今天凌晨GPT 5.6 正式上线！
其实早先刚看到 OpenAI 官宣的时候，我是真的期待了很久。
Sam Altman 凌晨发推，说这是他们做过最好的模型，也是最好的博客文章，配图是太空背景的 GPT-5.6 标识，看得人热血沸腾。
三档模型明码标价：旗舰 Sol 输入 5 美元/百万 token，输出 30 美元；均衡 Terra2.5/15；轻量 Luna1/6，号称最便宜最快。
官方放的跑分一个比一个炸：Agents’ Last Exam 比 Fable 5 高 13.1 分，Coding Agent Index 刷新纪录，甚至花几百美元烧 token 就能复刻出完整的 Windows 桌面。
同场还放了三个大功能：Codex 正式合并进 ChatGPT 桌面端，老应用改名 ChatGPT Classic 退休；面向办公的 ChatGPT Work 上线，能跨应用跑长任务；还有一键部署网站的 Sites 功能。
最有戏的是场外商战，OpenAI 刚发完，Anthropic 那边直接宣布重置所有用户的周度调用额度，连吃瓜网友都看得明白：这是怕用户被抢跑，连夜发福利留人。
满屏都是“GPT-5.6 吊打 Claude”“大模型价格战打响”的通稿，我差点就把刚续的 Claude 会员给停了。
但翻完社区所有 24 小时内的实测你就会发现，这次的惊喜，其实大多都在你没注意到的那个中档模型身上。
最先被吹爆的不是最贵的 Sol，而是夹在中间的 Terra。
有人用它跑了钟表制造测试，生成了完整的瑞士杠杆擒纵机构三维模型，做完它还自己检查了力学接触点，反复迭代到整个机芯稳定运行。测完的人直接说，“感觉非常接近 Mythos 级别的模型”。
按官方的测算，在覆盖 55 个专业领域的 Agents’ Last Exam 测试里，Terra 和 Luna 能用约十六分之一的成本，跑出超过 Fable 5 的成绩。Notion 联合创始人直接说，很多之前跑在 GPT-5.5 上的智能体，换到 Terra 上表现一样好，成本直接减半，token 消耗还少 16 %。
但关于 Terra 的评价也分裂得厉害。有人翻完 Artificial Analysis 的性价比曲线直接吐槽，根本看不出用 Terra 的理由，Luna 或者 Sol 在整条成本线上都是更好的选择。
至于大家最关注的旗舰 Sol，社区的评价反而冷静得多。
技术大 V Jun Song 的总结被转了上万次：不是 Fable 那样的全新架构，只是基于 GPT-5.5 的一次扎实升级，三个月等来的更新谈不上革命，但仍然是订阅计划里能用到的最好的模型。
流传最广的比喻来自 Every 的 CEO Dan Shipper：GPT-5.6 像保时捷，Fable 5 像曲速引擎。跨星系跑极限任务用 Fable，日常通勤干活用 5.6 就够了。
这个比喻确实准。前端七项基准测试里，Sol 得分 4.4，GPT-5.5 是 4.0，Claude 4.8 是 3.5，每一项都刚好够好，没什么惊喜，但也不会掉链子。它不是来推翻 Fable 的，是来让更多人在更多日常场景里，用得起够好的 AI。
哦对，Sol 新增的 Max 和 Ultra 推理档，我劝普通用户谨慎开。
尤其是 Ultra。
Atomic Chat 团队跑了一组 HTML5 物理演示测试，同一个提示词，让四个模型生成三个物理场景：怪物卡车后空翻落车顶、特技车飞跃六辆大巴撞墙、火车脱轨坠桥入水。
结果出来所有人都傻了。
GPT-5.6 Sol Ultra：消耗 32900 个 token，花了 0.33 美元，物理效果比 GPT-5.5 还差。
GPT-5.5：消耗 12400 个 token，花了 0.11 美元，卡车翻转和火车脱轨两项，直接赢了 Sol Ultra。
三倍的价格。
更差的结果。
官方给 Ultra 的定义是协调四个智能体并行工作，用更多 token 换更强的结果。但物理测试直接把这个逻辑的裂缝撕开了：多智能体协调本身就要消耗大量 token，如果协调没有让最终输出更好，用户花的钱，全是在给模型的内部讨论买单。
AI 领域的 KOL Rohan Paul 说得更直白：物理演示暴露了普通编码基准隐藏的弱点，一个模型可以花更多 token 描述更丰富的场景，却还是在最难的部分掉链子——维持力、动量、碰撞时机，还有跨帧的物体行为一致性。
多烧的 token，全是用户在付钱。
说个很现实的差异：所有吹“半价吊打”的博主，算的都是 API 的账。
5/30 美元对 Fable 5 的 10/50 美元，输入对折输出便宜 40 %，开发者按量付费确实香。但普通按月付订阅费的用户，根本不是这个逻辑。
额度这个东西，就是 AI 行业的“最终解释权归本店所有”。
我之前还骂过豆包专业版不经用，现在看来真是错怪它了——起码豆包写个十几篇长文不会炸额度。GPT 从 5.4 到 5.5 再到 5.6，我每次充完钱都后悔，这次直接气到想把自动续费关了换 Gemini。
而且实测下来 bug 真的不少。
我用 Terra 开 Ultra 档跑任务，第一次直接在输出最终结果的时候弹了个空消息，整个界面一片空白，查了后台日志才知道是系统在有效内容之后，又发了一条空的最终消息把前面的覆盖了。第二次更离谱，中英文混着往外蹦，一半是我要的中文内容，一半是不知道哪来的英文说明，看得我头大。
还有个争议点很少有人提：官方现在建议用户，不要只跟 GPT 说“简短回答”，要明确写“先给结论、提供必要证据、删除重复内容”。
有人觉得这是模型变聪明了，能精准控制输出。但我怎么觉得反而更麻烦了？我要的就是“简短回答”，就是不想读二十段废话，现在反而要我写更长的提示词，去告诉模型到底什么叫简短，什么内容要留什么要删，这到底是降低了使用成本，还是增加了？
其实你仔细品就会发现，这次 OpenAI 翻来覆去提的“效率”，根本不是说给普通用户听的。
是说给企业的CFO听的。
现在 OpenAI 已经秘密提交了 IPO 招股书，私募估值 8520 亿美元，正在冲 1 万亿的 IPO 估值，Anthropic 那边估值也到了 9650 亿美元，两家都在抢上市窗口。“性能更好或持平，但更便宜”，这句话是算给企业采购的人听的，单位智能成本降了，财报好看，买单的人就多。
普通用户关心的 20 刀会员能写几篇文章，根本不在这个叙事里。
更搞笑的是，GPT-5.6 刚发了不到 24 小时，X 上已经开始传 GPT-6 的传闻了，说可能月底或者八月初就发，用的是完全不同的新架构，性能直接吊打整个 5.6 系列。
有个用户的评论看得人哭笑不得：“人们还没时间真正用上 5.6，已经在谈 6 了，这不就让整个 5.6 系列显得毫无意义？”
话虽然说得极端，但道理是对的。对企业来说，模型效率不能只算每百万 token 的价格。切换模型、重新测试边界、修改提示词、迁移工作流，全都是成本。模型省下的钱，只有在它被稳定使用足够长时间之后，才真正算数。
刚花了半个月适配完 5.6，转头 6 就出了，那之前的适配成本全打了水漂。
可能是我还没摸对 Sol 的正确打开方式？也可能等灰度全放开之后，额度会加回来？至少我现在测下来，体验远没发布会吹的那么好。
对了，你们的 20 刀会员，今天跑了几个任务？