最強版本的GPT來了。
OpenAI 公開發佈了他們有史以來最強的一代大模型 GPT-5.6，為什麼老狐要說“公開發佈”呢，因為前段時間 OpenAI 就應美國政府的要求，在“一小群值得信賴的合作夥伴”範圍內發佈了這款模型。
OpenAI 在捂著 GPT-5.6 兩個星期後，終於面向全球公佈了。
這一次，OpenAI 引進了新的命名體系，把 GPT 分為了三個版本，代號分別是 GPT-5.6 Sol、GPT-5.6 Terra，以及 GPT-5.6 Luna。
根據官方的解釋，Sol 代表的是太陽，Terra 代表地球，Luna 代表月亮，這三者關係也反映了 GPT-5.6 三個版本能力的強弱關係。
以太陽命名的 GPT-5.6 Sol 是旗艦模型，也是 OpenAI 迄今為止最強的模型；而 Terra 更適合日常使用，成本更友好，性能與 GPT-5.5 相近；而 Luna 則是以低成本供使用者使用，主打一個性價比。
事實上，為了便於全球使用者理解， 我認為 OpenAI 應該借鑑 iPhone 的命名方式，分別命名為Pro Max、Pro 以及標準版，未來還可以在此基礎上增加 Ultra 版，Air 版，se 版……
即便看起來很複雜，但大家閉眼都知道那個版本性能更強，那個版本更有性價比，沒毛病吧。
這樣以“代際+能力層級”的命名方式，在未來也許會成為大模型產品的常態，依據產品性能對大模型的產品線進行分級，以應對不同的使用者人群，降低了使用者的選擇門檻。
能力提升方面，OpenAI 官方提到 GPT-5.6 Sol 在程式設計、知識工作、網路安全和科研四個領域取得了最新的成果。
但這不是重點，OpenAI 這次把 GPT-5.6 的經濟效益放在了首位。
OpenAI 首先放出了 Agent's Last Exam 基準測試結果，Agent's Last Exam（ALE）是一項新的基準測試，測試的不是程式碼編寫或理論性能，它衡量的是 AI 能不能真正像職場員工一樣，獨立、端到端地完成具有實際經濟價值的數位化工作。
ALE 基準測試涵蓋了 55 個行業，收集了 1500 多個任務，大模型要在測試中去完成給定的所有任務。
GPT-5.6 Sol 創下了 56.3 的最高分，比 Claude Fable 5（自適應推理）高出 13.1 分。而且 GPT-5.6 Sol 即使在中等推理水平下，它也比 Fable 5 高出 11.4 分，成本卻只有 Fable 的四分之一。
而且在更小的模型上，OpenAI 宣稱 GPT-5.6 Terra 和 GPT-5.6 Luna 的性能優於 Fable 5，而成本約為其十六分之一。
可以說是殺人誅心。
而在衡量 AI 在數學、科學、程式設計和推理能力的 Artificial Analysis Intelligence Index 上，GPT-5.6 Sol 得分僅僅比 Fable 低 1 分，但是完成任務的時間少了 61%，而且成本只有一半。
簡而言之，這些基準測試衡量的，就是大模型能不能像真正的職場牛馬一樣，活既要幹得好，幹得快，成本還要少。
在GPT-5.6 上，OpenAI 給產品引入了兩項新的推理模式，一個被命名為“Max”推理，也就是讓模型投入更多的時間進行深度推理，在面對像是數學證明、複雜規劃、科研分析等問題時，可以投入更多計算資源進行更長時間的思考，提高複雜任務的完成率。
另一項則是 Ultra 模式，能夠平行協調四個子智能體，讓多個子智能體分別處理不同的任務，超越單個智能體的能力，更接近真實的團隊協作模式。在處理高要求任務時，消耗更高的 token 以換取更優的結果和更快的響應速度。
比如 Terminal-Bench 2.1 基準測試，這是為了衡量 AI 在項目中完成真實工作綜合能力的基準測試，GPT-5.6 Sol 四個智能體就要比單個智能體效率更高。
除此之外，在各個場景上，GPT-5.6 在設計上有質的提升，包括遊戲頁面設計、室內方案展示、前端網頁動畫設計等方面，大模型能夠自我檢查，在視覺和功能上去最佳化方案。
辦公層面 GPT-5.6 的能力也有了進一步提升，根據官方描述，GPT-5.6 能生成更精美、更準確的 PPT、Word 和 Excel 表格，如果有參考範本，GPT-5.6 生成的內容會更接近原版。
同時，GPT-5.6 消耗的 token 還更低，在多個體現辦公場景的基準測試裡，GPT-5.6 系列模型在成本上都有明顯的優勢。
而網路安全是 GPT-5.6 的重點，尤其是在預覽更新說明中，OpenAI 用了將近一半的篇幅來介紹 GPT-5.6 在網路安全方面的進步。
在發掘漏洞和利用漏洞攻擊能力的基準測試中，GPT-5.6 系列產品在與競品（主要是 Anthropic）的對比中，能在消耗更少 token 的情形下，達到與對手相同的得分。
此外，在真實生物學、生命科學研究的工作流以及化學等科學研究領域，GPT-5.6 Sol 在成本和速度上都有明顯的優勢。
除了 GPT-5.6 面向全球開放，OpenAI 還發佈了 ChatGPT-Work，它由 GPT-5.6 驅動，把 Chat、Work 和 Codex 整合在一起。
這相當於字節把豆包、TRAE 和即夢都整合在一起，與之相應的是，OpenAI 將 Codex 下線，這會不會是未來大模型行業的趨勢呢？
國外已經有不少網友用上了 GPT-5.6，並拿來跟 Fable 5 進行比較，有不少使用者反映，在前端的動畫設計上，GPT-5.6 對比 GPT-5.5 有明顯提升，但是還是不如 Fable 5。
在 token 消耗上，GPT-5.6 對比 Fable 5 有優勢，而且生成成本已經成為許多使用者不得不關注的點。
整個發佈內容，OpenAI 都在突出 GPT-5.6 的 token 消耗量更低，使用起來更有性價比。
CEO 薩姆·奧特曼也在 X 上發推表示，OpenAI 已經意識到了企業對 AI 成本的擔憂，而 GPT-5.6 正是在使用成本上有了巨大的進步。
沒錯，在全球 token 消耗量暴漲的今天，大模型如何為使用者降低 token消耗，節省使用成本，已經成為產品競爭力的重要部分。
老狐在使用 Agent 桌面端的這段時間裡，最大的感受就是，在成本和模型性能之間做好權衡很重要。
GPT-5.6三個版本（每百萬 token ）的價格分別為：Sol 為輸入 5 美元/輸出 30 美元；Terra 為輸入 2.50 美元/輸出 15 美元；Luna 為輸入 1 美元/輸出 6 美元。
作為對比，Fable 5的價格是輸入10 美元/輸出 50 美元，由此可見，GPT-5.6 更有性價比。
但坦白講，這些價格在 DeepSeek、智譜清言、豆包等國產大模型面前，堪稱奢侈。
以 DeepSeek V4 為例，每百萬 token 輸入價格是 3 元（0.44 美元），輸出價格是 6 元（0.88 美元），豆包 2.1 Pro，輸入價格是 6 元，輸出價格 30 元。
最新發佈 Grok 4.5，也主打一個低成本，每百萬輸入價格 2 美元，輸出價格 6 美元。
就像馬斯克反覆強調的，能力、更快的速度以及更低使用成本，三者結合才是大模型真正的產品力。
在未來，這場 AI 大模型混戰最終勝者不是最聰明的那個，而是誰能讓大多數人低成本地解決那些真實的需求。
顯然，OpenAI 試圖在 GPT-5.6 產品中體現了這一點，但他面對的還有東大的 DeepSeek 們。 (科技狐)