北京时间 2026 年 7 月 10 日，OpenAI 正式发布 GPT-5.6 系列，一次性推出三款型号：旗舰款 Sol、均衡款 Terra 和性价比款 Luna，名字分别取自拉丁语中的太阳、大地和月亮。与此前 Fable 5 的分阶段上线不同，三款模型将全量上线，24 小时内陆续覆盖 ChatGPT、Codex 和 API。
更大的动作发生在产品层面：Codex 独立 App 正式下线，其能力整体并入 ChatGPT，打造出一个新的 AI 超级应用。GPT-5.6 正是驱动这个新入口的核心引擎。
一、三款模型，三种定位：GPT-5.6 家族全解析
1.1 旗舰 Sol：性能担当，兼顾效率
Sol 是 GPT-5.6 系列的性能旗舰，定价为每百万 token 输入 5 美元、输出 30 美元。在多个权威评测中，Sol 刷新了纪录：
- Agents’ Last Exam：这是一个横跨 55 个行业的长程智能体工作流评测，Sol 拿下 53.6 分，创下新高。
- Artificial Analysis 编程智能体指数：Sol 拿到 80 分，创下新纪录。
- BrowseComp 网页浏览评测：Sol 拿下 92.2% 的新纪录。
- OSWorld 2.0 电脑操作评测：Sol 达到 62.6%。
- Terminal-Bench 2.1 和 DeepSWE：同样刷新了最好成绩。
Sol 在设计判断力上被官方称为「跨越式进步」——只给一个大方向，它就能做出有审美、好上手的界面。更关键的是，它会用增强后的电脑操作能力去检查自己渲染出来的成果，发现视觉和功能问题，收尾之后再交活。
1.2 均衡 Terra：性能与成本的平衡点
Terra 定位为均衡款，定价为 Sol 的一半——输入每百万 token 2.5 美元、输出 15 美元。在 Artificial Analysis 编程智能体指数上，Terra 略高于同代竞品，同时耗时仅为对手的三分之一左右，成本约为四分之一。
对于大多数企业和开发者的日常使用场景，Terra 提供了性能与成本之间的理想平衡点。免费用户可以在 ChatGPT Work 和 Codex 中使用 Terra。
1.3 性价比 Luna：后训练由旗舰自主完成
Luna 是三款中最经济的型号，输入每百万 token 1 美元、输出 6 美元。尽管价格最低，Luna 的能力并不弱——在 Artificial Analysis 编程智能体指数上，Luna 超过了上一代旗舰 Opus 4.8。
最引人注目的是 Luna 的后训练方式：整个后训练环节由旗舰 Sol 自己独立完成。研究员现场展示了一条仅包含四句话的 prompt——找到训练配置、找到空闲 GPU、启动脚本、确认跑通——扔给 Codex 后，剩下的由 Sol 自己搞定。用 OpenAI 研究员的原话说：「自动化研究员已经很近了」。
二、性价比叙事：同样的钱，更多的活
2.1 性能对标下的成本优势
GPT-5.6 本次发布的核心叙事可以概括为一个词：性价比——同样的钱干更多活，或者同样的活花更少的钱。
OpenAI 在官方博客中直接与竞品进行了对比：在 Agents’ Last Exam 评测中，Sol 即使只开中档推理，得分也比竞品高出 11.4 分，而成本只有对方的四分之一左右。更小的 Terra 和 Luna 同样超过了竞品，成本约为十六分之一。
在覆盖面更广的 Artificial Analysis 智能指数上，Sol 开满推理档后与竞品仅差 1 分，但完成任务的耗时少 61%，成本约为一半。
编程是此次发布的主战场。Sol 在 Artificial Analysis 编程智能体指数上比竞品高 2.8 分，输出 token 不到一半，耗时不到一半，成本便宜约三分之一。
2.2 计费规则的配套优化
为了把「省钱」的故事讲得更完整，OpenAI 在计费规则上也做了配合：提示词缓存的写入按常规输入价的 1.25 倍收费，读取只收一折；开发者还可以手动设置缓存断点，缓存至少保留 30 分钟，使账单变得更加可预测。
三、ultra 模式：多智能体并行协同
3.1 四个打底，十六个封顶
GPT-5.6 此次带来了一项新玩法：ultra 模式。其核心逻辑是「人多力量大」——ultra 默认派出四个智能体并行开工，最多可以堆到十六个，用更多 token 换取更强结果和更快出活。
在 BrowseComp、SEC-Bench Pro、Terminal-Bench 2.1 三项评测中，增加智能体数量都能抬升「分数-耗时」曲线。发布会上研究员的说法是：这些智能体能像一支有经验的团队那样拆分工作。
3.2 max 模式与 Programmatic Tool Calling
除了 ultra，还有一档 max 模式，给模型比 xhigh 更充裕的思考时间去推理、验算、换思路。max 模式不挑档位，所有能用上 GPT-5.6 的 Work 和 Codex 用户都可以在设置中打开。
API 侧则新增了 Programmatic Tool Calling：模型可以自己写小程序来调度工具、过滤中间数据，省掉大量来回传输的 token。简言之，以前是开发者手把手教模型每一步怎么走，现在模型自己会写「调度脚本」了。
四、产品重构：ChatGPT Work 与超级应用的形成
4.1 Codex 并入，三合一桌面 App
此次调整中一个不小的动作是：Codex 独立 App 从即日起并入新版 ChatGPT 桌面 App，Chat、Work、Codex 三个模式装进同一个应用。Codex 仍然保留编码能力，还新增了 diff 内联编辑、侧边栏 PR review、更快的 Computer Use，以及一个项目里支持多个代码仓库。
开发者如果不想被通用入口打扰，也可以把 Codex 设为桌面 App 的默认视图，甚至继续使用 Codex 图标。原来的 ChatGPT 桌面 App 则会改名为 ChatGPT Classic。
4.2 ChatGPT Work：跨应用的智能体
ChatGPT Work 的官方定义是：能跨应用和文件采取行动、项目执行持续好几个小时、能把目标变成成品的智能体。其底层也应用到了 Codex 技术。
ChatGPT Work 能做的事情大致分三类：
第一类是把分散在各系统中的资料整合成成品，借助 GPT-5.6 对模板和设计系统的理解，将分析、整理和生成工作一步完成。
第二类是连接企业工具，通过统一插件目录让 ChatGPT Work 能直接调用各类应用获取上下文，从而真正进入企业工作流。
第三类是通过 Scheduled Tasks 自动执行重复任务，让 AI 持续处理监控、汇总和更新等工作，成为企业中的「半自动员工」。
发布会现场，OpenAI 财务团队演示了一个月底对账的案例：以前要在多个系统之间来回核对 Excel 预测模型，忙活好几天。现在一条指令，ChatGPT Work 跑完差异分析、更新 Excel 模型、顺手做好 PPT，还能生成一个可分享的交互网站，最后把链接发到 Slack 上。
4.3 Sites：一句话生成交互网站
Sites 是此次公测的新功能——一句话把分析结果变成可分享的交互网站或 Web 应用，可用于制作仪表盘、项目追踪和产品原型。
五、企业级 AI 代理对网络基础设施的隐性需求
5.1 长周期任务的网络连续性要求
GPT-5.6 的 ultra 模式支持最多十六个智能体并行协同，ChatGPT Work 的项目执行可以持续好几个小时。开发者 Matt Shumer 晒出的案例中，Sol 一次性生成的体素版曼哈顿，是模型完全自主跑了将近一周才完成的。
这些长周期、多智能体的任务场景，对网络环境的连续性提出了极高的要求。如果一个正在执行长达数小时数据分析任务的智能体，因网络波动导致 IP 变动或连接中断，整个任务链条可能前功尽弃。
更关键的是，多智能体协同场景下，多个智能体可能同时访问不同的外部数据源和工具——一个负责数据抓取，一个负责调用 API 进行计算，一个负责结果验证和报告生成。任何一个智能体的网络请求受阻，都可能拖慢整个工作流的进度。
5.2 多地域数据访问与工具调用
GPT-5.6 在 BrowseComp 网页浏览评测中拿下 92.2% 的新纪录，这意味着模型具备了更强的自主网页浏览和信息采集能力。当企业部署的 ChatGPT Work 智能体需要跨地域访问多个数据源——例如，同时抓取北美、欧洲和亚太地区的市场数据——跨地域的网络延迟和访问可用性将成为制约效率的瓶颈。
此外，ChatGPT Work 通过统一插件目录连接各类企业工具，智能体的工具调用往往涉及跨系统的 API 请求。API 调用的稳定性和响应速度，直接影响多智能体协同任务的完成效率。
5.3 企业部署的网络合规与稳定性
在企业环境中，AI 代理的部署面临更多现实约束。当多个团队同时使用 ChatGPT Work 和 Codex，多个智能体并发运行，对网络带宽和连接数的需求呈倍数增长。网络层面的任何不稳定——延迟抖动、连接超时、IP 被限流——都可能导致智能体任务失败和资源浪费。
六、IPFLY 代理网络：为 GPT-5.6 企业部署构建稳健的网络层
在 GPT-5.6 所代表的多智能体、长周期、跨地域 AI 代理日益普及的背景下，企业需要一个能够支撑高频率 API 调用、多地域数据访问和长时间任务运行的网络基础设施。IPFLY 代理网络提供的多种代理类型，恰好覆盖了上述各类企业部署场景的网络需求。
6.1 静态住宅代理：保障长周期多智能体任务的连续性
对于需要 ChatGPT Work 执行持续数小时甚至数天的长周期任务——例如财务对账、市场数据分析、竞品监测等——IPFLY 的静态住宅代理提供了理想的网络支持。
静态住宅代理提供长期稳定的 IP 地址，确保多智能体在数小时的长周期任务中保持一致的网络身份。这对于需要维持会话状态、分步操作或持续数据流接收的任务尤为重要。在 ultra 模式十六个智能体并行协同的场景下，每个智能体都需要稳定的网络连接，静态住宅代理能够为整个智能体团队提供一致的网络环境，避免因 IP 变动导致的任务中断。
6.2 动态住宅代理：支撑网页浏览与数据采集场景
GPT-5.6 在 BrowseComp 评测中 92.2% 的成绩证明了其强大的自主网页浏览能力。当企业部署的智能体需要大规模采集公开网页数据——例如竞品价格监测、行业资讯聚合、学术文献抓取等——IPFLY 的动态住宅代理能够提供关键的网络支撑。
动态住宅代理的核心价值在于其 IP 的真实性和多样性。住宅 IP 来自真实用户的网络环境，在目标网站看来就是「普通用户」的访问行为。对于需要高频访问外部网页的智能体任务，使用住宅代理可以有效降低被目标网站识别为异常流量、触发访问限制的风险。
IPFLY 的动态住宅代理网络覆盖广泛的 IP 资源，能够为多智能体并发数据采集任务提供充足的 IP 轮换空间，避免单一 IP 因请求过载而被限流。
6.3 数据中心代理：高性价比的 API 调用场景
GPT-5.6 的大量企业应用场景涉及 API 调用——调用模型本身、连接企业工具插件、与外部数据源进行数据交换等。对于这些对响应速度敏感的场景，IPFLY 的数据中心代理提供了高性价比的网络接入方案。
数据中心代理的优势在于高速和稳定。数据中心的网络基础设施通常拥有更高的带宽和更低的延迟，非常适合 API 调用这种对响应时间敏感的操作。当企业同时运行多个 ChatGPT Work 实例、或多个智能体需要频繁调用外部 API 时，数据中心代理能够提供充足的带宽和连接数支持，避免网络层面的瓶颈。
6.4 灵活的代理资源组合与统一管理
IPFLY 为用户提供了统一的代理网络接入体验。企业可以根据不同任务场景的需求——长周期分析用静态住宅、网页数据采集用动态住宅、高频 API 调用用数据中心——进行灵活组合和针对性配置。
注册 IPFLY 账号后，企业可以立即开始体验上述代理服务，并根据实际业务需求选择合适的代理类型和资源配置。
七、AI 能力越强，网络层越不容忽视
GPT-5.6 的发布标志着 AI 模型在多个关键维度上实现了显著跃升——多智能体协同、长周期自主执行、跨应用工作流整合。Sol、Terra、Luna 三款模型的差异化定位，让不同规模的企业都能找到适合自身需求的 AI 能力入口。
然而，模型能力的提升也意味着对部署环境的要求更加苛刻。ultra 模式的十六智能体并行、ChatGPT Work 的数小时持续执行、跨地域的多数据源访问——每一个场景都对底层网络环境的稳定性、纯净度和响应速度提出了更高要求。
IPFLY 代理网络通过动态住宅代理、静态住宅代理和数据中心代理的完整产品矩阵，为不同场景的企业级 AI 部署提供了针对性的网络层解决方案。在 GPT-5.6 所引领的「多智能体、长周期、跨应用」AI 代理普及浪潮中，IPFLY 致力于成为企业网络基础设施层面值得信赖的合作伙伴。
为您的 GPT-5.6 企业部署构建稳健的网络层。
访问 IPFLY 官网 了解各类代理产品的详细信息，或注册 IPFLY 账号即刻开始体验。无论是 ChatGPT Work 的长周期任务、多智能体的并行协同，还是高频 API 调用场景，IPFLY 都能提供适配的代理网络支持。
