今天科技圈最炸裂的新闻，莫过于GPT-5.6的三箭齐发——Sol、Terra、Luna同时上线。发布完成后，所有订阅都迎来了额度重置。这是今年下半年最重要的版本，也是GPT 6.x时代前的最后一个产物，按照发布节奏，6.x要不了多久也会上线。关于GPT-5.6的能力说明，之前已经发过。
大家直接更新Codex版本就行。Sol的表现非常强劲，直接吊打Fable 5。但GPT-5.6 Sol需要订阅Pro 5x或20x才能使用，Plus用户只有Terra和Luna。不过，之前说Plus用户也能用Sol，但实际发布后似乎还没灰度到，与发布时说的有出入。有能用上的读者不妨分享一下。
除此之外，Sol还新增了Max和Ultra的思考选项。它们推理能力都很不错：Max让模型花更多时间深度思考，Ultra则调用多个subagent并行处理任务。而且Ultra会额外消耗大量token，需要谨慎使用。
官方发布的测评显示，GPT-5.6 Sol不仅干活好，还省token。Fable 5……算了不想多说。而且官方特意强调：Luna这个版本，是Sol用于后训练完成的。
虽然GPT-5.6正式发布了，但Codex却到了跟大家说再见的时候。OpenAI正式推出了ChatGPT Codex和ChatGPT Work。现在的Codex叫ChatGPT Codex，这两个模式可以直接在Codex里面无缝切换。
ChatGPT Work的上线，很可能也是OpenAI杀入办公场景的一个入口。不同于Codex For Developers会展示思考过程，ChatGPT Work把技术细节隐藏掉，主要面向非开发者。
ChatGPT Work是这次最值得关注的新功能。它不再只是回答问题，还能跨应用执行任务：连接你的Google Drive、Slack、邮箱等工具，自己拆解复杂项目，分步骤独立完成，需要时才问你。比如你给它一句话“把客户调研整理成营销方案”，它能自己读资料、写方案、生成不同市场的素材版本，全程带着上下文。这也是之前说的，ChatGPT和Codex可能要整合在一起了。Work也会登陆网页和手机端，意味着你不需要在电脑前也能发起和跟踪任务了。
很多产品比如Qoder、Trae、WorkBuddy等国内产品，其实都有两套——一套面向程序员，一套面向职场人。只不过这次OpenAI把它们集成在一块了。
这次浏览器也迎来重大更新。在Codex内使用Computer use功能更丝滑了，而且支持已认证网站、多个标签页和文件下载。除此之外你的标签也能保留下来，更丝滑了。这个Computer use功能，能让你的ChatGPT使用任何app，越来越像人使用。最关键的，使用速度更快了，而且更省token。之前的Computer use功能日常使用频率也很高，确实效率有些慢。
除此之外，GPT-5.6在前端、可视化等方面也有十足的改进。OpenAI这次也放了一个不同类型生成的前端效果图。
还有太多小改进。这次更新给大家带来了不少新东西，这些小细节和特性，足够兴奋一段时间了。对了，GPT-5.6正式发布后，OpenAI选择为所有用户重置了限额。你品，你细品。
GPT-5.6三箭齐发，固然大家会陷入到一种爽感的氛围中，兴许听不得一些反对意见。但这里要说点不一样的，可能要泼点冷水了。
先放一张测评机构的图。
这张图其实在说：Fable 5和GPT-5.6的胜负，要分综合能力和编码Agent两种方式来看。
- 上半图是综合Intelligence Index（9个不同测试混合）：Fable 5 60，GPT-5.6 Sol 59，Terra 55。也就是说，综合分上Fable略高于Sol，Terra又低一档。
- 下半图是Coding Agent Index（DeepSWE、Terminal-Bench、SWE-Atlas-QnA的总和）：Sol 80，Terra 77，Fable 5 77。也就是说，做代码Agent时Sol第一；Terra和Fable基本打平。
所以它不能得出GPT-5.6全面吊打Fable，反而说明：Sol是代码Agent这一条赛道的第一；Fable在综合能力上仍稍领先；Terra的定位很像编码Agent，成绩接近Fable，但整体能力低一档的中档模型。
另外，max是最高推理档，with fallback表示Fable的安全回退配置也在运行；所以这不是纯模型裸体对决。不同工具链、推理档位和评测题集，都会改变排名。
而Simon Willison在他的博客提到，GPT-5.6……可能效果没有Fable 5强。Simon有幸是提前体验的那一批人，所以有了足够的测试时间，他把前因后果说明白了。
他说他们设计了一个“智能体终极考试”，旨在让每一个token都发挥更大的作用。这项测试涵盖了55个长时间运行的专业工作流评估，GPT-5.6 Sol创下了53.6分的新高，比Claude Fable 5（采用自适应推理模式）高出13.1分。即使在medium模式下，它也以约四分之一的预估成本，领先Fable 5达11.4分。这对实现更普及、更经济的智能至关重要：GPT-5.6 Terra和GPT-5.6 Luna均优于Fable 5，而成本仅为其十六分之一左右。
但是，在大家都很关注的SWE-Bench领域中，Fable 5显著胜出GPT-5.6——Fable 5取得了80%的成绩，而GPT-5.6 Sol为64.6%。当然，OpenAI隔天就专门发了一篇文章，说SWE-Bench Pro大约30%的题目本身就有问题，可能存在题目描述不全、测试过严、答案不唯一这些情况，不能把这张成绩单当成最终裁判。
他说，就目前使用体验来看，OpenAI模型在复杂编码任务上的表现并没有比Fable更好。他针对GPT-5.6不同的版本，展示了18种不同的“鹈鹕”（pelican）配置——涵盖了三种不同模型在不同推理强度下的表现。还列出了它们的Token消耗及计算成本：成本最低的是gpt-5.6-luna（推理强度为None），费用为0.71美分；成本最高的是gpt-5.6-sol（推理强度为Max），费用为48.55美分。
图片来源：Simon Willison，三列依次为Luna、Terra、Sol，六行依次为none到max。
实测了几轮，没有用上Sol，测试的是Terra ultra模式。感觉不如GPT-5.5，输出速度很慢，而且刚开始用就出现了两个问题：第一轮在任务结束时发出了一个空的最终消息，界面因此显示成空白；第二轮把英文掺杂着中文一块输出了。
所以到底谁更强？没必要这么快下结论。兴许是没用上Sol模式，用Terra根本测不出来啥。GPT-5.6 Sol也许在token效率、多Agent协同和工具调用上更占优势；Fable 5至少在Simon实际做的复杂工程任务里，依然处于不可替代的位置。
昨天实测了Grok 4.5，感觉不错。如果后面GPT-5.6 Sol效果测试下来也不好的话，或许会直接用Grok 4.5了。那么到底如何？就等在座的各位大聪明的实测结果了。
最后说点题外话：很多测评人估计都是通宵等到发布写完文章去睡觉了，挺好的。而我，却在4点爬起来看完了法兰西和摩洛哥的比赛，然后顺手把文章写了。那我是不是要去睡觉了？不，我要去上班了 :)
来源：The new GPT-5.6 family: Luna, Terra, Sol
