4.8
深览指数
产品虎嗅·余杨··AI 生成
GPT5.6吞了Codex
OpenAI 发布 GPT-5.6 系列模型（Sol、Terra、Luna），核心亮点是将 AI 从“回答问题的对话系统”升级为“能自主完成工作流的智能体”，并深度集成 Codex。文章通过多个案例（农场管理、销售仪表盘、数学研究）展示了模型在脚本编写、工具调用、多智能体协作上的能力，并给出大量 Benchmark 对比数据。这是一篇 OpenAI 的官方能力宣发软文，信息密集、数据充分，但缺乏独立判断或反方观点，适合想了解 GPT-5.6 具体能力和定价策略的读者。原文 ↗
核心观点
- ▍GPT-5.6 的核心升级是从‘对话模型’变为‘自主工作流引擎’，通过集成 Codex 能自主编写脚本、调用工具、协调多个智能体并行工作，完成从指令到交付的闭环。
- 01北海道农场主 Hiroki 使用 GPT-5.6 管理温室通风、规划采购，模型能基于单个 Prompt 读取对话线索并自主判断完成任务，无需反复提示。
- 02Three Wishes 麦片公司的 Jake 用 GPT-5.6 在 5 分钟内制定了销售仪表盘方案，包括从六个零售商拉取数据、创建 Codex 自动化程序，并每小时同步刷新。
- 03波兰数学家 Batosz 用 GPT-5.6 解决了一个困扰其 3 年的数学难题，模型能提出新思路并协助演算和证明。
- 04GPT-5.6 Sol 在包含 55 个领域的专业工作流评估中得分 53.6，比 Anthropic Claude Fable 5 高 13.1 分，成本约为 Fable 5 的四分之一。
- 05在人工智能分析编码代理指数 (ACI) 上，Sol 得分 80 分，比 Fable 5 高 2.8 分，但输出 Token 不到其一半、运行时间不到一半、成本降低约三分之一。
- 06GPT-5.6 的智能体并行配置在 BrowseComp、SEC-Bench Pro、Terminal-Bench 2.1 上均能实现更短时间内的更优结果。
- 07GPT-5.6 能推断并遵循参考文件的设计系统（布局、字体、颜色等），生成更符合模板的输出。
- 08在网络安全测试 ExploitBench 2 中，GPT-5.6 得分为 73.5%，是 GPT-5.5 (47.9%) 的 1.5 倍；在 ExploitGym 3 中，两小时内通过率从 15.1% 提升至 24.9%。
- 09GPT-5.6 定价从旗舰 Sol（输入5美元/百万Token、输出30美元）到轻量 Luna（输入1美元、输出6美元），竞争力强于 Anthropic 同级产品。
反方 / 局限
- — OpenAI 自身声明，GPT-5.6 在生物学和网络安全领域虽比前代强，但均未达到‘关键’标准，难以发起可靠的自主端到端攻击，在生物领域不具备合成高危新型威胁的能力。
18 分钟 · 4 卡片 · 12 资料
读原文 →