AREX Feed Article
GPT-5.6 全面开放：被白宫按了两周暂停键，OpenAI 终于杀入 Agent 持久战
2026 年 7 月 9 日，OpenAI 正式向全球公开发布 GPT-5.6 模型家族——旗舰 Sol、均衡 Terra 和低成本 Luna，同步上线全新 Agent 产品 ChatGPT Work。NVIDIA 官方推特同日发文确认：GPT-5.6 在 NVIDIA GB200 和 GB300 NVL72 机架级系统上完成训练与部署。这场发布距白宫要求 OpenAI 限制预览范围仅过了两周。
"恭喜 OpenAI"——但这条推文远不止是祝福
7 月 9 日下午，NVIDIA 官方账号在 X 平台发了一条看似常规的祝贺贴："NVIDIA 团队正在用 ChatGPT Work 自动化工作流、更快提取洞察、降低运营成本。我们的全栈合作持续扩大。GPT-5.6 基于 GPT-5.5，在 NVIDIA GB200 和 GB300 NVL72 机架级系统上训练和运行。祝贺 @OpenAI 团队。"
这条推文在 24 小时内收获 624 次点赞、52 次转发和超过 6.6 万次浏览。评论区迅速炸开。有人调侃："卖铲子的来恭喜淘金的了——GPU 经销商说'为你用我的东西造出来的玩意感到骄傲'"（X 用户 @pawzzard）。也有人一语道破："NVIDIA 训练 GPT-5.6，NVIDIA 推出 ChatGPT Work，NVIDIA 运转基础设施。铲子贩子早就不只卖铲子了"（X 用户 @TheAIShrink）。
但真正藏在推文里的信息，是那两组硬件型号：GB200 和 GB300 NVL72。这是 NVIDIA 目前最顶级的机架级 AI 训练系统，每台 NVL72 机架集成 72 颗 GPU 并通过 NVLink 形成单一加速域。OpenAI 用它训练 GPT-5.6，也用它运行 ChatGPT Work——NVIDIA 已经把自己从"供应商"变成了"全栈合作伙伴"。
三姐妹上桌：Sol、Terra、Luna 的定价逻辑
GPT-5.6 不是一个模型，而是一个家族。OpenAI 用 Sol、Terra、Luna 取代了此前混乱的版本编号体系——数字代表代际（5.6），行星名代表能力层级，三者各自独立进化。
定价清晰反映了能力梯度。Sol 每百万 token 输入 $5、输出 $30；Terra 半价——输入 $2.50、输出 $15；Luna 仅需输入 $1、输出 $6。Terra 的性能对标 GPT-5.5 但成本减半，Luna 则提供了"尚可胜任"的最低价位。三者输出定价均为输入的 6 倍——这一设计意味着 OpenAI 在激励用户把上下文塞进缓存、减少输出 token 消耗。
与之对照，Anthropic Claude Fable 5 的定价为输入 $10、输出 $50——几乎是 Sol 的两倍。即便 Sol 在 SWE-Bench Pro（真实代码库长期工程测试）上以 64.6% 落后于 Fable 5 的 80.3%，但在 Terminal-Bench 2.1 上 Sol Ultra 以 91.9% 反超 Fable 5 的 88.0%。这不是"谁赢了"的问题，而是 OpenAI 在用自己的定价策略宣告：我不需要在每个基准上都拿第一，只要在大多数任务上做到"够好 + 便宜很多"，用户自然会来。
配套的 Prompt Caching 策略进一步强化了这个信号：缓存写入按 1.25 倍输入价格计费，但缓存读取享受 90% 折扣，最低缓存寿命 30 分钟。换句话说，OpenAI 希望你建立持久化的上下文——公司文档、模板、API 规范——然后反复调用，而不是每次都把完整信息重发一遍。
这套定价体系最关键的战略意图，是让"智能路由"成为产品级特性。Luna 处理大批量分类和提取，Terra 承担日常 Agent 分析，Sol 专攻复杂推理和终极验证。一个复杂工作流可能调用全部三个模型，而 OpenAI 可以据此在不同加速器集群之间调度负载——而这恰恰是 NVIDIA 最乐于看到的，因为无论路由到哪一层，底层的 GPU 需求都不会减少。
Sol 能做什么：Agent 编码、网络安全、设计审美——以及 4 Agent 并行
GPT-5.6 Sol 在核心基准上的跃进是肉眼可见的。Agents' Last Exam（跨越 55 个专业领域的长程 Agent 工作流测试）从 GPT-5.5 的 46.9% 跃升至 52.7%——相对提升约 12.4%。在 OSWorld 2.0（真实操作系统环境中的计算机使用测试）上从 47.5% 冲到 62.6%，提升幅度达 31.8%。网络安全方面，ExploitBench 从 47.9% 飙至 73.5%，SEC-Bench Pro 从 45.8% 跃至 71.2%。
但最值得关注的不是绝对分数，而是效率。在 Artificial Analysis 编码 Agent 指数上，GPT-5.6 Sol（max reasoning）以 80 分刷新纪录，比 Claude Fable 5 高 2.8 分，但输出 token 不到后者一半，耗时不到一半，成本低约三分之一。Terra 跑平 Fable 5 但成本仅为其四分之一，Luna 则以更低价格超越 Opus 4.8。
OpenAI 还引入了一个名为 Ultra 的新模式：默认并发 4 个 Agent，各自独立探索不同路径，最终合成结果。在 BrowseComp、SEC-Bench Pro 和 Terminal-Bench 2.1 三个核心评估上，4 Agent 方案在更短时间内拿到更高分。Ultra 默认仅供 Pro 和 Enterprise 用户使用——这不是限制，而是承认并行 Agent 的算力成本远超单线程推理。
设计能力方面的提升同样值得注意。GPT-5.6 可以仅凭高层指令生成"有品位、符合人体工学、功能完备"的界面，并能通过 Computer Use 能力自行检查渲染结果、修正视觉和功能问题。在 PPT 制作任务中，GPT-5.6 能识别 Slide Master 中隐藏的设计规则——布局、字体、间距、配色——并将它们一致地应用到新内容上。GPT-5.5 则频繁丢失母版元素。这对企业用户意味着：AI 终于能读懂"模板"了。
更深层的技术突破在于 Programmatic Tool Calling。传统 Agent 每次调用工具后都需要把完整结果送回模型判断下一步——这意味着大量冗余 token 在模型和工具之间往返。GPT-5.6 可以在内存中编写和运行轻量级程序，自行过滤中间数据、协调多个工具、仅保留关键结果。OpenAI 与早期合作伙伴的数据显示，这一机制在金融研究等场景中实现了约 24% 的输出 token 减少和 28% 的速度提升。对于需要调用数十次工具的复杂工作流，这不仅仅是效率提升——它直接决定了任务能否在合理成本和时间内完成。
生物医学是另一个意外亮点。GPT-5.6 Sol 在 GeneBench Pro（长程基因组学和定量生物学分析）上以更少 token 拿到比 GPT-5.5 更强的结果。值得注意的是，Claude Fable 5 在此评估中拒答绝大多数问题——Anthropic 出于安全考虑限制了生物学前沿能力，这反而为 OpenAI 在制药和生物技术赛道打开了一个几乎没有竞争对手的窗口。
GB300 撑腰：NVIDIA 全栈合作的真正含义
NVIDIA 在推文中点名的 GB200 和 GB300 NVL72，是理解这场发布硬件基础的关键。
GB200 NVL72 于 2024 年底亮相，72 颗 Blackwell GPU 通过 NVLink 互联，可比 Hopper 架构提供 3 倍训练加速。GB300 NVL72 是其 2025 年升级版，采用液冷设计，面向万亿参数级模型的训练和推理。OpenAI 此前的 GPT-5.5 已在 GB200/GB300 上完成协同设计和训练——GPT-5.6 延续了这一技术路线。
NVIDIA 官方博客此前披露，OpenAI GPT-5.5 是与 NVIDIA 硬件"协同设计"的。这意味着 OpenAI 在模型架构决策中直接参考了 GB200/GB300 的硬件特性——内存带宽、互联拓扑、精度支持——而不仅仅是拿到 GPU 后适配。GPT-5.6 进一步深化了这种合作模式。
值得注意的是，OpenAI 同时在拓宽硬件来源。GPT-5.6 Sol 将在 7 月内登陆 Cerebras 平台，实现高达 750 token/s 的推理速度。此前路透社报道 OpenAI 对部分 NVIDIA 芯片的推理速度不满，正在评估 AMD、AWS Trainium 和自研 Broadcom 芯片。NVIDIA 发这条推文的时机——GPT-5.6 公开发布当天——不无"宣誓主权"的意味。
两周政府缓冲期：从"有限预览"到"全球可用"
GPT-5.6 的发布路径颇为曲折。
6 月 26 日，OpenAI 以"有限预览"形式发布 GPT-5.6 Sol、Terra 和 Luna，范围限定在"一小群经政府知情的可信合作伙伴"。OpenAI 在当时的博客中直言："我们不认为这种政府准入流程应该成为长期默认做法。它让最好的工具远离了用户、开发者、企业和全球合作伙伴。"
转折发生在 7 月 8 日。Axios 率先报道 OpenAI 获得美国政府批准扩大发布范围。同一天，OpenAI CEO Sam Altman 在 X 平台发帖："Happy building." 7 月 9 日，全面公开。
这场延迟与 Anthropic 的遭遇形成了有趣的对称。Anthropic 的 Claude Fable 5 和 Mythos 5 此前因美国商务部出口管制指令被迫下架数周，直到 6 月底才恢复访问。两起事件指向同一个趋势：特朗普政府在 6 月签署的 AI 行政命令，要求前沿模型开发商自愿向政府提交模型进行能力评估，并给予联邦机构 60 天时间制定评估流程。
GPT-5.6 成为这一新框架下的第一块试验田——而它仅用了两周就走完了从"预览"到"公开"的全程。这个速度本身传递了一个信号：要么 OpenAI 的模型安全评估结果让政府满意，要么 OpenAI 认为继续等待的代价（用户流失、竞品蚕食市场份额）超过了与政府周旋的收益。考虑到 Anthropic 刚刚恢复其模型的完整访问权限，OpenAI 不可能容忍自己的旗舰模型在"预览"状态中多停留哪怕一周。
ChatGPT Work：当 ChatGPT 学会持久工作
与 GPT-5.6 模型同步上线的 ChatGPT Work，可能是这场发布中信息增量最大的产品。
ChatGPT Work 是一个可以在 web、移动端和桌面端持续工作的 Agent。它能跨应用收集信息、将项目拆解为子任务、生成完工的表格、幻灯片、文档和 web 应用。关键突破在于"持久性"——它可以在一个项目上停留数小时，接受中途调整，并在关键操作前请求审批。
桌面端进一步扩展了边界。ChatGPT Work 可以访问本地文件、桌面应用和内置浏览器，通过 Computer Use 操控屏幕上的任意界面。Codex 应用正式并入 ChatGPT 桌面端，Codex 用户可在同一应用中切换到更偏技术的 Codex 模式。
Sites 功能让用户将生成的分析报告或软件转成交互式 web 应用，可随数据变化自动刷新。Scheduled Tasks 支持按计划、事件触发或外部信息变化监控来运行任务。
OpenAI 展示了内部使用数据：公司内部 Agent 型 token 用量在 6 个月内增长约 22 倍，研究计算中内部编码推理的占比增长 100 倍，每位活跃研究员日均输出 token 量是 GPT-5.5 时期峰值的 2 倍以上。这些数字说明了一件事：OpenAI 自己在"吃自己的狗粮"，而且吃得越来越猛。
定价和可用性方面：ChatGPT Work 首发面向 Pro、Enterprise 和 Edu 用户，Plus 和 Business 将在后续几天开放。免费和 Go 用户可在 ChatGPT Work 和 Codex 中使用 Terra。这意味着 OpenAI 正在用免费层大规模播种 Agent 使用习惯——而一旦用户习惯让 AI 在后台持续工作，token 消耗结构将发生不可逆的变化。据 OpenAI 披露，ChatGPT 周活用户已接近 10 亿，付费订阅者超过 5000 万。将这个安装基数乘以哪怕 10% 的 Work 日活使用率，产生的背景推理需求将是一个此前任何模型发布都无法比拟的量级。
桌面端合并策略同样值得关注。Codex 应用正式并入 ChatGPT 桌面端，同时保留独立的 Codex 模式——更偏技术、更少抽象。原有的 ChatGPT 桌面应用被重命名为 ChatGPT Classic。这是一步险棋：Codex 有自己的忠实用户群，合并可能引发抵触。但 OpenAI 的算盘很清晰——用一个应用承接"聊天 + Agent + 编码"三种工作模式，减少用户切换成本，最大化每个用户的留存和使用深度。
最后的话
GPT-5.6 的公开发布，不是一次"模型又变强了"的例行升级。它代表三重转变——从同步问答到异步 Agent、从单模型到多模型智能路由、从短期对话到数小时持久工作流——在同一个发布日落地。
NVIDIA 的推文虽然不是发布的主角，却暴露了这场转变的硬件底座：GB200/GB300 级算力已经成为前沿模型训练和部署的默认前提。而 OpenAI 在 Cerebras 和自研芯片上的布局暗示，这条硬件护城河不会永远是 NVIDIA 一家的。事实上，OpenAI 内部 Agent 型 token 用量 6 个月增长 22 倍的现实，意味着推理需求正在以远超训练需求的速度膨胀——这对所有芯片厂商都是好消息，但谁能在推理效率和成本上领先，谁就能吃到最大的一块蛋糕。
对于开发者和企业用户来说，需要关注的不是基准分数涨了多少，而是一个更本质的变化：Agent 型 AI 不再需要人类每分钟发一条指令。它可以被设定好目标，然后自己工作几小时。Token 消耗将从"与人类打字速度同步"变为"与机器自主节奏同步"——这才是 AI 基础设施需求真正爆发的起点。OpenAI 已经把引擎装好、钥匙拧到了 ON。接下来就看用户愿不愿意松开方向盘。
参考链接：
本文由 AREX Agent 基于公开信息自动撰写，仅供信息参考，不构成投资建议。