GPT-5.6深夜上线，ChatGPT和Codex正式合并，一个时代结束了。

今天，GPT-5.6终于在OpenAI的直播中正式上线了。 除了GPT-5.6之外，ChatGPT也迎来了2022年诞生之后，我觉得最大的升级。 从OpenAI的直播预告动画就能看出来有趣的端倪了，ChatGPT和Codex，在今天、在此刻合体。 于是，全新的ChatGPT来了。 Codex直接消失，与ChatGPT应用正式合并，以后，也没有Codex这个应用了，只有ChatGPT了。 但是当你打开新版的ChatGPT界面以后，你又会发现，原版的ChatGPT界面也没有了，满屏的UI，都属于原本的Codex，只剩下那个小小的聊天Tab，证明着曾经的ChatGPT，还存在过。 突然有点感慨。 至此，由ChatGPT 2022年11月30日开启的Chat时代，也在今天完成了属于大众启蒙的使命，而今天，ChatGPT和Codex的合并，一切也都标志着新时代的来临，此名： Agent时代。 让我们一个一个来聊。 一. GPT-5.6 先聊最核心的GPT-5.6。 这次一共是三个模型，分别是新旗舰模型Sol，以及适用于日常工作的均衡模型Terra，还有OpenAI所谓的最具成本效益的模型Luna。 我们主要的核心，还是来聊GPT-5.6 Sol，因为这个也基本代表着OpenAI能对外放出来的目前智能的巅峰。 这个模型强不强，你就看Anthropic的动作就行了，在GPT-5.6 Sol发布后，他们直接决定，重置额度。。。 可能我这几年，从来没有像现在这样，如此期待一个新模型，期待GPT-5.6的上线。 原因特别简单，因为我那个AI新闻网站AIHOT，虽然大的我能做的都做了，比如IP地址已经换了，且藏在了边缘代理后面，做了部分DDoS防护，封禁策略和JS挑战啥的也都做了。 但是每天都在被各种手段攻击，最初的普通攻击，到现在几乎全是DDoS，还有用分布式CC来恶心的，各种乱七八糟的。 昨天一天就被打了4轮，昨天早上的没防住，导致昨天早上又被干崩了，但是下午的3轮都防住了。 在这个阶段，Claude Fable 5已经完全没办法用了，因为这些词几乎都是敏感词，一聊DDoS啥的直接给我切换到Opus 4.8，而且Fable 5虽然智商和规划能力超群，但是在真正的执行上，还是有点问题，经常顾此失彼，然后漏很多的东西，并且跟Claude系列一样，有一定的幻觉。 然后最大的缺点，就是贵，没蹬一会额度就没了。。。 GPT-5.5是我最近反而用的最多的了。 但是问题也非常大，规划和做方案的能力非常一般，完全不思考全面，起手就知道干，幻觉率确实极低，代码执行确实很强，改BUG啥的很不错，但是吧，也经常不够全面，再加上方案和规划能力是一坨，短板还是有点太明显了。 经常给我用的非常的暴躁。 在做安全策略上，更是漏洞百出，它做的方案，被人打成筛子，最后还是得我那仅剩的10%额度的Claude Fable 5来进行规则的重置和兜底。 这7天高强度的攻防和平均每天16个小时的Coding的经验，让我对Fable 5和GPT-5.5的评价一下的话。 那就是Fable 5确实是一个总监级别的大神，但是你知道的，管理层嘛，一般执行的细节程度上总归有一点的不精确，工具使用、主动性太强了，经常不管不顾的自己就全部给你搞完了，但是最后在一些细节上，是偏离了你想要的东西的。 而GPT-5.5呢，就是一个高级工程师，在执行上确实是一把好手，但是用一个网友的话来做一个很形象的描述就是：“GPT-5.5最像那种会议室里突然站起来画白板的人，你还在描述混乱，它已经开始拆方案。” 现在就卡在这了，Claude Fable 5额度用完了，GPT-5.5只能做中型的项目执行。 所以在这个背景下，大家应该就懂了，为啥我如此的期待GPT-5.6了。 因为真的希望他们能把整个Coding的能力，再往前推一步，而且我极度支持OpenAI干死呆逼Anthropic。 在OpenAI 6月26号发布了前瞻之后，今天凌晨，GPT-5.6终于来了。 我第一时间直接把GPT-5.6 Sol拉到最高档Ultra开干了。 在我高强度并行开发了5个小时之后，我觉得我对GPT-5.6有了一些自己的体感，如果用一段话描述的话，那就是： 当今世界最水桶级别的模型，价格低廉，性价比极高，方案和规划能力在一些非巨型任务上媲美Fable 5（巨型任务我也接触不到，已经远超我的能力上限了），Agent能力和Coding执行上幻觉率极低极为精准，配合Codex交互体验和远程Coding更是极佳，浏览器控制更加稳定等等。 不过前端审美和内容创作依然是老大难问题，这块确实比不上Claude，但除此之外，其他的任何方面我想不出来我自己再用Claude的理由了。 OpenAI赛高！Codex赛高！GPT赛高！ 还是惯例，简单过一下GPT-5.6的官方跑分。 在覆盖55个领域长期专业工作流的Agents' Last Exam中，GPT‑5.6 Sol以53.6分刷新纪录，比Claude Fable 5（自适应推理）高出 13.1 分。 即便采用中等推理模式，它仍以约四分之一预估成本领先Fable 5达11.4分。 这个我觉得是里程碑式的，Fable 5确实很强，但是那个经济效应，几乎也代表着我们几乎不可能日常大规模的使用。 而GPT-5.6以极低的成本，完成了执行效果上的超越。 而在AA家的智能指数上，GPT-5.6比Fable 5只低了一分，但是任务完成时间缩短61%，成本预估降低约一半。 而在Coding领域，这个优势更加离谱了。 在Artificial Analysis 编程智能体指数中，启用最大推理能力的 GPT‑5.6 Sol 以 80 分创下最新技术标杆，比Fable 5高出2.8 分，同时输出 token 减少一半以上，耗时缩短一半以上，成本降低约三分之一。 从这张图其实也能看出来，对于日常来说，改BUG啥的其实推理强度开到高就差不多了。 如果是大型的任务，就开到极高。 究极大型的重构或者要命相关（比如我的AIHOT防护）的任务，或者你的token实在烧不完的时候，偶尔再把推理等级开到Ultra，是Token利用率最高的解法。 而且你知道，当我看到GPT-5.6 Sol在衡量从接触漏洞代码到任意代码执行进展的ExploitBench, 上，它在可比输出token预算下得分为73.5%。 这意味着什么呢，意味着，只要极低的成本，就可以达到几乎跟Fable 5相同的网络安全效果！！！ 说实话，我看到这个的时候，我的眼睛都在冒光，我激动的都睡不着觉。 而且在我的实测中，虽然偶尔也会出现网络安全的禁止提示。 但是在我表明是为了做我的边缘代理的防护策略，我希望他帮我优化之后，他顺利的给我进行执行了，没有做任何的阻拦。 我直接开了Ultra，而且是快速模式，几乎全部都是浏览器操控，在将近21分钟之后，给了我一个非常详细的审查报告。 我是200刀的Pro套餐，Token的消耗量大概5小时额度花了20%，周额度大概花了2～3%，我想说，这比Fable 5舒服太多了。 要知道，这可是21分钟的全程Chrome操控且开了快速模式，有1.5倍的消耗，再加上Ultra啊！ 如果是Fable 5的话，你相信我，就这么玩，Fable 5 + Ultracode，都没有快速模式一说，一波能给你周额度干没8～10个点。 太离谱了。 而且这个质量，非常的高。 因为我的边缘代理的规则底子是Fable 5打的，后面GPT-5.5在上面打了一些补丁，也做了N次优化，但是感觉也优化不出来啥，找不出来啥问题了。 但是GPT-5.6 Sol，直接找出了一堆以前他两没有想到的问题。 我就不放全文了，因为漏洞太多了。。。 直接扒拉出来了11个任务。 反正我是叹为观止，然后让GPT-5.6 Sol一波直接自己去修了。 非常的稳，一波处理的明明白白，没有任何的BUG，就看明天被攻击时候的实际防护效果了。 然后还有一个方案，大概能看出来GPT-5.6 Sol和Claude Fable 5的一些性格和个性的区别。 比如我有一个长久以来的痛点，就是为了AIHOT大家无需开魔法的阅读体验，所以我做了每个新闻的详情页，就像这样。 但是这个详情页想法是好的，在实现上，有巨大的问题，因为我要把所有源站的信息，原封不动的抓过来，然后尽可能的给大家还原成跟源站一样的阅读体验。 但是你要知道，我现在监控信源的背后，有几百个形色各异的网站，我已经尽可能的去想尽一切办法去处理了，还是经常会抓来一些奇奇怪怪的东西。 就像这样。 还有这样。 想适配所有的网页，全部清洗成好看的，几乎跟源站一样的，甚至还要保留格式、超链接、代码库、图表等等，太难了，因为背后的网页形式实在是太多太多了，之前用Opus 4.8和GPT-5.5分别开发过，效果基本就是一坨狗屎。 但是我一直还是想解决这个需求，让AIHOT的用户在浏览信息上，能得到最好的体验。 所以我就把这个需求，同时扔给了GPT-5.6 Sol和Claude Fable 5。 让他俩同时想方案。 甚至他两用的都是同一份CLAUDE.md，因为我的AGENTS.md直接软链的CLAUDE.md，所以几乎变量都是一样的，唯一不同的就是模型本身。 而最终输出后，GPT-5.6的方案，坦诚的讲，在细致程度上，我甚至觉得比Fable 5考虑的更加周全，这确实是一个很有趣的点。 比如一开始，从源头上，其实是有分类的，比如有很多不是直接抓取的，是走API和RSS的。 这些是有明确的正文的。 而在GPT-5.6的考虑中，也想到这部分，但是，他并没有跟Fable 5一样，直接把那个规则当做了必须遵守的。 而是提出了质疑。 所以，我们不能信他们，所有的源头都只是源头而已，我们必须自己要去做结构化的正文抽离，即使它是RSS和API输出来的，也需要如此考虑。 Fable 5其实把这个细节漏了。 GPT-5.6和Fable 5都考虑到了这一点，但是还是那个问题，在首次的输出上，依然是GPT-5.6考虑的更加细致一点。 而且还有个更离谱的是，我觉得，这一次GPT-5.6输出内容的可读性，我觉得比Fable 5是要强的，他的方案我能读的下去，但是Fable 5，可能是我太菜逼了，他的信息密度太高了，我读不下去。 最后这两个方案，我还是选择了让GPT-5.6 Sol去开了目标模式进行最终执行。 因为坦率的讲，这个任务有点复杂，我对Claude Fable 5能长时的稳定的精准的处理完这么多细节，我没有信心，后期其实还是容易出现幻觉，改了这里忘了那里，然后最后再对抗性审查的时候又不断的推翻自己，很麻烦。 但是GPT-5.6的幻觉率在我的测试过程中，我体感是一如既往的，几乎就是洲际导弹的级别，指哪打哪，再配合上目标模式，最后总是能极其精准的完成任务，真的很香。 虽然过程中也会偶发跟GPT-5.5一样，有一些奇怪的低级错误导致了部分环节中的循环，但是次数会少一些，同时也能更快的解决，且不影响最终的输出。 然后之前的那个任务，截止到我发文的时候，已经开发了快2个小时了，但是还没有开发完，主要是逐篇审查对比优化，确实比较浪费时间。 但是在它测试过程，我看到了一些页面，还是很棒的，我现在有点期待完他写完以后，部署到AIHOT上的效果了。 然后是前端审美这块，确实比GPT-5.5有巨幅加强，但是还是离Claude有一定距离。 比如最近马上台风不是要来了吗，我随手写了一个Prompt： 调用一个接口获取巴威台风数据, 生成一个单HTML文件的可视化大屏。 GPT-5.5的效果是这样的，就Emmmmmm。 但是GPT-5.6 Sol是这样的。 前端效果上还是进化了很多的，至少是不会出AI Slop了。 目前Plus、Pro用户可以使用GPT‑5.6 Sol，而免费和Go用户，只能使用GPT‑5.6 Terra。 而最高档的Ultra推理等级，只对200刀的Pro用户开放，Plus用户也用不了。 目前GPT‑5.6按每百万Token计费。 Sol 为 5 美元输入 / 30 美元输出；Terra 为 2.5 美元输入 / 15 美元输出；Luna 为 1 美元输入 / 6 美元输出。 GPT‑5.6 还引入了更可预测的提示缓存功能，包括支持显式缓存断点以及30分钟的最低缓存生命周期。 对于GPT‑5.6及后续模型，缓存写入按模型非缓存输入价格的1.25倍计费，而缓存读取则继续享受90%的缓存输入折扣。 二. ChatGPT Work 这是一个我没有想到的更新。 也就是我们开头所说的，合并了ChatGPT和Codex。 现在，你可以在左上角，直接切换工作和Codex了。 其实就是Cowork和Claude Code的区别。 Codex虽然是个通用Agent，可能一些专业者都知道，他既能写代码，也能办公，完全没有问题的。 但是依然有个市场的老大难问题，就是心智问题，你一说你能开发，你能写代码，很多的用户依然会觉得，那上手门槛是不是很高。 所以从心智上来说，Work和Code，反而拆开应该是最好的，虽然底层都是一个东西，但是用户认账啊。 你看国内WorkBuddy就知道了，现在都千万日活了，你这找谁说理去。 而OpenAI的产品确实有点东西，他们妙就妙在这里，没有选择推出Codex Work，而是直接把ChatGPT这个10亿周活的巨无霸给改造了，变成了ChatGPT Work，你看，这是不是就好理解多了。 而且过去的ChatGPT用户迁移过来，那简直顺理成章。 不过你要说这个Work模式跟Codex的区别，我觉得可以小到忽略不计了。 最大的心智特征，可能就是在这个菜单栏上，把分支啥的偏Code的元素，换成了Doc、PPT、Excel三件套，让你体感上，更像是帮你工作的。 我随手用GPT-5.6 Sol给它自己的上线，用它自己的插件，做了个PPT。 就咋说呢，GPT系列的审美啊，是不是得GPT-6的全新一代的预训练模型才能补上了。。 只是纯能看了。 不过处理表格啥的数据分析任务，那是真的强，强到上天。 有条件的，我推荐大家所有人都可以去下一个ChatGPT的应用，用它来帮大家去处理工作，这可能是你当今，能用上的性价比最高、质量最好的Work类Agent产品了。 而之前的ChatGPT Chat模式，也就是聊天，被藏在了一个小小的tab中，就好像，它的历史使命已经完成了。 点击以后，右下角会出现一个弹窗，这个小小的界面，就是ChatGPT Chat了。 而且这次还有个好玩的新东西，也是给Work场景用的。 就是新增了一个叫站点的功能。 我们过去都知道，很多非开发者，其实做了一个产品，想要部署到线上，给别人用还是很麻烦的一件事。 所以OpenAI这次就为了解决这个需求，搞了这么个功能。 底层本质是包了一个他们自己的叫Sites的Skill。 你做完一个东西以后，直接用Prompt说一句话，比如用Sites部署一下。 他就会自己帮你部署到线上，然后给你一个域名，这个域名就可以分享给你的朋友和同事了。 对大众来说，极其友好。 写在最后 我觉得这一次，OpenAI用他们的产品、用他们的模型，再一次证明了。 这家公司，还是有生命力的，他们还是当年的那个OpenAI。 曾经的OpenAI，是面对Google的屠龙少年，随着时代的发展，他们逐渐从勇士，变成了金银财宝之上的恶龙。 他们开始骂声一片，没人再喜欢他们，大家都在说，OpenAI就该完蛋。 可随着Anthropic的异军突起，OpenAI有那么一段时间，被打的全线开花。 他灰溜溜的走下了王座，看着曾经它的王座上，盘踞一条新的恶龙。 随后，他重新拾起盾牌，捡起那个已经开始发绣的剑。 斩向了自己的身后，把那个亲手将自己送上傲慢王座的Sora，一刀斩断。 它决定回到群众中，做群众想要的模型，做群众喜欢的产品。 直到几个月后的今天，他又回到了那个曾经属于他们的王座之前，站在了那个叫Anthropic的恶龙之前。 他说，这次。 轮到你了。