GPT-5.6一发布，Claude终于舍得重置Fable 5额度了
听雨 发自 凹非寺 量子位 | 公众号 QbitAI
OpenAI诚不欺我…今天凌晨，
奥特曼表示：这是OpenAI迄今最强模型，GPT-5.6的技术博客也可能是他们写过最好的blog之一。
好家伙，模型要SOTA，连blog也要SOTA呗（
目前ChatGPT、Codex以及API，哪哪都可以使用了。
Codex已经被夺舍了…甚至你不强行挽留的话，显示的都不是Codex的标（doge）。
原有的Codex桌面应用直接升级成了新的ChatGPT桌面应用，老版ChatGPT桌面应用则更名为 “ChatGPT Classic”。
社区也开始疯狂整活。Matt Shumer让GPT-5.6-Sol一口气搓了个“方块版曼哈顿”：
高楼、街区、道路，全是voxel风格，GPT-5.6-Sol自主运行了一周，搭了个纽约乐高城。
他还表示：照这个趋势，明年这个时候模型可能已经可以one-shot生成GTA级别的游戏了。
数学研究者nasqret则分享，GPT-5.6帮助他推进了一个关于代数几何中K3曲面的问题。
GPT-5.6-Sol被喂进大量技术文档后，在Codex里一路查资料、找方法、写程序，最后挖出了一条分式线性规划的思路。
模型把计算方案实现出来，去跑他们整理的K3曲面家族，直接突破了原先猜想。
此外，这次还同步发布了
ChatGPT Work
由Codex和GPT-5.6驱动，可以跨应用和文件行动，必要时持续数小时，把目标变成完成品。
GPT-5.6太烧token了！！！
ultra模式在15分钟内就烧完Pro会员5小时限额的程度。
GPT-5.6正式上线
GPT-5.6家族分三档：
Sol：旗舰模型，主打最高能力；
Terra：平衡款，面向日常工作；
Luna：最快、最便宜，主打高性价比。
命名分别对应太阳、地球、月亮。
官方说法是，GPT-5.6 Sol在编码、知识工作、网络安全、科学任务上达到SOTA，同时用更少token、更低估算成本完成任务。
这次GPT-5.6还带来了一个很关键的新模式：ultra。
如果说max是让模型在一个任务上投入更多推理时间，那么ultra就更进一步，直接把任务交给多个agent并行处理。
按照OpenAI的说法，ultra默认会协调4个agent同时工作，可扩展至16个。
GPT-5.6还带来一项工程侧的新能力：
Programmatic Tool Calling
简单说，模型可以自己写一段轻量程序来协调多个工具调用、处理中间结果、监控进度并决定下一步动作。
不需要开发者把每一步都写死脚本，也不用把每次工具返回结果都塞回模型里过一遍。
这让“工具密集型”任务能用更少的token、更少的模型往返次数完成。
那么，GPT-5.6相比Fable 5如何呢？
OpenAI表示，在 Agents’ Last Exam（覆盖55个专业领域的长周期工作流测试）上，Sol以53.6分刷新纪录，比 Fable 5 高出13.1分。
即便调低到中等推理强度，仍能以大约四分之一的成本领先11.4分。
这种效率优势同样体现在小尺寸模型上——Terra和Luna分别以约十六分之一的成本反超 Fable 5。
代码能力上，官方称GPT-5.6 Sol是OpenAI目前最强代码模型。
在Artificial Analysis Intelligence Index上，Sol（最高推理强度）与 Fable 5的分差被压缩到1分以内，但完成任务的时间少61%，成本约为一半。
在设计能力上，GPT-5.6实现了飞跃。
GPT-5.6只需要高层级的指示，就能做出美观、符合人体工学、功能完整的界面。
关键的是，它的电脑操作能力让它能够检查和打磨“渲染出来的最终效果”，而不只是生成底层代码或文字内容。
也就是说，它能自己发现视觉和功能上的问题，交付前再做一遍收尾打磨。
比如这个帆船主题游戏，就是由GPT-5.6自主生成的：
这前端设计，这互动体验，不得不说真有点太丝滑了。
此外，GPT-5.6也能完成
它能把Slack、Notion、Microsoft 365、Google Drive里那些“杂乱无章”的日常工作素材，转化为专业水准、可直接分享的成果。
在涉及长周期专业分析、网页浏览、工具使用和电脑操作的评测中，Sol在BrowseComp上拿到92.2%的新纪录，在 OSWorld 2.0上达到62.6%。