5.8
深览指数
科技量子位·听雨··AI 生成
GPT-5.6一发布，Claude终于舍得重置Fable 5额度了
OpenAI 正式发布 GPT-5.6 家族（Sol/Terra/Luna），在多个基准测试中以更低成本超越前代 Fable 5。核心创新包括 Ultra 多 agent 并行模式、Programmatic Tool Calling 工程能力，以及由 Codex 驱动的跨应用长任务执行工具 ChatGPT Work。文章还强调了安全测试投入与能力分级开放策略。适合关注大模型能力演进、产品形态与安全治理的读者。原文 ↗
核心观点
- ▍GPT-5.6 家族在多个基准测试中以更低成本超越前代 Fable 5，核心技术创新包括 Ultra 多 agent 并行模式与 Programmatic Tool Calling。
- ▍ChatGPT Work 由 Codex 和 GPT-5.6 驱动，能够跨应用、文件执行长周期任务，将目标转化为可直接使用的成品。
- 01在 Agents' Last Exam 上，Sol 以 53.6 分刷新纪录，比 Fable 5 高出 13.1 分；中等推理强度下以约四分之一成本领先 11.4 分。
- 02在 OSWorld 2.0 上，Sol 达到 62.6%，超过 Claude Opus 4.8，同时输出 token 减少 85%。
- 03在 ExploitBench 上，GPT-5.6 得分 73.5%，而 GPT-5.5 只有 47.9%（token 预算相当）。
- 04GPT-5.6 家族分三档：Sol（旗舰）、Terra（平衡款）、Luna（高性价比），定价分别为每百万 token 输入 $5/$2.5/$1，输出 $30/$15/$6。
- 05ChatGPT Work 首发可连接 Google Drive、SharePoint、Slack、Microsoft Teams、Gmail 等第三方服务，支持一次性/按计划/触发式执行。
- 06Ultra 模式默认协调 4 个 agent 并行工作，可扩展至 16 个，但被吐槽 token 消耗极大——15 分钟内烧完 Pro 会员 5 小时限额。
反方 / 局限
- — Ultra 模式 token 消耗极高，引发用户不满，表明尽管模型能力提升，但成本控制仍是瓶颈。
- — 文章未提及 GPT-5.6 在偏见、幻觉、对齐等常见大模型问题上的表现，也缺乏独立第三方评测。
- — Anthropic 短暂重置 Fable 5 额度（后撤回），暗示了竞争压力，但文章未深入分析价格战或用户迁移成本。
OpenAIGPT-5.6Sam AltmanFable 5Claude Opus 4.8CodexChatGPT WorkUltra 模式Programmatic Tool CallingAnthropicDaybreakAgents' Last ExamOSWorld 2.0ExploitBench
12 分钟 · 5 卡片 · 13 资料
读原文 →