“四个 AI 打一个”！GPT-5.6 Ultra 模式首秀，最强编程模型今日人人可玩

盼望着，盼望着，GPT-5.6，它终于来了。

今天，GPT-5.6 全面开放。

三个模型同步上线。满血版 Sol，日常版 Terra，轻量版 Luna。ChatGPT、Codex、API，全面可用。这个被封锁了两周的 OpenAI 最强模型，终于落到了所有人手里。

在第三方评测机构 Artificial Analysis 编程能力指数上，GPT-5.6 Sol 狂砍 80 分，全球最高。Anthropic 的最强模型 Claude Fable 5，77.2 分。

但分数不是最大的看点，效率才是。

同样的编程任务，GPT-5.6 Sol 的 token 消耗量不到 Claude Fable 5 的一半，完成时间不到一半，总花费大约省了三分之一。

还有一个新玩法。开启 ultra 模式后，GPT-5.6 可以派 4 个 AI 并行干活，一个任务四路同时推进。

---

命令行编程能力基准 Terminal-Bench 2.1，GPT-5.6 Sol 单模型得分 88.8%，开了 ultra 模式直接飙到 91.9%。Claude Fable 5 83.1%。

 

DeepSWE，测试模型在大型代码库里完成复杂工程任务的能力。GPT-5.6 Sol 72.7%，Claude Fable 5 69.7%。

 

Agents’ Last Exam，覆盖 55 个专业领域的综合工作流测试。GPT-5.6 Sol 52.7%，Claude Fable 5 40.5%，高出超 12 个百分点。

就算只开 Medium 强度的推理，GPT-5.6 Sol 得分也比 Claude Fable 5 高，成本还只要四分之一。

 

BrowseComp 搜索能力测评，GPT-5.6 Sol 90.4%，第一。

在编程能力指数上，日常版 GPT-5.6 Terra 77.4 分，几乎追平 Claude Fable 5 的 77.2 分。轻量版 GPT-5.6 Luna 74.6 分，超过了 Claude Opus 4.8 的 72.5 分。

划重点，最便宜的 GPT-5.6 Luna 都跑赢了 Anthropic 上一代 Opus 旗舰。

 

这些分数要是靠谱，那 GPT-5.6 的性价比就真有点恐怖了。

---

但还有两个基准测试，GPT-5.6 翻车了。

SWE-Bench Pro，另一个核心编程测评。GPT-5.6 Sol 64.6%，Claude Fable 5 80%，Claude Mythos 5 80.3%。差了 15 个百分点。

不过 OpenAI 昨天发布了一篇审计报告，抨击 SWE-Bench Pro 大约 30% 的题目存在设计缺陷，直接撤回了对这个测评的推荐。报告发布时间，正好卡在了 GPT-5.6 全面开放前。

FrontierMath 第四层，最难一档的数学推理题。GPT-5.6 Sol 65.9%，Claude Fable 5 87.8%。

一句话总结，编程综合指数、终端操作、搜索、专业工作流，GPT-5.6 领先或持平。SWE-Bench Pro 和高阶数学，Claude Fable 5 可能还是赢家。但 OpenAI 更大的底牌是性价比和效率，用更少的 token、更低的成本拿到了这些成绩。

---

GPT-5.6 新增了一个叫 ultra 的模式。

一个任务来了，模型不再单打独斗。ultra 默认派出 4 个 AI 并行处理，各自分工，最后汇总结果。

可以理解成「模型分身术」。

OpenAI 官方甚至试过 16 个 AI 一起上。BrowseComp 搜索测评，1 个 AI 准确率 90.4%，4 个并行 92.2%，16 个逼近 95%。

 

用算力换取更好的结果和更快的速度。

划重点，ultra 模式在今天刚刚发布的 ChatGPT Work 里仅限 ChatGPT Pro 和 Enterprise 用户使用。但在 Codex 里，ChatGPT Plus 及以上的订阅用户就能用。开发者也可以通过 Responses API 的多智能体功能自己搭建类似的架构。

---

GPT-5.6 的前端审美，终于像回事了。

OpenAI 在博客里专门展示了几个案例。几句提示词，直接生成完整的帆船游戏界面、博物馆网站、室内设计方案演示文稿。

关键是，GPT-5.6 Sol 现在会自己检查渲染出来的页面。配色不对、间距太挤、按钮位置不合理，它会自己改。不只是生成代码，还会看成品，然后修改。

---

那么问题来了， GPT-5.6 谁能用，怎么用？

在 ChatGPT 标准对话里，免费和 Go 用户用不了 GPT-5.6，默认还是 GPT-5.5 Instant。

ChatGPT Plus 用户在模型选择器里选 Medium 或 High，底层就是 GPT-5.6 Sol。大多数场景够用了。

ChatGPT Pro、Business、Enterprise 用户还多了 Extra High 和 GPT-5.6 Sol Pro 两个更高的档位。

 

在 ChatGPT Work 和 Codex 里又不一样。

免费和 Go 用户可以在 Codex 里用 GPT-5.6 Terra。

ChatGPT Plus 及以上的用户，三个模型 Sol、Terra、Luna 全部可选，还可以自己调推理等级。

max（最高推理强度）对所有在 Work 和 Codex 里有 GPT-5.6 权限的用户开放，在设置里打开就行。更高一级的 ultra，在 ChatGPT Work 里仅限 Pro 和 Enterprise，在 Codex 里 Plus 就能用。

 

稍微有点绕，你对着上面这两张表看一眼就清楚了。

---

OpenAI 这波操作还是很「良心」的。

GPT-5.6 Sol API，每百万 token 输入 5 美元，输出 30 美元。和 GPT-5.5 完全一致，性能提升不加钱。

GPT-5.6 Terra，输入 2.5 美元，输出 15 美元。

GPT-5.6 Luna，输入 1 美元，输出 6 美元。

作为对比，Claude Fable 5 输入 10 美元、输出 50 美元。GPT-5.6 Sol 的单价大约是 Claude Fable 5 的一半，加上每个任务消耗的 token 更少，实际总成本还能再省一截。

---

GPT-5.6，全面开放。

几乎同一时间，Anthropic 宣布重置所有 Claude 用户的额度。

 

卷吧，使劲卷。