Sam Altman 想看看你用 GPT-5.6 Sol 做了什么

引言

Sam Altman 邀请开发者和创作者分享他们使用 GPT-5.6 Sol 构建的最有趣成果。

这一邀约刻意保持简洁：发布一个项目，展示该模型帮助创建了什么，最终最酷作品的制作者将获得一份来自 OpenAI 档案库的特别礼物。

这不是一场设有公开评判标准、提交类别或固定截止日期的正式竞赛。这是一场通过 X 平台帖子发起的开放式成果展。即便如此，回应迅速变成了一幅有价值的快照，展现了早期用户如何在普通聊天之外应用 GPT-5.6 Sol。

提交的作品涵盖科学可视化、教育、商业自动化、开发者基础设施、网页设计、互动叙事和游戏实验。它们共同展现了 OpenAI 希望 Sol 扮演的角色：不仅仅是回答编码问题，而是帮助人们完成雄心勃勃的多步骤产品。

开放式构建成果展，而非传统比赛

Altman 的帖子称，他想看看人们用 GPT-5.6 Sol 构建的有趣作品，并将从 OpenAI 档案库中挑选一份特别礼物送给最酷项目的创作者。

公告中未附带详细规则。没有公开的评分标准来解释原创性、技术复杂度、实用性、设计或商业潜力将如何被权衡。

这种非正式性正是其吸引力的一部分。开发者可以展示几乎任何东西，只要它证明了该模型的有意义用途。

源文章中重点介绍的提交作品可分为几个大类：

类别	示例
科学可视化	天气模型卫星模拟器
教育	将视频链接转化为结构化课程的工具
商业自动化	由 AI 员工组成的虚拟办公室
开发者基础设施	一个对代理友好的 GitHub 替代方案
网页与设计	个人网站和工作室站点
互动可视化	OpenAI 的 3D 发展史
游戏	AI 辅助重制及互动实验

这些项目在精致度和完成度上差异很大。有些是功能齐全的产品，而另一些则更接近原型或公开演示。它们应被视为开发者报告创建的作品示例，而非经独立审计的生产系统。

项目一：天气模型卫星模拟器

技术上最独特的项目之一来自一位名为 Drew 的制作者。

该项目将来自 WRF 和 HRRR 等专业天气模型的输出转化为物理渲染的卫星图像。随后，用户可以在同一重建的三维风暴中移动虚拟摄像机。

帖子中展示的示例使用了 1974 年超级爆发事件的 WRF 重建，这是历史上最

美国有记录历史上显著的龙卷风爆发事件。

这不仅仅是一个标准的信息面板。

传统的天气界面通常展示地图、等高线、雷达图像或预渲染的动画。一个可导航的3D模拟器需要整合多个层次：

1. 读取和解释数值天气模型的输出。
2. 将科学变量转换为视觉属性。
3. 重建云层和风暴结构。
4. 高效渲染结果。
5. 提供摄像机系统以实现交互式探索。
6. 保留足够的物理意义，使可视化仍然具有实用性。

模型可以协助数据处理管道、渲染代码、着色器、界面逻辑、调试和文档编写。但领域专业知识仍然至关重要，因为视觉上令人印象深刻的云场并不自动意味着科学上有效的表示。

在此类项目中，人工智能最强大的应用并非取代大气科学，而是减少将专业数据转化为可探索工具所需的工程工作。

项目2：将视频链接转化为结构化课程

另一位构建者使用GPT-5.6 Sol创建了一个课程制作工具。

源文件中描述的工作流程很简单：

1. 粘贴一个Telegram视频链接。
2. 处理视频及其内容。
3. 将素材组织成结构化的学习体验。
4. 通过更简洁的课程界面呈现出来。

这类项目尤其相关，因为内容转化需要多种能力协同工作：

• 媒体检索。
• 转录。
• 主题分割。
• 标题和摘要生成。
• 课程排序。
• 界面生成。
• 进度追踪。
• 搜索或问答功能。
• 来源保留。

困难的部分不在于生成摘要。一个有用的课程需要结构、课程之间的清晰界限、准确的引用，以及让学习者了解每个说法的来源。

用于生产环境时，构建者还需要考虑版权、访问权限、私密频道内容、转录准确性，以及原始创建者是否允许重新分发。

项目3：一个拥有12名AI员工的虚拟公司

一位名叫Tomoya的构建者展示了一个由GPT-5.6 Luna和Sol驱动的“AI员工办公室”。

界面类似于像素艺术管理游戏。在虚拟办公室中，12名AI员工被组织成五个部门，并似乎持续运作。

列出的职责包括：

• 销售提案。
• 客户服务工作。
• 会计记账。
• 会议记录。
• 策略和规划。
• 高层分析报告。

com/cms-assets/image/2026/07/4c1fe892-fd9d-429f-9438-29d6912c8988-4b24f025-2910-4309-8ec2-80a1a03302af.gif)

视觉呈现充满趣味，但底层产品模式是严肃的。

许多企业并不想要一个通用的聊天机器人。他们想要多个有边界的智能体，每个智能体职责狭窄、拥有不同工具，并在工作流程中占据明确位置。

一个多智能体办公系统需要的不仅仅是角色名称和动画桌面。一个可靠的实现必须回答以下问题：

• 每个智能体可以访问哪些数据？
• 一个智能体能否将工作分配给另一个智能体？
• 如何解决相互冲突的输出？
• 哪些任务需要人工审批？
• 当智能体失败时会发生什么？
• 如何记录操作日志？
• 成本如何在各部门之间分摊？
• 企业能否将最终结果追溯到其来源？

该项目是智能体编排的一个有用可视化。其真正价值取决于智能体是否产生可验证的工作，而不仅仅是生成看似合理的活动。

项目 4：Clotho，一个智能体友好的代码平台

一位名为 Preetham 的开发者使用 GPT-5.6 Sol 和 Rust 开发了 Clotho。

该项目的描述称 Clotho 是一个替代性的代码托管平台，旨在同时支持人类和 AI 智能体。它结合了仓库管理与 Hugging Face 等平台相关的模型托管概念。

仪表盘包含以下区域：

• 仓库。
• 计算。
• 组织。
• 智能体活动。
• 机密信息。
• 通知。
• 仓库级基础设施。

据报道，该项目支持智能体的多种交互路径，允许自动化系统对代码进行读取、写入和操作。它还将仓库与 GPU 计算连接起来，并包含仓库级的 Tailscale 网络。

这反映了开发者工具领域的一个重要转变。

传统代码平台的设计围绕人类打开仓库、阅读问题、创建分支和提交拉取请求展开。原生支持智能体的平台还必须支持机器身份、限定范围的凭证、隔离的执行环境、结构化的任务队列和详细的操作日志。

一个对智能体友好的仓库平台理想情况下应提供：

1. 短期凭证。
2. 最小权限访问。
3. 隔离的工作空间。
4. 可复现的执行。
5. 受保护的分支。
6. 人工审查关卡。
7. 完整的审计追踪。
8. 对网络和机密信息访问的限制。

该项目展示了 AI 编码智能体最终可能如何影响代码托管系统的架构，而不仅仅是其中存储的代码。

项目 5：网站与前端设计

许多参与者使用 GPT-5.6 Sol 来构建个人网站、工作室网站和交互式前端实验。

这与

OpenAI的官方定位表明，GPT-5.6在视觉层级优化、布局判断、文档设计及前端开发方面均有提升。

其提示指南仍建议为模型提供清晰的设计系统，并要求模型在完成前检查渲染效果。

针对网站项目，推荐工作流程如下：

1. 明确目标受众与转化目标
2. 提供现有品牌体系
3. 指定所需页面及状态
4. 要求模型检查当前组件
5. 保留响应式特性
6. 输出渲染结果
7. 测试移动端与桌面端布局
8. 审查无障碍性、性能、数据分析和SEO
9. 验证表单、链接及部署配置

如果页面缺乏搜索元数据、清晰的导航、快速加载、可靠表单或有用的行动号召，即使视觉精美也可能无法成为合格网站。

GPT-5.6示例的亮点并非单纯展示模型能生成美观的CSS，而是它能将设计、开发、检查与优化融于一个完整的长流程中。

项目6：OpenAI交互式3D发展史

一个更具戏剧性的作品采用GPT-5.6 Sol构建了OpenAI历史的交互式3D可视化。

据称该项目使用6832个点云构建Sam Altman与OpenAI核心产品负责人Thibault Sottiaux的肖像。用户可自由导航可视化界面，穿越OpenAI历史中的重大事件。

（图片说明：展示名为"交互式编年史"的项目界面，主题为"OpenAI星座"。左侧是用6832个点云渲染的肖像，支持导航浏览OpenAI历史事件。右侧包含"Codex重置"相关内容，提及将对所有Codex用户重置限制以补偿异常延迟，并推荐尝试GPT-53-Codex-Max。底部设有"上一步""下一步"按钮及"2025"年份标识。该图呼应上文所述使用GPT-5.6 Sol创建的交互式3D OpenAl历史可视化项目，直观呈现项目成果）

该作品融合了：

• 点云渲染
• 肖像重建
• 时间线数据
• 交互设计
• 动画效果
• 历史内容
• 响应式网页性能

这类项目非常适合模型辅助，因为它们包含大量相互关联的工程任务。模型可协助创建数据结构、渲染逻辑、导航、布局和内容管线。

主要风险在于事实准确性。交互式历史产品应区分官方事件、公开报道、评论和趣闻，而非将各类信息混为一体。

这些项目揭示的GPT-5.6 Sol特性

这些案例并不能证明Sol能通过单次提示独立构建所有应用。

但确实展示了开发者使用该模型的几种模式：

1. 模型被用作工程合作伙伴

项目涉及的不只是零散的代码补全。

开发者使用Sol进行：

• 代码库探索
• 架构设计
• 数据转换
• 界面实现
• 调试
• 工具集成
• 文档编写
• 视觉优化
• 长任务协调

2. 开发者正在组合使用模型

人工智能办公项目同时使用了Luna和Sol。

这与OpenAI的模型选择建议一致：

模型	最佳适用场景
GPT-5.

模型版本	适用范围
GPT-5.6 Sol	复杂推理、编程、研究及精修输出
GPT-5.6 Terra	兼顾质量与成本的日常负载
GPT-5.6 Luna	高并发或成本敏感的重复性工作

生产系统无需将所有任务都路由到最强大的模型。更合理的架构是在Sol的额外能力真正体现价值时才使用它。

3. 交互式输出至关重要

许多项目是模拟器、平台、仪表盘或网站，而非静态文本。

这反映出用户期望的转变。人们越来越希望获得的输出是可操作、可检查、可继续开发的。

4. 智能体基础设施正成为产品类别

Clotho和AI办公都将智能体视为持久化的参与者，而非临时的聊天会话。

这催生了以下需求：

• 智能体身份
• 权限管理
• 执行环境
• 任务队列
• 记忆系统
• 监控告警
• 成本控制
• 审查界面

OpenAI为何推广构建者示例

公开展示是有用的营销手段，同时也支持着OpenAI的产品策略。

GPT-5.6 Sol被定位为面向复杂专业工作和智能体编程的模型。OpenAI希望开发者根据最终成果而非对话风格来评估它。

用户生成的示例能帮助公司：

• 展示营销团队未选中的用例
• 展现模型在不同行业的应用效果
• 鼓励人们测试产品
• 收集故障模式反馈
• 识别优秀构建者和潜在客户
• 为新模型营造社会认同
• 将讨论焦点从基准测试转向实际成果

特殊礼物不及公开邀请重要。这篇帖子将模型采用转化为一场可见的社区活动。

GPT-5.6 Sol的效率定位

OpenAI的官方发布材料强调单位成本性能。

根据Artificial Analysis编程智能体指数，OpenAI报告称GPT-5.6 Sol（最大推理模式）得分为80，输出token数不到Claude Fable 5的一半，用时不到其一半，成本约低三分之一。

在"智能体最终考试"中，Sol得分为53.6。OpenAI称其中等推理模式优于Fable 5，同时据其估算成本约为后者的四分之一。

这些是供应商报告的基准测试比较。其实践意义取决于工作负载、提示词设计、工具使用、缓存机制、推理级别以及子智能体数量。

一次更便宜的成功运行并不等同于更低的单token价格。

GPT-5.6 Sol的API定价如下：

Token类型	每百万token价格
输入	5.00美元
缓存输入	0.50美元
输出	30.00美元

输入上下文非常大的请求需支付更高的长上下文费率。

一个复杂的智能体还可能因网络搜索、计算机使用、代码执行、重复读取代码库以及并行子智能体而产生额外成本。

发布另一面：使用量投诉

一些早期Codex用户报告称GPT-5.6比预期更快地消耗了他们的计划用量。

这些报告不一定与OpenAI的基准测试效率声明相矛盾。

模型在基准测试中可用较少令牌，但产品会话仍消耗更多配额，原因在于：

• 运行时间更长。
• 读取更多仓库上下文。
• 执行更多工具调用。
• 生成子智能体。
• 反复检查工作成果。
• 产出更精炼的结果。
• 采用更高推理设置。
• 并行运行多个工作流。

Thibault Sottiaux 公开回应了三次更新：

1. OpenAI 暂时取消 Plus、Business 和 Pro 套餐的 5 小时使用限制。
2. 公司表示正在推行改进措施，旨在提升 Sol 效率并降低用量消耗。
3. 宣布当 Codex 和 ChatGPT Work 活跃用户数达到 600 万后，将进行用量重置。

这些是临时运营调整，而非对各套餐的永久承诺。

用户应查阅当前 OpenAI 帮助中心及应用内用量信息，因为限额可能因套餐、推广阶段、系统容量及滥用防控机制而变化。

模型竞争惠及开发者——但有限度

源文章将展示案例置于前沿 AI 公司间更广泛的竞争背景下。

OpenAI 正在推广 GPT-5.6 Sol，而其他公司也在陆续发布或推广新的编码、智能体、图像及视频模型。

竞争可通过以下方式惠及用户：

• 更低的实际成本。
• 临时使用权限延长。
• 更快的模型改进。
• 更完善的开发者工具。
• 更慷慨的预览权限。
• 更迅速地响应使用问题。
• 在能力与成本层级间获得更多选择。

但好处并非自动产生。

频繁的模型更迭也可能使生产规划更困难。团队需要稳定的定价、透明的用量数据、可预测的速率限制以及清晰的弃用政策。

对于专业用途，正确的问题不是“本周哪家公司领先？”

而是：

哪种模型和工作流程能以企业可持续的成本、延迟和可靠性水平交付所需结果？

如何构建优秀的 GPT-5.6 Sol 提交作品

公开帖子未提供正式评审规则。根据示例，优秀提交作品很可能需超越简单的生成着陆页。

1. 从真实问题出发

选择一项成品具有明确实用价值的任务：

• 可视化专业科研数据。
• 减少重复性操作。
• 创建新的开发者工作流程。
• 将非结构化材料转化为可用产品。
• 使复杂数据集实现交互。

2. 展示工作成果

短视频或实时链接比文字描述更具说服力。

展示：

• 输入内容。
• 模型辅助工作流程。
• 最终输出结果。
• 一次困难交互。
• 一个已修复的失败案例。
• 用户现在能实现的功能。

3. 说明 Sol 的作用

清晰阐述模型所做出的贡献。对

示例：

• 设计了系统架构。
• 实现了渲染器。
• 调试了一条数据管道。
• 创建了界面。
• 重构了代码仓库。
• 协调了子智能体。
• 生成了测试用例。
• 审阅了最终输出。

当需要大量人工劳动时，避免暗示模型完全自主完成了所有工作。

4. 包含技术细节

有用的细节包括：

• 编程语言。
• 框架。
• 使用的模型。
• 工具集成。
• 数据集来源。
• 部署环境。
• 大致构建时间。
• 主要故障模式。
• 结果的验证方式。

5. 保护隐私和许可材料

请勿发布：

• 客户数据。
• 私有代码仓库。
• 凭证。
• 未经许可的媒体内容。
• 个人信息。
• 公司内部提示词。
• 未经许可的专有数据集。

6. 让项目可审查

一个公开的代码仓库、技术说明或清晰的产品演示，能使提交的作品更容易被评估。

同时，这也能让项目成为其他开发者学习的素材，而不仅仅是一次性的社交帖子。

常见问题

什么是 Sam Altman 的 GPT-5.6 Sol 构建挑战？

这是他在 X 平台上发布的一项非正式公开邀请。Altman 请大家分享用 GPT-5.6 Sol 构建的有趣项目，并表示最酷项目的创作者将获得 OpenAI 档案馆的特殊礼物。

是否有官方的提交表格或截止日期？

最初的公告并未提供正式的申请表格、截止日期或评审标准。开发者们正在公开回复该 X 帖子。

GPT-5.6 Sol 能用来做什么？

OpenAI 将 Sol 定位为适用于复杂编程、研究、专业工作、计算机使用和长时间运行的智能体工作流。展示的项目包括模拟程序、网站、商业智能体、教育工具和开发者平台。

GPT-5.6 Sol 比竞品模型更便宜吗？

OpenAI 报告称，在多项基准测试中，Sol 的每美元性能更强，但实际成本取决于任务长度、Token 使用量、工具、推理层级、缓存和子智能体。Sol 的 API 价格为每百万输入 Token 5 美元，每百万输出 Token 30 美元。

为什么一些 Codex 用户报告使用量很高？

长时间的智能体会话可能会读取大型代码库、反复使用工具、检查自身工作并运行子智能体。尽管模型在标准化基准测试中效率很高，但这些活动可能会迅速消耗套餐配额。

OpenAI 是否永久取消了 Codex 的五小时限制？

公开更新描述该限制的取消是暂时的。当前的套餐限制应在 OpenAI 的官方帮助文档和产品界面中查询。

我必须只使用 GPT-5.6 Sol 吗？

不。OpenAI 推荐在质量和成本之间取得平衡时使用 Terra，在需要更快、高吞吐量任务时使用 Luna。某些应用可以将复杂步骤路由给 Sol，将简单任务交给成本更低的模型。

我可以提交用 GPT-5.6 Sol 创建的网站吗？

可以。网站项目是用户分享的示例之一。一个优秀的提交作品应展示有意义的用例、正常的功能、响应式设计，并清楚说明模型的贡献。

相关工具

• [GPT-5.6 Sol](https://developers.openai.com/api/docs/models/gpt-5.

• GPT-5.6 Sol：OpenAI 旗舰模型，专为复杂编程与专业工作设计。

• Codex：OpenAI 的智能体编码环境，支持仓库管理、代码实现、测试与审查。

• ChatGPT Work：将目标与关联语境转化为完整专业成果的工作空间。

• OpenAI Responses API：用于构建工具调用与多轮交互模型工作流程的核心 API。

• OpenAI Multi-Agent：协调并行 GPT-5.6 子智能体的测试功能。

• Rust：用于构建本文所提 Clotho 项目的系统编程语言。

• Tailscale：与 Clotho 仓库级计算网络相关的私有网络平台。

相关链接

• Sam Altman 的构建邀请：关于 GPT-5.6 Sol 项目的原始公开征集。
• GPT-5.6 官方公告：官方功能、基准测试、模型定位及示例。
• GPT-5.6 Sol 模型文档：上下文窗口、定价、工具、推理设置及模型 ID。
• GPT-5.6 提示指南：面向编码、前端、可视化及专业工作流程的官方指导。
• OpenAI API 定价：当前模型与工具定价信息。
• Thibault Sottiaux 的使用更新：关于临时限速调整、效率优化及使用量重置的公告。
• ChatGPT Work：OpenAI 专业智能体工作产品页。
• GPT-5.6 系统卡：GPT-5.6 系列的安全评估与部署信息。

总结

Sam Altman 的公开邀请已演变为早期 GPT-5.6 Sol 用户构建成果的非正式展示。最具代表性的案例已超越普通聊天与代码片段范畴，将模型与科学数据、商业工作流、交互界面、开发者基础设施及多智能体系统深度融合。

这些项目同时揭示了先进智能体模型背后的实际权衡：Sol 能统筹复杂工作并产出精良结果，但长期会话、大上下文、工具调用及子智能体将消耗大量令牌与规划能力。

对构建者而言，最实用的启示是通过完整可验证的成果评判模型。优秀项目需明确解决问题、阐述模型贡献、展示真实工作流，并交付可操作产品。

最酷的 GPT-5.6 Sol 项目未必拥有最长提示词——而是能将模型能力转化为清晰可用的产品。