OpenAI已向公众发布了其GPT-5.6“全家桶”系列产品，包括Sol、Terra和Luna。与此同时，ChatGPT与Codex进行了整合，推出了名为ChatGPT Work的全新AI工具。
Sol模型在多项基准测试中表现出色，其在Agents' Last Exam上的得分率为53.6%，领先Fable 5达13.1个百分点。在Terminal-Bench 2.1测试中，Sol获得了88.8%的成绩，Ultra模式下更是达到91.9%，远超Fable 5的83.1%。在Coding Agent Index评测中，Sol以80分的成绩刷新了SOTA（State-of-the-Art），比Fable 5高出2.8分。
在定价方面，GPT-5.6系列提供了更具竞争力的价格。Fable 5的输入和输出价格分别为每百万token 10美元和50美元。Sol的价格减半，为每百万token 5美元（输入）和30美元（输出），Terra进一步降低至2.5美元（输入）和15美元（输出），而Luna的价格更是低至1美元（输入）和6美元（输出）。
此次更新还标志着ChatGPT与Codex的整合，OpenAI的“超级应用”正式落地，未来将统一为ChatGPT这一应用。
GPT-5.6系列已全面上线，包含旗舰模型Sol，专注于硬核编码、知识工作、网络安全和科学领域。Terra和Luna则侧重于提供高性价比的卓越性能。
在编程能力方面，OpenAI将Sol定位为“迄今最强编程模型”。在Artificial Analysis Coding Agent Index上，Sol以80分的得分创下SOTA记录，领先Fable 5 2.8分。相较之下，Sol仅使用了Fable 5不到一半的输出token和不到一半的时间，成本也降低约三分之一。Terra模型的表现略优于Fable 5，而Luna则超越了Opus。这些模型在完成任务时，平均耗时约三分之一，输出token量约一半，成本约四分之一。Sol在Terminal-Bench 2.1和DeepSWE等命令行长程工程测试中也刷新了SOTA。
GPT-5.6新增了max和ultra两种高能力设置。max模式允许模型有更多推理时间，而ultra模式则支持四个Agent并行工作，复杂任务可扩展至十六个Agent。在BrowseComp、SEC‑Bench Pro和Terminal‑Bench 2.1等评测中，并行Agent的使用显著提升了“分数-耗时”曲线，实现了更高分数和更快的响应速度。
此外，GPT-5.6在设计审美方面也有显著提升，能够自行审查和修改视觉及功能上的问题，并成功设计了航海小游戏、博物馆网站和室内设计展示等作品。在“端到端知识工作”方面，Sol在BrowseComp上获得92.2%的得分，在OSWorld 2.0上获得62.6%的得分，均刷新SOTA。在OSWorld上，Sol的输出token量比Opus 4.8减少了85%。
GPT-5.6被OpenAI称为“最能加速AI研究”的模型。在内部测试中，研究员利用GPT-5.6进行故障诊断、训练系统优化、实验运行和结果解读。在GPT-5.6内测期间，每位活跃研究员的日均输出token量是GPT-5.5最高水平的两倍多。过去六个月，OpenAI在内部编程推理研究上的算力投入增长了100倍，内部Agent的token使用量增长了约22倍。
在“递归自我改进（RSI）”内部评测中，Sol比GPT-5.5高出16.2分。OpenAI正通过AI加速下一代AI的研发。发布会透露，最小的Luna模型是由Sol训练出来的。Sol能够自主完成训练配置、GPU选择、脚本启动和运行确认等任务，实现了自动化研究员的雏形。
ChatGPT桌面端也进行了重大升级，集成了内置浏览器和Computer Use功能，能够直接调用本地文件和应用，进行点击、打字和文件传输等操作。原Codex应用已并入全新的ChatGPT桌面端。ChatGPT Work作为一款Agent，能够跨应用和文件自主工作，支持长时间运行以完成项目目标。该功能可通过手机端ChatGPT进行操控，即使不在电脑旁也能继续工作。
OpenAI在短短半个月内完成了从预览到全面上线的过渡，并实现了从追赶到反超的跨越。AI训练AI的模式预示着时间的线性概念可能被打破，竞赛的终点变得模糊，只留下不断更新的版本号。
