GPT-5.6 Sol、Terra与Luna：OpenAI新模型家族与ChatGPT Work详解
GPT-5.6不仅是一次更强的模型发布，更是向模型家族、成本感知路由、多智能体执行以及成品工件的更广泛产品转型。三模型组合让团队有更多空间选择性能与成本的恰当平衡：Sol处理最困难的工作，Terra覆盖平衡的专业任务，Luna让高吞吐量工作流更经济。同时，ChatGPT Work和Codex桌面集成展示了OpenAI的未来方向：一个融合聊天、编程、自动化、文件、应用和长期运行智能体的统一工作空间。**关键结论：GPT-5.6将ChatGPT从更聪明的助手转变为更完整的工作智能体平台。**
GPT-5.6 系列模型 Sol、Terra 与 Luna：OpenAI 新模型家族及 ChatGPT 工作模式解析
引言
OpenAI 已将 GPT-5.6 从预览阶段推进至全面可用状态，此次发布远超常规模型更新范畴。新模型家族包含三个层级：Sol、Terra 与 Luna。与此同时，OpenAI 将 Codex 功能整合至更广泛的 ChatGPT 体验中，并推出 ChatGPT Work——这款智能代理可跨应用、文件、工作流及桌面环境协同运作。
原始报告聚焦于发布速度、基准测试提升、定价策略调整，以及 ChatGPT 正从聊天窗口演进为完整工作操作系统的趋势洞察。本文保留原有框架，以更清晰的英文表述优化发布效果、提升搜索引擎可见性，并增强阅读流畅度。
GPT-5.6 现已全面上线
OpenAI 的 GPT-5.6 系列现已作为完整模型阵容推出，而非单一旗舰模型。三个名称便于记忆：
| 模型 | 定位 | 最佳适用场景 |
|---|---|---|
| GPT-5.6 Sol | 旗舰模型 | 高强度编码、复杂知识工作、网络安全、科学推理及长期代理任务 |
| GPT-5.6 Terra | 均衡模型 | 日常专业工作，兼顾出色性能与较低成本 |
| GPT-5.6 Luna | 最高性价比模型 | 高容量任务、轻量代理工作、草稿撰写、客服流程及对速度与成本敏感的工作流 |
关键变化不仅在于 OpenAI 拥有更强的顶级模型。产品层面的叙事在于：能力现已分散到多个价格与性能层级。这使得 GPT-5.6 对需要将不同任务路由至不同模型的团队而言更加灵活。
例如，开发者可使用 Sol 处理困难的代码库迁移，用 Terra 进行例行代码审查，以 Luna 完成大批量简单分类或草稿编写工作。随着 AI 代理从演示阶段步入实际工作队列，这种路由机制正变得愈发重要。
Sol 瞄准高端编码与代理基准测试
OpenAI 将 GPT-5.6 Sol 定位为迄今为止最强的编码模型。在官方基准测试总结中，启用最大推理能力的 Sol 在人工智能分析编码代理指数上达到 80 分，在该特定评估中领先 Claude Fable 5 达 2.8 分。
文章还重点介绍了 Sol 在长周期工程任务（如 Terminal-Bench 2.1 和 DeepSWE）中的表现。这些参考点颇具价值，因为编码代理的评判标准已不再局限于编写短函数的能力。如今的衡量指标转向：是否具备终端命令操作、代码库检查、运行验证、错误恢复及持续推进至最终结果的能力。
相同模式延伸至较小模型。Terra 被定位为强劲的中端选项，而 Luna 则专为低成本工作负载设计。对于构建内部 AI 代理的团队而言，这一点至关重要——单一昂贵模型并非始终是最优解。实践中，许多生产系统需要高级推理与低成本后台执行的混合模式。
定价策略强化模型路由的重要性
是此版本中最实用的部分之一。OpenAI 列出了 GPT-5.6 每百万 Token 的定价如下：
| 模型 | 输入价格 | 输出价格 |
|---|---|---|
| GPT-5.6 Sol | 5 美元/百万 Token | 30 美元/百万 Token |
| GPT-5.6 Terra | 2.50 美元/百万 Token | 15 美元/百万 Token |
| GPT-5.6 Luna | 1 美元/百万 Token | 6 美元/百万 Token |
这种定价结构鼓励更审慎的模型策略。昂贵的高推理模型可保留用于复杂步骤：规划、调试、代码转换、安全审查、最终合成以及高风险决策。低成本模型可处理重复性任务，如提取、格式化、摘要、分类和后续草拟。
这也是“模型家族”框架之所以重要的原因。Sol、Terra 和 Luna 不只是三个名称。它们为产品团队提供了更清晰的方法，可以根据任务难度、延迟和成本来设计 AI 工作流程。
Max 和 Ultra：更强的推理，更多的智能体
GPT-5.6 为要求苛刻的工作增加了更强的能力设置。
Max
Max 设置让模型有更多时间进行推理、检查替代方案、运行验证并修正方法。这对于首次答案不够的任务非常有用，例如仓库重构、困难调试、跨文件规划或分析混乱的商业文档。
Ultra
Ultra 设置更进一步，通过协调多个智能体并行工作。OpenAI 将默认的 Ultra 设置描述为四个智能体同时工作，某些更重的配置能够使用更多并行度。
要点很简单：当多个智能体可以同时探索不同路径时，某些工作会得到改进。一个智能体可能检查文档，另一个运行代码，另一个分析错误，另一个准备最终输出。如果协调得当，这可以提高质量和速度。
对于使用 OpenAI API 构建的开发者而言，同样的方向也体现在更广泛的推动多智能体模式和更程序化工具使用的趋势中。与其将每次工具响应都强制放回模型提示中，不如让智能体运行小程序、过滤中间数据，并只保留有用的结果。
GPT-5.6 改善了设计和前端工作
原文指出了一点容易被忽略的地方：GPT-5.6 不仅仅是关于编码基准测试。OpenAI 也在强调更好的视觉判断能力。
这一点很重要，因为许多 AI 生成的网站、应用、演示文稿和仪表板之所以失败，并不是因为代码不可行，而是因为最终产物感觉不完整。布局可能很别扭。间距可能不一致。用户界面在技术上可行，但看起来仍然像个粗糙的原型。
GPT-5.6 旨在检查渲染结果，识别视觉或功能问题，并在返回结果前优化输出。这使其在以下工作中更加有用：
- 根据自然语言构建前端原型。
- 创建交互式说明或演示。
- 匹配演示模板和设计系统。
- 在保持结构的同时更新电子表格、文档和幻灯片。
- 生成可共享的工作产物，而非粗糙的草稿。
对于 AI 网站和生产力工作流程而言，这是一个
意义重大的转变。这个模型现在接受训练和评估的方式，更像是一个必须交付可用成果的协作者，而非单纯的文本生成器。
端到端知识工作成为核心用例
GPT-5.6 同样被定位为更强的专业知识工作模型。OpenAI 重点强调了其在浏览、计算机使用、文档生成、演示文稿创建、电子表格处理以及长时间运行工作流等方面的改进。
这正是本次发布与 ChatGPT Work 直接关联的地方。新的产品方向不仅仅是"提出问题，获得答案"，而更接近于：
- 连接工作原有的工具和上下文环境。
- 为 ChatGPT 设定一个目标。
- 让它将任务分解为多个步骤。
- 在需要时审查进度。
- 获取一份完成的文档、演示文稿、电子表格、网站或可用的产出物。
例如，将客户研究转化为活动简报、从零散材料中准备会议资料包、更新定期报告、或根据项目信息构建一个小的内部网站。
GPT-5.6 与 AI 研究加速
原文最引人注目的部分之一是，GPT-5.6 正被用于加速 AI 研究本身。OpenAI 表示其研究人员在开发全流程中使用 GPT-5.6：诊断故障、优化训练系统、运行实验、解释结果以及改进模型。
文章还强调了 OpenAI 自身发布中的一个重要观点：内部代理使用量急剧增长。OpenAI 表示，用于内部编码推理的研究算力占比在六个月内增长了 100 倍，而内部代理型令牌使用量增加了约 22 倍。
这并不意味着 AI 研究已实现完全自动化。但它确实展示了行业的发展方向。AI 系统正越来越多地被用于帮助构建、测试和改进下一代 AI 系统。
ChatGPT 与 Codex 融合为统一桌面体验
另一个重大变化是 Codex 应用并入新的 ChatGPT 桌面应用。Codex 仍然是一个编码代理，但现在它位于一个更广泛的 ChatGPT 环境之内，该环境包含 Chat、Work、Codex、Scheduled Tasks 和 Sites。
这之所以重要，有两个原因。
首先，Codex 不再仅仅是一个独立的开发者界面。它成为了一个更广泛的生产力应用的一部分，这个应用可以同时支持技术类和非技术类工作流。
其次，ChatGPT 在桌面上变得更加以行动为导向。OpenAI 表示，桌面应用可以使用本地文件和本地应用，拥有内置浏览器，并能跨越网页、移动设备和桌面设备执行工作。
对于用户来说，体验应该会感觉更加一体化。不再需要在用于提问的 ChatGPT 和用于编码的 Codex 之间切换，新的桌面应用将这些工作流整合得更紧密。
ChatGPT Work：从聊天机器人到工作代理
ChatGPT Work 是本次发布的另一个核心。OpenAI 将其描述为 ChatGPT 内的一个代理，能够跨应用和文件执行操作，可以持续跟踪一个项目数小时，并将目标转化为完成的工作。
这包括诸如以下任务：
- 根据已连接上下文创建幻灯片、电子表格、文档和网站。
- 从 Slack、Microsoft Teams、Google Drive、SharePoint、电子邮件等应用中读取信息。
日历和客户关系管理系统（CRM）。
3. 执行定时或周期性任务。
4. 追踪变更并更新工作成果。
5. 利用桌面能力跨本地文件、应用和网页协同工作。
原文将此方向与Claude Cowork进行比较。核心要点是：前沿AI公司正竞相占领"工作代理"领域——这类AI系统不仅能回答问题，还能跨工具操作并交付成果。
对AI产品团队的启示
对于构建AI产品的团队而言，此次发布带来几点实用经验。
1. 勿将所有任务都交给最大模型
虽然Sol功能强大，但Terra和Luna的存在自有道理。生产工作流应将规划、执行、核查、格式化拆分为不同步骤，再为每个步骤选择合适的模型。
2. 代理的交互体验与模型能力同等重要
更强大的模型固然有益，但用户仍需可视化界面、控制权、审批机制和故障恢复路径。ChatGPT Work的发展方向表明：代理型产品需要工作流设计，而非仅靠对话窗口。
3. 成品成果才是真正的产出
本次发布重点强调文档、演示文稿、电子表格、网站、代码变更和运营看板。AI的价值不仅在于答案本身，更在于交付完成的成果。
4. 桌面端和本地上下文愈发重要
若代理能在本地文件、浏览器、应用和连接工具间协同工作，"聊天助手"与"计算机操作员"的界限将日益模糊。
常见问题
什么是GPT-5.6？
GPT-5.6是OpenAI于2026年7月发布的新模型系列，包含Sol、Terra和Luna三款，在能力、速度和成本方面各有侧重。
GPT-5.6 Sol的用途？
作为该系列旗舰模型，GPT-5.6 Sol专为高难度编程、复杂知识工作、网络安全、科学研究、设计及长期代理任务而设计。
Sol、Terra和Luna有何区别？
Sol是最高能力模型，Terra为均衡型模型，Luna最具成本效益。三级架构便于根据任务难度和预算进行路由分配。
什么是ChatGPT Work？
ChatGPT Work是ChatGPT内置的代理程序，可跨应用、文件、工作流及桌面环境协作，帮助创建文档、幻灯片、电子表格、网站等成品。
Codex消失了吗？
Codex功能并未消失。Codex应用将并入新版ChatGPT桌面应用，作为专注编码的工作流继续存在。
什么是GPT-5.6超频模式？
超频模式是针对高要求任务的多代理协同增强设置，通过并行调度多个代理提升质量并缩短复杂工作的处理时间，但会消耗更多令牌。
开发者能通过API使用GPT-5.6吗？
可以。OpenAI表示开发者可通过API访问Sol、Terra和Luna模型。响应API还支持编程工具调用和多代理工作流等功能。
GPT-5.6仅限开发者使用？
不。编程虽是最重要的用例之一，但OpenAI也将其定位应用于知识工作、文档
创建、演示文稿、电子表格、研究、安全、设计与业务运营。
相关工具
- GPT-5.6：OpenAI 关于 GPT-5.6 Sol、Terra 和 Luna 模型系列的官方公告。
- ChatGPT Work：OpenAI 的工作代理，用于连接应用、文件和长期运行的任务。
- ChatGPT 中的 Codex：OpenAI 的编码代理，支持拉取请求、重构、代码审查和软件工作流。
- OpenAI API：使用 OpenAI 模型构建应用的开发者平台。
- Responses API：OpenAI 的 API 接口，用于构建工具使用和代理型应用。
- ChatGPT 桌面应用：ChatGPT 在 Mac 和 Windows 上的官方下载页面。
相关链接
- OpenAI GPT-5.6 公告：涵盖模型层级、基准测试、定价、安全性和可用性的官方发布页面。
- ChatGPT Work 公告：介绍 ChatGPT Work、桌面更新、Codex 集成和工作流自动化的官方文章。
- ChatGPT Work 产品页面：ChatGPT Work 及其主要应用场景的产品着陆页。
- Codex 产品页面：ChatGPT 中 Codex 的官方概述。
- OpenAI Codex 开发者文档：针对 Codex 工作流和接口的开发者文档。
- Codex Cloud 文档：在云环境中运行 Codex 任务的指南。
- Codex IDE 扩展文档：在支持的 IDE 中使用 Codex 的官方指南。
- OpenAI 平台文档：OpenAI API 开发的主要文档中心。
总结
GPT-5.6 不仅仅是一次更强大的模型发布。它代表了向模型家族化、成本感知路由、多代理执行和最终工作成果产出的更广泛产品转型。
三个模型的布局让团队有更多空间去权衡性能与成本。Sol 处理最复杂的工作，Terra 覆盖均衡的专业任务，而 Luna 则让高吞吐量工作流更加经济。
与此同时，ChatGPT Work 和 Codex 桌面集成展示了 OpenAI 的发展方向：一个集聊天、编码、自动化、文件、应用和长期运行代理于一体的工作空间。
关键要点：GPT-5.6 将 ChatGPT 从一个更智能的助手转变为一个更完整的工作代理平台。