OpenAI 发布 GPT-5.6：更聪明、更省钱，还带了五档推理“油门”

7 月 9 日，OpenAI 正式发布 GPT‑5.6 系列模型。新系列包括三款产品：能力最强的旗舰模型 Sol、兼顾性能与成本的 Terra，以及定位更轻量、更便宜的 Luna。

简单说，这次更新想解决的并不只是“模型答得对不对”，而是另一个更现实的问题：做同一件事，能不能更快、更省钱，还少折腾用户。

OpenAI 给出的答案是，GPT‑5.6 不仅能力更强，而且更会“把力气花在刀刃上”。用户可以根据任务难度选择不同推理档位，就像给 AI 配了几档“思考油门”：简单问题不必深思熟虑，复杂工作则可以让它多花时间，甚至同时派出多个子智能体并行处理。

OpenAI 于 7 月 9 日发布 GPT‑5.6 系列模型。

三款模型，分别适合谁？

先把名字翻译成大白话。

Sol 是旗舰款，适合最棘手的任务，比如复杂编程、长流程研究、专业文档制作、跨工具协作，以及需要反复检查和验证的工作。它相当于团队里那位愿意加班、会自己查资料、还能回头检查错误的资深同事。

Terra 是更均衡的选择。它的目标并非在所有测试中夺冠，而是在日常办公、产品分析、代码协作、资料整理等常见工作里，拿出足够好的结果，同时把成本控制得更低。对大多数企业用户来说，它可能反而是更实际的主力型号。

Luna 则偏向快速和低价，适合批量处理、基础问答、内容初稿、信息提取、简单客服和轻量自动化。它不负责攻克最难的问题，但适合“活很多、预算有限”的场景。

OpenAI 在公告中强调，Sol、Terra 和 Luna 并不是一次性高低配，而是长期保留的能力层级。也就是说，未来每一层模型都可能独立更新，不必等整个产品线一起换代。

最大的变化：AI 终于有了“思考油门”

GPT‑5.6 Sol 最容易被普通用户感知的一项变化，是推理强度可以调节。

根据 OpenAI 员工 Vaibhav Srivastav 在社交平台上的说明，Sol 提供 Light、Low、Medium、High 和 xhigh 五档基础推理等级。除此之外，还有两种特殊模式：max 和 ultra。

可以把它理解为开车时的油门与驾驶模式。

例如，“帮我把这段会议纪要整理成 5 条待办”，用 Light 或 Low 就足够了；“帮我分析一个产品改版为什么转化率下降”，Medium 往往更合适；而“读完几十份资料，做一份投资研究报告，并核对数据、给出图表和建议”，则可能需要 High、xhigh，甚至 max。

Ultra 更像是一个小型项目组：系统会默认并行调度多个子智能体，让它们分别处理资料搜集、方案推演、代码检查或结果验证，然后将答案整合起来。这样做会消耗更多 Token，也意味着成本更高，但面对真正复杂的工作，速度和质量都可能提升。

不过，OpenAI 员工给出的建议很朴素：先从低档开始，不够再往上加。 毕竟，让 AI 用“项目组模式”去回答“今天北京天气如何”，多少有点像为了拧一颗螺丝，把整个施工队都叫来。

不只是更强，还是“单位成本更能打”

在大模型竞争中，跑分高当然重要，但企业真正关心的往往是另一件事：同样做一份工作，要花多少钱、等多久、返工几次。

OpenAI 在发布中反复强调 GPT‑5.6 的“Token 效率”。Token 可以粗略理解为模型读写文字、推理和完成任务时消耗的计算单位。模型使用的 Token 越少，通常意味着响应更快、成本更低。

在 OpenAI 引用的 Agents’ Last Exam 评测中，GPT‑5.6 Sol 的成绩达到 53.6 分；即使使用中等推理强度，它也能以更低的预估成本完成高质量任务。OpenAI 还称，在部分编程与智能体评测中，GPT‑5.6 可以在减少输出 Token、缩短耗时的同时保持甚至提升表现。

这对普通用户意味着，AI 不一定只是“回答更长了”，而可能是“更快把真正有用的东西交出来”。对企业而言，则意味着原本成本较高的批量文档处理、代码审查、研究辅助、客服自动化和内部知识问答，有机会变得更容易规模化。

OpenAI 展示的案例称，GPT‑5.6 能更好地识别参考演示文稿中的字体、间距、色彩与版式规则。

从“会写内容”到“能交付成果”

过去用户让 AI 做一份演示文稿、整理一份表格，常常会遇到一个问题：内容似乎没错，但排版乱、层级弱、格式不统一，离真正可发给同事或客户的版本还差一截。

GPT‑5.6 的重点之一，就是改善这种“最后一公里”的体验。

按照 OpenAI 的说法，新模型不仅能生成文字或代码，还更擅长理解参考文件的设计逻辑。比如，用户给它一份已有模板，要求更新其中的数据和结论，GPT‑5.6 能尝试识别字体、色彩、页边距、标题层级和重复性的版式规则，再把这些规律迁移到新内容中。

这项能力听起来像是“更会排版”，但对知识型工作其实很重要。因为很多人并不缺一份文字草稿，缺的是一份能直接进入评审、汇报、客户沟通或内部流转的成品。

OpenAI 还表示，GPT‑5.6 在文档、电子表格、前端界面和交互式可视化方面都有提升。对于产品团队来说，这意味着它有望更好地把自然语言需求转成原型、页面代码、数据展示和说明材料；当然，“有望”不等于可以完全不验收，产品经理的眼睛暂时还是不能下班。

编程能力继续升级：从写代码到盯着任务做完

GPT‑5.6 的另一大卖点是编程与工具使用能力。

OpenAI 称，Sol 在多项代码智能体评测中刷新了成绩，尤其是涉及复杂命令行操作、真实代码库修改、长期工程任务的测试。它不只是根据一句提示生成一段代码，还可以在任务过程中调用工具、处理中间结果、检查运行状态、修正步骤并决定下一步怎么走。

这种变化对开发者很关键。以前的模型像一个“代码补全高手”：你问一句，它答一段；GPT‑5.6 则更接近一个能持续跟进任务的协作者：它可以查看问题、修改代码、运行验证、发现报错后继续排查，直到交付一个相对完整的结果。

OpenAI 还推出了“可编程工具调用”能力，让模型可以在内部处理大量中间信息，只把真正重要的结果带回主流程。换句话说，开发者不必把每一个工具返回的细枝末节都塞回上下文中，这有助于减少 Token 消耗，也能让复杂工作流更稳定。

OpenAI 展示了 GPT‑5.6 参与生成交互式内容与可视化体验的能力。

强大能力背后，安全门槛也更高

能力增强，尤其在网络安全和生命科学等领域增强，也意味着更高的风险。

OpenAI 表示，GPT‑5.6 在网络安全评测中的表现明显提升，可用于安全代码审查、漏洞验证、补丁开发、威胁建模和防御工程等工作。但对于更加敏感的网络安全能力，平台设置了“受信访问”机制，要求经过验证的个人和组织在授权环境内使用。

官方称，这套机制试图在两件事之间找平衡：一方面，不让高风险能力被轻易滥用；另一方面，也不能因为过度限制而妨碍防御人员发现漏洞、部署补丁。

为此，GPT‑5.6 采用了多层防护机制，包括模型内置限制、实时校验、持续监控与账户级干预。OpenAI 称，在全面发布前，曾结合人工红队测试和大规模自动化测试，对模型和防护机制进行了较大规模的评估。

价格更清晰，企业更好算账

在 API 定价上，GPT‑5.6 也给出了明确的分层：

同时，新系列加入了更可预测的提示词缓存机制，支持显式缓存断点，缓存有效期至少为 30 分钟。对于需要反复带入长背景资料的企业应用，例如客服知识库、内部制度问答、研发助手和投研系统，这项功能可能比单纯的模型跑分更实用：重复内容不用反复“从头读”，成本自然更好控制。

目前，GPT‑5.6 已在 ChatGPT、Codex 和 API 中上线。不同订阅用户可获得不同模型和推理档位的使用权限；其中 Ultra 模式主要面向更高等级的订阅用户和特定产品场景。

结语：AI 竞争从“更会答”走向“更会干活”

GPT‑5.6 的真正看点，或许不只是某一项基准测试上的数字，而是它把模型能力进一步包装成了可调度的生产力。

用户不必每一次都调用最贵、最慢的模式；简单问题让模型快速处理，复杂问题才开启更高推理强度，极难任务再调用多智能体并行协作。这种“按任务配算力”的思路，很像把过去只有一个档位的工具，升级成一台能根据路况自动换挡的车。

对于普通用户，GPT‑5.6 可能意味着更少等待、更少返工，以及更像“成品”的输出。对于开发者和企业，它意味着模型不再只是聊天窗口中的答案生成器，而开始更深地进入研发、分析、文档、设计和业务流程。

当然，推理档位更多、功能更复杂，也会带来新的学习成本：用户仍需要判断任务难度，了解成本边界，并对关键结果进行复核。AI 的油门已经越来越多档，但方向盘，暂时还在人的手里。