结束12天受限预览，GPT-5.6正式发布，Codex与ChatGPT合二为一

这两天，AI 行业又迎来了一轮密集的产品发布，火药味十足。先是 xAI 推出 Grok 4.5，继续在编码和 Agent 场景上发力；紧接着 Meta 也姗姗来迟，发布了 Muse Spark 1.1，并首次向开发者开放了 Model API，开始正面争夺企业和开发者市场。

但就在这一轮竞争进入白热化之际，OpenAI 正式发布了 GPT-5.6 系列模型，并同步对 ChatGPT 的产品架构做了一次重要调整，再次把行业关注点拉回到自己身上。经过 12 天的政府审查与受限预览，OpenAI 于当地时间 7 月 9 日正式向全球用户开放了 GPT-5.6 系列模型——Sol、Terra、Luna 三款同时上线。

（来源：X）

与此同时，独立运行了近一年的 Codex 应用正式并入 ChatGPT 桌面端，与新推出的 ChatGPT Work 智能体共同构成了统一的产品入口，整合了对话、编码以及长程任务执行等能力。这也是 OpenAI 自今年 4 月发布 GPT-5.5 以来规模最大的一次产品更新，模型能力、产品架构和商业策略三条线同步调整。

政府审查结束，GPT-5.6 正式全面开放

6 月 26 日，GPT-5.6 首次以受限预览形式上线，仅向约 20 家通过美国政府审查的合作机构开放。据多家媒体报道，白宫国家网络安全总监办公室（ONCD）和科技政策办公室（OSTP）认为，旗舰模型 Sol 已具备较强的网络安全能力，因此要求 OpenAI 在正式发布前完成额外安全评估。

最新数据显示，Sol 在内部网络攻击评测中的得分达到了 96.7%，在 ExploitBench 漏洞利用基准上的成绩也从 GPT-5.5 的 47.9% 提升至 73.5%。美国商务部下属的 AI 标准与创新中心（CAISI）参与了技术评审，OpenAI 工程师也前往华盛顿与政府部门进行了技术交流。

虽然整个流程仍属于企业自愿参与，但从外界来看，美国政府已经开始形成针对前沿 AI 模型“发布前评估”的治理框架。对于未来能力更强的基础模型而言，这种安全审查机制很可能逐渐成为行业常态。

不再卷“最强”，而是卷“最划算”

这次 GPT-5.6 家族采用了一套全新的命名体系。

Sol 定位旗舰模型，Terra 主打性能与成本平衡，Luna 则面向更高性价比场景。名称分别来自拉丁语中的太阳、大地和月亮。数字代表模型代际，而 Sol、Terra、Luna 则成为长期保留的能力层级，未来可以分别独立迭代。

价格体系也体现了这一思路。Sol 每百万 Token 输入价格为 5 美元、输出 30 美元；Terra 分别降至 2.5 美元和 15 美元；Luna 则进一步降低至 1 美元和 6 美元。OpenAI 同时调整了 Prompt Cache 的计费方式，缓存写入按标准输入价格的 1.25 倍收费，读取价格享受折扣，并支持开发者手动设置缓存断点，使得长期运行的 Agent 成本更加可预测。

从最新公布的数据来看，GPT-5.6 的核心卖点并不是绝对性能，而是性能、速度和成本之间的综合平衡。

在 Artificial Analysis 编程智能体指数上，Sol 获得了 80 分，超过了 Claude Fable 5，同时输出 Token 数量不到后者的一半，运行时间缩短约一半，整体成本约低三分之一；在 Terminal-Bench 2.1 和 DeepSWE 等编码任务上也取得了当前最佳成绩。Terra 和 Luna 分别超过了 Claude Fable 5 与 Claude Opus 4.8，在速度和成本方面同样具有明显优势。

不过，在综合推理能力上，Anthropic 依然保持领先。在 Artificial Analysis 综合智能指数中，GPT-5.6 Sol 得分 59，仍低于 Claude Fable 5；在 SWE-Bench Pro 软件工程评测中，Sol 为 64.6%，而 Claude Fable 5 和 Mythos 5 均超过 80%；在 FrontierMath Tier 4 数学测试中，Sol 的成绩甚至低于 GPT-5.5。

这也反映出 OpenAI 此次产品策略的变化。相比追求在每一项基准测试中都保持第一，GPT-5.6 更强调开发者最常使用的编程、Agent 和企业应用场景，在保证能力的同时进一步压低推理成本和响应时间。

围绕这一目标，GPT-5.6 还加入了几项新能力。

Ultra 模式允许多个智能体并行工作，默认启动 4 个 Agent，最多可扩展至 16 个，以更多计算资源换取更好的结果；Max 模式则给予模型更长的思考时间，提高复杂推理任务的稳定性。

API 层面推出的 Programmatic Tool Calling 也值得关注。过去，开发者需要在应用层设计复杂的工具调用流程；现在模型可以自行编写程序，对工具进行调度、处理临时数据并组织执行流程，从而进一步降低复杂 Agent 的开发成本。

Codex 并入 ChatGPT

模型之外，OpenAI 对产品体系也进行了近年来最大规模的一次整合。

从 7 月 9 日开始，独立运行近一年的 Codex 正式并入新版 ChatGPT 桌面应用。新版应用提供 Chat、Work、Codex 三种模式，用户无需切换不同软件，即可完成日常对话、代码开发和长时间复杂任务。

原有 Codex 用户可以保留项目、配置和工作流，也可以继续使用 Codex 图标或将其设为默认视图；此前的 ChatGPT 桌面应用则更名为 ChatGPT Classic。与此同时，独立 Atlas 浏览器停止更新，其智能体浏览能力被整合至 ChatGPT Chrome 扩展。

（来源：OpenAI）

事实上，这一整合早已有迹可循。今年 5 月，OpenAI 已将 ChatGPT 消费产品团队与 Codex 团队合并，由联合创始人 Greg Brockman 统一负责产品研发。

更直接的原因则来自用户行为。OpenAI 披露，Codex 每周活跃用户已超过 500 万，其中超过 100 万人并非用于编程，而是在处理文档、分析资料、规划项目等通用工作。

在这一背景下，OpenAI 还同步推出了 ChatGPT Work。它能够跨多个应用收集上下文信息，将复杂目标拆分为多个步骤，并持续工作数小时，最终生成文档、电子表格、演示文稿乃至可直接分享的网页应用。相比传统聊天机器人，它更接近一个能够长期执行项目的智能体。

这一系列调整也意味着，OpenAI 正在逐步放弃多个独立 AI 产品并行发展的思路，而是希望将 ChatGPT 打造成所有 AI 能力的统一入口。

发布会上还有一个细节引发了不少关注。OpenAI 透露，GPT-5.6 家族中最小的 Luna 模型，其后训练流程已完全由旗舰模型 Sol 自主完成，包括寻找可用 GPU、确定训练配置、编写启动脚本以及确认任务执行等全过程。与此同时，OpenAI 表示，过去六个月内部用于代码推理研究的计算资源增长约 100 倍，智能体 Token 使用量增长约 22 倍，并首次公开了衡量 AI 自主研发能力的 RSI（递归自我改进）指数，GPT-5.6 Sol 相比 GPT-5.5 提升了 16.2 分。

这些数据表明，AI 已不仅是在帮助开发者写代码，它也开始越来越多地参与下一代 AI 系统自身的研发流程。

参考链接：https://openai.com/index/gpt-5-6/