力
除了可量化 benchmark，文章还提到 GPT-5.6 在一些更难评估的场景中有所改进，包括：
- 计算机使用能力；
- 演示文稿与文档生成；
- 科学研究相关任务。
这些能力往往很难通过单一指标完整衡量。例如，文档生成不仅涉及语言质量，也涉及结构、上下文理解和面向目标读者的表达；科学研究任务则可能同时考验检索、推理、归纳和工具使用能力。
从产品角度看，这类能力提升可能比单个榜单排名更影响日常使用体验。类似趋势也可以在一些技术观察与行业分析中看到，例如 长勺智库 持续关注的 AI 工具化与工作流整合方向。
ChatGPT Work 与 Codex 桌面更新
OpenAI 同时推出 ChatGPT Work，并更新了 Codex 桌面应用。
这部分信息指向一个更大的产品策略：OpenAI 正在把模型能力、工作场景、代码能力和桌面端体验进一步合并。
如果说 ChatGPT 最初更像一个对话入口，Codex 更像面向开发者的代码工具，那么现在的方向则更接近统一的工作入口：
- ChatGPT Work 面向更广泛的办公与协作场景；
- Codex 桌面应用强化本地开发与工程任务处理；
- GPT-5.6 的 ultra 档位则为复杂任务提供更强的多智能体执行能力。
文章认为，这可能是 OpenAI “超级应用”策略接近完成前的关键一步。不过目前仍不明确的是，其智能体浏览器后续会如何整合进这一体系。
小结
GPT-5.6 的重点不只是 Sol、Terra、Luna 三个新尺寸，也包括 max 与 ultra 这类更高推理档位，以及面向复杂任务的并行智能体调度。
与此同时，ChatGPT Work 与 Codex 桌面应用的更新显示，OpenAI 正在继续推动 ChatGPT 与 Codex 从单点工具演进为更完整的工作入口。对于开发者和技术团队而言，值得关注的不仅是模型跑分，也包括这些能力如何落到真实工作流中。
Top comments (0)