GPT-5.6 正式发布：Sol、Terra、Luna、ChatGPT Work 与 Codex 全面解析
两周前，OpenAI 先把 GPT-5.6 交给少量合作伙伴测试，普通用户只能在外面看热闹。
现在终于不用等了。
2026 年 7 月 9 日，OpenAI 宣布 GPT-5.6 正式全面上线，并在 24 小时内陆续覆盖 ChatGPT、Codex 和 API。
而且这次不是只发一个模型，是一口气端出三个：旗舰 Sol、均衡款 Terra、低成本款 Luna。
🚀 国内用户快速通道
国内用户无需翻墙，直连体验 GPT-5.6 完整能力：
- ChatGPT 中文版入口：lazymanchat.com
- 稳定镜像站：chat.huoyachat.com
- GPT-5.6 极速体验站：ai.luckaichat.com
前面写 GPT-5.5 的时候，我说它最大的变化是从“帮你写代码”走向“替你跑完整任务”。
GPT-5.6 接着往前推了一步：模型不只会跑任务，还会自己拆任务、调工具、并行拉起多个智能体，最后把结果收回来。
模型之外，OpenAI 还把 Codex 独立 App 并入新版 ChatGPT 桌面端，推出 ChatGPT Work 和 Sites。
所以这次真正的主角，不只是 GPT-5.6。
OpenAI 想把 ChatGPT 从聊天框，改造成一个能持续干活的操作系统。
国内用户提示
如果国内读者因为网络、手机号验证等原因无法直接使用 GPT、Claude 等模型，可以考虑通过稳定的中转 API 或镜像站体验。使用任何第三方服务前，建议先用非敏感问题测试速度、额度、隐私说明和计费规则。
一次发三个模型：OpenAI 也开始给智能分档了
先把三个名字说清楚。
| 模型 | 定位 | API 输入价格 | API 输出价格 | 更适合什么任务 |
|---|---|---|---|---|
| GPT-5.6 Sol | 旗舰模型 | $5 / 百万 Token | $30 / 百万 Token | 复杂编程、长链路 Agent、科研、安全、攻坚任务 |
| GPT-5.6 Terra | 均衡模型 | $2.5 / 百万 Token | $15 / 百万 Token | 日常开发、知识工作、大多数生产任务 |
| GPT-5.6 Luna | 最快、最便宜 | $1 / 百万 Token | $6 / 百万 Token | 高频调用、摘要分类、后台自动化、轻量 Agent |
Sol 还是上一代旗舰 GPT-5.5 的价格，Terra 直接打五折，Luna 更便宜。
这不是传统的“大杯、中杯、小杯”那么简单。
OpenAI 明确说了，Sol、Terra、Luna 会成为长期能力档位，以后可以各自按不同节奏升级。数字代表模型世代，名字代表能力层级。
翻译成人话就是：以后选 OpenAI 模型，不能只看版本号，还得先看任务值不值得上 Sol。
这套设计很像真实团队。
普通活交给 Luna，日常主力用 Terra，真正难啃的任务再找 Sol。所有请求都无脑调用 Sol，不叫尊重智能，叫不会算账。
提示缓存也改了。缓存读取只收正常输入价格的一折，缓存写入按正常输入价格的 1.25 倍计费，开发者可以手动设置缓存断点，缓存至少保留 30 分钟。
对长提示词、固定工具说明、企业知识库和长时间 Agent 来说，这个变化比“又涨了几分”更实在。重复上下文不用每一轮都按原价重算，账单会更可控。
这次最狠的不是跑分，是每完成一个任务花多少钱
看 GPT-5.6 的官方发布页，会发现 Claude 的名字出现得非常勤快。
OpenAI 这次的宣传策略很直接：不只比谁得分高，还比完成同一个任务需要多少时间、多少 Token、多少钱。
在 Agents' Last Exam 这个覆盖 55 个行业、考察长流程专业工作的评测中，OpenAI 公布的最高配置成绩达到 53.6，比 Claude Fable 5 高 13.1 分。即使只开中档推理，官方估算成本也只有 Fable 5 的四分之一左右。
不过这里要提醒一句：发布正文里的最高曲线成绩，和文末完整评测表里的标准配置数字不是同一档，不能混着比。
完整表格里，标准 Sol 是 52.7%，Terra 是 50.4%，Luna 是 50.3%。配置不同、推理强度不同、成本预算不同，结果都会变。
OpenAI 自己也在脚注里承认，图里的延迟和 API 成本是根据生产行为离线模拟出来的，真实项目可能差很多。
所以这些图能说明趋势，但不能直接拿来算你下个月的账单。
编程能力很强，但还没把 Claude 打趴下
编程当然是主战场。
在 Artificial Analysis Coding Agent Index v1.1 上，GPT-5.6 Sol 拿到 80 分，高于 Fable 5 的 77.2 分。Terra 是 77.4，Luna 是 74.6，也都比上一代更有性价比。
Terminal-Bench 2.1 上，Sol 是 88.8%，ultra 模式能到 91.9%，超过 Claude Mythos 5 的 88%。DeepSWE 上，Sol 也拿到 72.7%。
这些评测更接近真实 Agent 工作：进终端、读仓库、改代码、运行命令、处理失败、继续推进。
这正是 GPT-5.6 的优势区间。
但如果有人说 GPT-5.6 已经把 Claude 全面打趴下了，那也不恰当。
在 SWE-Bench Pro 上，Sol 只有 64.6%，Fable 5 是 80%，Mythos 5 是 80.3%。差距不是误差，是一眼就能看出来的差距。
FrontierMath Tier 4 上，Sol 是 83%，Fable 5 是 87.8%；GDPval-AA 专业工作评测里，Sol 的 1747.8 Elo 也略低于 Fable 5 的 1759.6。
所以更准确的结论是：
GPT-5.6 在长链路 Agent、终端任务、速度和单位成本上非常强；Claude 在部分代码修复、专业工作和高难数学上仍然领先。
这和我前面分析 Claude Fable 5、Claude Opus 4.8 时的结论一致：别只问谁是最强模型，要看你的失败成本发生在哪。
ultra 模式：一个模型干不过，就拉一队模型一起干
GPT-5.6 新增了两个更高推理档位：max 和 ultra。
max 比原来的 xhigh 获得更多思考时间。模型可以多验算几次、多换几条路径、多做几轮检查。
ultra 更直接：默认拉起 4 个智能体并行开工，部分评测可以扩到 16 个。
这不是简单地把同一道题复制四份。
一条工作流可以拆成资料搜索、代码实现、测试验证、结果审查几条支线，不同智能体并行推进，根智能体再把结果合并。
图里真正值得看的不是“16 个一定比 4 个强”，而是曲线向左上方移动：同样时间拿到更高分，或者同样分数更快完成。
代价也非常明显：更多智能体意味着更多 Token。
所以 ultra 不是日常开关。普通改文案、写接口、修小 Bug 也开 16 个智能体，和叫 16 个高级工程师一起改按钮颜色没区别。
API 侧还加入了 Programmatic Tool Calling。以前开发者要提前写好每一步工具调度逻辑，再把工具返回内容一轮轮塞回模型。现在 GPT-5.6 可以在内存里写一个轻量程序，自己调用工具、过滤中间结果、判断下一步。
以前是开发者手把手编排 Agent，现在模型开始自己写编排脚本。
对大模型面试来说，这里很值得注意。以后再被问“如何减少 Agent 的 Token 消耗”，答案不能只有压缩上下文。程序化工具调用、缓存断点、结果过滤、并行子任务和模型分层，都会成为标准答案。
ChatGPT Work：Codex 不只给程序员用了
GPT-5.6 发布当天，OpenAI 同时推出了 ChatGPT Work。
它不是给 ChatGPT 换了一个更商务的皮肤。
ChatGPT Work 的定位是：跨应用和文件执行操作，把一个目标持续推进几个小时，最后交付表格、文档、PPT、分析报告或者 Web 应用。
底层用的就是 Codex 技术。
OpenAI 公布了一个很有意思的数据：Codex 每周用户已经超过 500 万，其中超过 100 万人做的事情和写代码没有关系。
OpenAI 一看，既然财务、销售、运营、市场都开始拿 Codex 干活，那干脆把它做成通用工作 Agent。
所以新版 ChatGPT Work 可以连接 Slack、Teams、Google Drive、SharePoint、邮箱、日历、CRM 和项目管理工具。它可以自己找资料、更新 Excel、制作 PPT，再把结果发回协作软件。
Scheduled Tasks 还能让它定时执行：每天检查网页变化、每周刷新会议材料、新邮件到达后更新报告。
这才是“Agent”真正落地的样子。不是在聊天框里告诉你应该怎么做，而是拿到权限之后真的把事情做完。
Codex 并入 ChatGPT，独立 App 没有消失
网上不少标题写“Codex App 被砍了”。
这个说法不准确。
更准确的说法是：原来的 Codex App 更新后会变成新版 ChatGPT 桌面 App，Chat、Work、Codex 三个模式放进同一个应用。
Codex 的编码能力还在，而且新增了 diff 内联编辑、侧边栏 PR Review、更快的 Computer Use，以及单个项目连接多个代码仓库。
如果你只想写代码，也可以把 Codex 设成默认视图，甚至继续用 Codex 图标。原来的 ChatGPT 桌面 App 则改名为 ChatGPT Classic。
另一个变化是 Sites 公测。
你可以让 ChatGPT Work 把分析结果直接做成仪表盘、项目追踪页、产品原型或者交互报告，再通过链接分享。
这条产品线其实很清楚：
Chat 负责讨论，Work 负责执行，Codex 负责工程，Sites 负责把结果变成可交付产品。
Atlas 独立浏览器也开始退出，相关能力会转入新版 ChatGPT 桌面端和 Chrome 侧边栏。
OpenAI 不是在增加几个零散功能，而是在收入口。
AI 开始参与训练 AI，这才是更大的变化
GPT-5.6 官方发布里还有一组容易被跑分盖住的数据。
过去六个月，OpenAI 内部用于代码推理的研究算力份额增长了 100 倍，Agent Token 用量增长约 22 倍。GPT-5.6 内测期间，活跃研究员日均输出 Token 已经超过 GPT-5.5 最高时期的两倍。
发布会还展示了 Sol 参与 Luna 后训练的过程。研究员给出目标、训练配置和资源要求，Codex 负责寻找空闲 GPU、启动脚本、检查任务是否正常运行。
以前这类工作需要一队研究员持续盯着，现在越来越多步骤开始交给模型。
OpenAI 为此做了一套 RSI 指数，专门评估调试研究系统、优化训练内核、运行机器学习实验、改进另一个模型这些任务。GPT-5.6 Sol 比 GPT-5.5 高 16.2 分。
这件事比“会不会写一个网页”重要得多。
当模型能帮助训练下一代模型，模型迭代速度本身也会被模型加速。
能力越强，安全限制也越重
GPT-5.6 的网络安全能力提升非常猛。
ExploitBench 从 GPT-5.5 的 47.9% 提升到 73.5%；ExploitGym 在六小时上限下从 15.1% 提升到 33.7%。
能力上来之后，OpenAI 的限制也明显更严。
这次正式开放前，OpenAI 用了约 70 万 A100 等效 GPU 小时做自动化红队测试，又进行了六周安全训练和测试。
最敏感的网络安全能力会通过 Trusted Access 开放。个人需要身份验证和更高级的账户安全措施，高风险实体和地区会受到额外限制。
GPT-5.6 Sol 的安全系统拦截的潜在有害行为约为上一代的 10 倍。误伤肯定也会增加，所以 ChatGPT 和 Codex 提供了切换低能力模型重试的入口。
这也解释了为什么 GPT-5.6 先做有限预览，再全面开放。顶级模型发布已经不只是服务器扛不扛得住的问题，还要看能力风险、身份验证和监管协调。
普通用户和开发者到底怎么选
先说可用范围。
| 使用方式 | GPT-5.6 可用情况 |
|---|---|
| ChatGPT 聊天 | Plus、Pro、Business、Enterprise 可用 Sol；Pro、Enterprise 还可选 Sol Pro |
| ChatGPT Work / Codex | Free、Go 可用 Terra；Plus 及以上可选 Sol、Terra、Luna |
| max | 能在 Work 或 Codex 使用 GPT-5.6 的用户都能开启 |
| ultra | Work 中面向 Pro、Enterprise；Codex 中面向 Plus 及以上 |
| API | Sol、Terra、Luna 全部开放，多智能体功能处于 Beta |
再说选型。
日常开发，先用 Terra
Terra 接近上一代旗舰能力，但价格只有一半。改业务代码、写测试、做普通数据分析，大多数任务没必要直接上 Sol。
高频后台任务，用 Luna
分类、摘要、信息抽取、定时监控、简单工具调用，这些任务靠规模吃成本。Luna 每百万输入 Token 只要 1 美元，更适合跑量。
复杂攻坚，再上 Sol
大仓库重构、长时间 Agent、跨工具调查、科研分析、安全审查，以及失败一次就很贵的任务，才是 Sol 的价值区间。
时间比 Token 更贵，再考虑 ultra
任务能并行拆开，而且时间比 Token 更贵，再考虑 ultra。
这和选择 DeepSeek V4、Opus 4.8、Fable 5 的逻辑一样：不是站队，是算账。
你需要算的不是每百万 Token 的单价，而是：
- 一次任务成功率有多高；
- 失败后返工要花多少时间；
- 模型会不会在长链路里跑偏；
- 任务能不能拆开并行；
- 数据能不能交给外部模型；
- 这个任务到底需不需要最强推理。
写在最后
GPT-5.6 最值得关注的，不是某一张榜单又刷新了。
而是 OpenAI 把模型、Agent、工具调用、桌面端和最终交付物串成了一条链。
Sol、Terra、Luna 解决成本分层，max 和 ultra 解决复杂任务，ChatGPT Work 负责跨应用执行，Codex 负责工程，Sites 负责交付。
以后拉开 AI 应用差距的，可能不是谁先接入最强模型，而是谁知道什么时候根本不该用最强模型。