ReaderMX.
ITPUB

狂喜！GPT-5.6来了，Codex嵌入+ChatGPT Work智能体，生产力直接封神！

I卢敏约 6 分钟

Image

当大模型的能力竞赛逐渐逼近 scaling law 的天花板，硅谷的 AI 巨头们不约而同地将目光从“下一个 Token 的预测准确率”转向了“每一个 Token 的单位经济产出”。

北京时间 2026 年 7 月 10 日，OpenAI 正式发布 GPT-5.6 三款模型，并同步推出内置智能体 ChatGPT Work。

Image

GPT-5.6系列包括旗舰模型GPT-5.6 Sol、主打日常任务的GPT-5.6 Terra，以及快速模型GPT-5.6 Luna。其中，Sol将在未来24小时内逐步向所有付费用户开放，Terra和Luna则向免费用户开放。

从数据看，这是一场针对 Claude Fable 5 的精准“成本效率”围剿；但从产品形态看，这更像是 OpenAI 试图定义“AI 作为服务（AI-as-a-Service）”新范式的关键落子——让 AI 从生成内容的“副驾驶”变成交付成果的“主工程师”。然而，在这场向“超级应用”迈进的狂欢中，社区关于“简洁指令失效”的争议，以及 OpenAI 对推理时长与 Token 消耗的绝对定价权，正在揭示一个更深层的矛盾：当模型变得越来越聪明，它究竟是解放了人类，还是重新定义了捆绑？

价格战背后的“效率霸权”：不仅是更聪明，而且是更“抠门”

纵观 GPT-5.6 系列的技术报告，最令人震撼的并非 Sol 版本在 Agent 榜单上那 2.8 分的领先，而是其无孔不入的“成本控制”哲学。在 Artificial Analysis 的编码测试中，GPT-5.6 Sol 完成任务所需输出 Token 不到 Fable 5 的一半，执行时间减半，成本降低约三分之一；而面向日常的 Terra 和 Luna 版本，成本甚至被压缩至对手的 1/16。

这是一种极为高明的商业策略。在过去，模型的迭代主要依靠“堆算力”带来的性能跃升，但 GPT-5.6 证明了大模型在成熟期可以通过“算法效率”实现降维打击。OpenAI 官方强调的“performance per dollar”，实际上是在向企业级客户传递一个信号：AI 的规模化落地不再取决于 API 接口的原始价格，而取决于完成一项任务所需的“总拥有成本（TCO）”。

然而，这种对“精简输出”的极致追求，在开发者社区引发了剧烈反弹。官方指南中关于“不要简单要求简短回答，应明确要求先给结论、删除重复内容”的建议，被部分用户解读为“OpenAI 在强迫人类适应机器的审美”。有用户尖锐地指出：“我想用一句话确认方向，现在却需要写一段 Prompt 教模型如何不废话。”这暴露了当前大模型交互的尴尬：模型在底层逻辑上变得更加“智能”，但在表层交互上却变得更加“笨拙”——它失去了对人类模糊指令的包容度，反而要求人类成为更严谨的“提示词工程师”。

从行业视角看，这并非退步，而是 AI 从“玩具”向“工具”进化的必然阵痛。正如软件开发从 Basic 语言演进到高级语言，人类需要学习编程逻辑一样；当 AI 开始负责执行复杂任务时，人类必须学会用更结构化的语言定义边界。但问题在于，OpenAI 是否有权通过强制改变交互范式，来将自身的“算力优化”成本转嫁给用户的学习曲线？

ChatGPT Work：是“超级应用”的黎明，还是“数字劳工”的惊梦？

如果说 GPT-5.6 是引擎，那么 ChatGPT Work 就是 OpenAI 打造的那辆“超级跑车”。它不再满足于聊天框里的“你问我答”，而是试图接管从信息检索、方案设计到成果交付的完整工作流。用户可以离开设备，由 Work 智能体在后台自动协调 4 个子智能体（Ultra 模式），通过定时任务将 Slack 消息转化为 PPT，或将零散数据生成为可直接运行的 Web 应用。

Image

这种“自主执行”能力，使得 ChatGPT 正式跨过了“辅助工具”与“数字员工”之间的红线。Altman 声称“Codex 不会被取代”，暗示 Codex 将作为底层代码能力嵌入，而 ChatGPT Work 则是面向普通白领的“无代码工作台”。这标志着 OpenAI 的产品矩阵开始分化：一端是面向专业程序员的“生产工具”（Codex），另一端是面向业务人员的“决策与执行工具”（Work）。

但这一设计也引发了关于控制权的深层忧虑。有网友警告，AI 过度猜测用户意图可能导致“信息茧房”的企业版——如果 Work 智能体为了追求“交付速度”而默认采用最中庸的解决方案，那些拥有非标需求、反直觉创意的少数派用户将被系统边缘化。AI 的真正价值不在于“替代人类做决定”，而在于“帮助人类做出更好、更多样的决定”。

另一个不容忽视的隐患是“认知负荷的转移”。虽然 OpenAI 宣称 Work 能节省数小时的工作，但用户必须花费时间监控其进展、回应其提问、批准其操作。这种“监督式自动化”在管理学上被称为“自动化悖论”——机器接管了执行层，人类却被困在了更高强度的监控层。如果 ChatGPT Work 无法在 95% 以上的场景做到“零干预交付”，那么它所节省的时间，可能将被“调试 AI 工作流”的时间所吞噬。

定价权与算力黑箱：OpenAI 正在重构“劳动价值论”

在此次发布中，最容易被忽视却最具杀伤力的变革，是 GPT-5.6 引入的“分级推理模式”（Max/Ultra）与“Prompt 缓存计费机制”。通过 Ultra 模式协调 4 个智能体并行处理，OpenAI 将“增加 Token 消耗”与“提升结果质量”直接挂钩。这实际上是将“思考时间”与“货币成本”在商业层面进行了精准标定。

对于开发者而言，选择 Ultra 模式意味着购买 OpenAI 内部复杂的多智能体协作算法；对于普通用户而言，他们并不知道这 4 个智能体是如何分工的，也不知道哪些 Token 被浪费在了内耗上——这是一个典型的“算力黑箱”。

OpenAI 为此制定了一套极其精密的定价数学题：缓存写入收取 1.25 倍费用，缓存读取给予 90% 折扣。这套复杂的计费体系，本质上是在引导开发者的行为——鼓励高频复用长上下文，惩罚随机无规律的输入。这显示了 OpenAI 作为头部厂商的霸权：它不仅能定义模型的能力上限，还能通过定价策略重塑整个生态圈的开发习惯。

更有深意的是，OpenAI 内部数据透露，过去六个月其内部 Agent Token 使用量增长 22 倍，计算量增长 100 倍。这意味着，OpenAI 不仅是在卖铲子给淘金者，它自己就是最大的“黄金矿工”。GPT-5.6 已经被用于自身的 AI 研发流程，这种“AI 制造更强大 AI”的飞轮一旦形成，竞争对手将面临难以逾越的成本壁垒。

结语

GPT-5.6 与 ChatGPT Work 的组合拳，标志着 AI 行业正式进入“效果交付”时代。成本不再是除以 Token 数量的算术题，而是除以“任务完成度”的几何题。然而，在这场效率革命中，人类必须警惕两种倾向：一是将“高效”等同于“正确”，忽视探索性、试错性工作流的长远价值；二是将“自动化”等同于“进步”，却忘记了工具进化的终极目的是让人变得更自由，而非让人为了迁就工具而变得模式化。

当 OpenAI 用更少的 Token 实现更强的性能，它证明了算法的力量；但当它要求用户用更复杂的 Prompt 换取更便宜的答案，它考验的是人性的耐心。这一次，OpenAI 给出了一个极其诱人的成本公式，但解方程的权力，似乎依然掌握在那只看不见的“算力之手”中。

参考链接：

https://openai.com/index/gpt-5-6/

https://openai.com/zh-Hans-CN/index/chatgpt-for-your-most-ambitious-work/

Image

KEEP THE THREAD GOING

更多来源文章