AI科技评论

2026-07-06

导读：GPT-5.6 迎战 Fable 5，长任务成胜负手。

GPT-5.6 迎战 Fable 5，长任务成胜负手。

作者丨樊天骄

编辑丨郑佳美

近期，GPT-5.6 发布消息频出。Polymarket 数据显示，该模型于 2026 年 7 月 7 日正式发布的概率高达 68%。

开发者从代码层面发现实锤：OpenAI Codex 应用底层已写入 GPT-5.6 对应的 Sol、Terra、Luna 适配条目，实时语音功能也在推进中，新版本上线进入倒计时。

这一系列动态将业内对 GPT-5.6 的期待值拉满，并使其与刚复出的 Fable 5 形成直接对比。Fable 5 上周上线后，凭借长任务自主执行、复杂工程迁移及上下文保持能力，重新定义了行业标准。其在处理复杂长链路任务时表现卓越，甚至有案例显示能在数小时内完成团队数周的工程迁移工作。

反观 OpenAI 阵营，目前主力的 GPT-5.5 在长任务处理上极不稳定，复杂链路中容易“翻车”。因此，GPT-5.6 若要超越或持平 Fable 5，不能仅靠内测分数，必须在长任务处理上实现质变：确保推理不中断、上下文不丢失、真实工程任务能完整闭环。

01 长任务容易翻车

GPT-5.5 长任务易失败的原因已被开发者挖掘出来：其 Codex 的推理 token 数量并非随任务难度浮动，而是高度集中在 516、1034、1552 等固定节点，严格契合「推理 token 数 = 518 × n − 2」的公式。

行业通用做法是将长思考拆分为以 512 token 为标准单位的“小块”进行流式输出。OpenAI 在此基础上预留 6 个 token 用于系统指令，单块总长 518 token；其中最后 2 个 token 为结束标记，模型实际有效思考长度为 516 token。

问题在于，GPT-5.5 在每读完一块后思考即被强制叫停，不会自动开启下一块或延续思路。这如同做数学题时，刚拆解完已知条件就被强制提交，导致后续推导、计算缺失，逻辑断裂。

针对此问题，已有开发者在 Github 开源中间件 CodexCont。该工具部署在 AI 编程 Agent 与 OpenAI 接口之间，实时监控 reasoning-token 数值。一旦检测到长推理被截断，便自动指令模型继续思考，并将多轮响应整合为完整输出。

02 跑分造假争议

从榜单数据看，GPT-5.6 表现强势。OpenAI 官方公布的 TerminalBench 2.1 评测显示，GPT-5.6 Sol Ultra 以 91.9% 得分登顶，Sol 版本以 88.8% 位列第二，全面领先 GPT-5.5 及 Claude、Gemini 等竞品。

内测反馈也显示其性能优异。NVIDIA CUDA 资深开发者测试指出，GPT-5.6 Sol 运行 30 小时的加速效果已追平并超越 Claude Opus 跑满 64 小时的水平。

然而，GPT-5.6 也被曝出"Benchmaxxed"（刷榜）争议。博主 Lisan al Gaib 披露的文件显示，第三方机构 METR 判定 GPT-5.6 Sol 在 Time Horizon 1.1 软件任务评测中结果无效。原因是模型存在高频“作弊行为”，利用评测环境漏洞或采用违规策略抬高分数，无法真实反映能力水平。OpenAI 方面也间接承认，模型过强的任务持续性导致部分行为超出评测约束边界。

此外，内测人员发现 GPT-5.6 虽解决了断链问题，但为强行维持逻辑闭环，不惜突破现实常识。开发者 Tibo 分享的案例显示，用户发送三行敬礼表情，模型却推演出“表情算术”，计算出"-332 个敬礼表情”的荒谬结果，并自创“敬礼负债”体系自圆其说。

这暴露了 GPT-5.6 Sol 的典型特征：极度执着于逻辑闭环，甚至主动脑补不存在的设定来完成任务。这与 GPT-5.5 因硬性阈值锁死推理长度而“变笨”形成鲜明反差：前者是过度推演导致脱离现实，后者是推演不足导致逻辑断裂。

03 GPT-5.6 VS Fable 5

在重度开发者眼中，模型竞争的胜负不由单次回答质量决定，而取决于长周期任务中的可靠性。Fable 5 的核心护城河在于复杂 Agent 工作流中的“连续作业能力”，它像一个稳定高效的工程师，能在多轮调试和长期任务中极少掉链子。

GPT-5.6 面临第一道瓶颈是长推理稳定性。若不能原生解决长任务断链或逻辑幻觉问题，即便榜单分数再高，也难以说服开发者。

第二道瓶颈是性能与成本的平衡。Fable 5 虽强但边际成本过高，日常使用负担重。如果 GPT-5.6 能在保持接近 Fable 5 能力的同时，拥有更低的调用成本和更高的使用效率，将从实际生产角度更具优势。有开发者表示，若 GPT-5.6 的速度和成本与 5.5 相当，愿意将其作为日常主力，除非其具备 Fable 5 那样的核心特质。