GPT-5.6发布：三款新模型上线，Codex正式并入ChatGPT

一场凌晨的"较劲"

就在OpenAI发布会结束一小时后，Anthropic官方在凌晨2点01分紧急发布了一条帖子，将所有用户的5小时限额和每周限额全部清零重置。乍看之下像是在发福利，但对一下时间线就会发现端倪：OpenAI发布会凌晨1点刚刚落幕，一个小时后Anthropic就有此动作。

更耐人寻味的是，Codex负责人还专门跑到评论区挑衅："I smell fear"（我闻到了恐惧的味道）。这场看似平静的产品发布，背后是两大AI巨头之间日趋白热化的竞争。那么OpenAI这次到底发布了什么，能把对手刺激成这样？

发布会的核心其实就两件事：GPT-5.6全新模型家族，以及一次重大的产品合并。

GPT-5.6：三款模型一次性发齐

OpenAI这次一口气推出了三款新模型，命名颇有深意：旗舰版 Soul（太阳的意识）、均衡版 Tola（地球的意识）、走量版 Luna（月亮）。日月星辰，一次到位。

细看命名逻辑，会发现这与Anthropic的三档体系（Opus、Sonnet、Haiku）如出一辙——明摆着是照着对手的分档方式来设计的。Anthropic的三档命名源自音乐术语（Opus意为"作品"，Sonnet为十四行诗，Haiku为俳句），以文学体裁暗喻模型的能力层级，形成了相当清晰的品牌认知。OpenAI此番以天体命名对标，显然是在刻意打破对手已建立的心智优势。但这样的对标反而是件好事：OpenAI过去的命名一向以混乱著称，"o1 mini""o3 high"这类叫法让很多人根本分不清谁更新、谁更强。

命名规则终于收敛清晰

这次的命名逻辑终于有了统一标准：

• 数字代表代际：5.7一定比5.6更新、更强
• 名字定义档位：同一代里，Soul > Tola > Luna
• 跨代以数字为准

混乱了好几年的命名体系，现在总算理顺了。这对开发者和企业用户尤为重要——在构建生产环境时，模型版本的可预测性直接影响系统集成和成本规划的稳定性。

在规格方面，GPT-5.6上下文长度达到100万Token，最大输出12.8万Token。值得一提的是，100万Token的上下文窗口意味着可以一次性处理约75万字的文本——相当于同时"阅读"数十份完整的企业报告或整个中型代码库，这对长文档分析、大型项目重构等任务具有实质性意义。API价格方面，旗舰版Soul为5美元输入/30美元输出，较上代基本减半；走量版Luna仅需1美元输入/6美元输出。

跑分惊人：性能与成本双重领先

OpenAI这次主推了新基准 Agent Test: Last Exam（智能体的最终考试）。该测试衡量的不是单点做题能力，而是覆盖55个行业的长线程工作流——把AI当员工，让它持续执行任务，检验能否把事情做对、做完。

这一基准的设计思路代表了AI评测领域的重要转向。与MMLU（大规模多任务语言理解）、HumanEval（代码生成正确率）等传统静态基准不同，Agent Test: Last Exam模拟的是多步骤、跨工具调用、长时程的真实工作场景——AI需要自主制定计划、处理中间结果、应对意外状况，更接近企业实际部署AI Agent的复杂度。这类"过程性"评测正逐渐取代"知识点"评测，成为行业衡量模型实际价值的新标尺。

在这套测试中：

• Soul 得分 53.6 分
• Anthropic旗舰模型 Opus 4.5 得分 40.5 分

整整高出13分。但真正让对手感到压力的，不只是分数，还有价格。据实测分析，即便是中档的Tola和走量的Luna，也能跑赢对方旗舰，而成本仅为对方的十六分之一。同样的任务，人家一块钱搞定，你却要花十六块——这个差距确实难以弥补。

编程实测：一句话生成体感游戏

测试第一时间对GPT-5.6进行了实战验证，基于上期视频中的体感游戏项目做了拓展。此前用Codex 5.5制作的"坐姿监控"和"体感切水果"完成度不错，但"体感穿墙"和"双轮对打"体验一般。

切换到GPT-5.6后，仅凭极简的提示词、基本一轮对话，就完整生成了两款新体感游戏：

• 星河指挥家：站在摄像头前，通过挥手、下蹲、展开身体让星河重新连接，配有音乐伴奏
• 霓虹急跑（地铁跑酷类）：左右摇摆身体切换跑道，举手跳跃、下蹲滑行、挥手击碎障碍物

实测表明，模型对任务的理解、规划和执行能力相当出色。游戏规则、画面、音效、体感识别全部一次性生成，完成度和可玩性都令人满意。这几款游戏已发布至GitHub，附有详细的部署文档。

重头戏：Codex与ChatGPT正式合并

这次发布会的另一大动作，是OpenAI将Codex和ChatGPT正式合并为一个App。Codex独立桌面应用直接下线，整体并入全新的ChatGPT桌面应用。

要理解这次合并的战略意义，需要了解Codex的技术演进路径。OpenAI的Codex最初于2021年作为专注代码生成的模型推出，是GitHub Copilot的底层引擎，彼时的核心能力是将自然语言注释转化为代码片段。经过数年深度迭代，它早已不是当初的代码补全工具——它积累了一整套Agent基础设施：如何将模糊的大任务分解为可执行的子步骤、如何在沙箱环境中安全运行代码、如何通过工具调用操控文件系统和浏览器界面，以及如何在数小时的持续任务中保持方向不偏移。这套能力体系，正是当前所有Agent产品最难啃的硬骨头。

更新后打开会发现，原来的Codex应用图标变成了一个问号。从ChatGPT App进入后，呈现全新入口页——原来的ChatGPT对话窗口被直接替换为Codex的对话窗口，二者界面几乎一模一样。原Chat对话窗口被折叠到左上角，可通过"Work"方式切换。

所有历史聊天记录，包括此前设计的自定义GPTs，全部被折叠隐藏进左侧聊天入口。可以看出，OpenAI对Codex模式的重视程度极高。对老Codex用户来说页面变化不大；但只用过ChatGPT的用户，可能需要一些时间重新适应。

从ChatBot到Agent：产品逻辑的根本迭代

这次合并背后的逻辑相当清晰，而理解它需要先厘清ChatBot与Agent的本质区别。传统ChatBot采用单轮或多轮对话模式：用户问、AI答，每次交互相对独立，AI本身不主动发起行动，也无法跨越对话边界去操作外部系统。而Agent（智能体）则具备完整的"感知-规划-行动"闭环：它能主动拆解目标、调用搜索引擎或代码执行器等外部工具、根据中间结果动态调整策略，并持续执行直到任务完成——整个过程中用户可以完全不介入。这不是量变，是范式的转换。

Codex长期深耕编程场景，已将一整套实战能力系统化提炼：大任务如何拆解、如何安全运行、如何操控电脑界面，甚至能持续执行数小时的任务而不跑偏。

OpenAI意识到，这套能力为什么只能用于写代码？做PPT、做报表、搭网站、跑流程，本质上调用的都是同一套引擎。所以更准确的说法是：不是把Codex"并入"ChatGPT，而是把Codex这台发动机装进了ChatGPT这个拥有最大流量入口的"车壳"里。名义上Codex被合并，实际上它成了整个产品的地基——ChatGPT从ChatBot正式升级为Agent。这是一次根本性的产品逻辑迭代。

收缩战线，为上市铺路

合并背后还有几个现实考量：

第一，算力资源有限。 GPU撑不起两条并行的产品线，与其让多个团队争夺资源，不如集中火力做一张牌。训练和运行大型语言模型所需的GPU集群成本极为高昂——据业内估算，GPT-4级别模型单次训练成本超过1亿美元，日常推理服务的算力消耗更是持续性支出。在融资尚未完成上市的阶段，资源集中化是维持竞争力的必要策略。

第二，抢占用户心智。 过去一年，Anthropic凭借出色的编程能力，在企业级市场的渗透率据称已反超OpenAI。加之近期Anthropic封号、限额问题频出，口碑有所受损；而Codex口碑持续爆棚。OpenAI趁此时机将Codex"扶正"为主入口，并向免费用户开放，意在用消费级流量抢占Agent市场的先机。

第三，为上市做准备。 发布会还带来一份"阵亡名单"——去年高调推出的AI浏览器Atlas已宣布逐步关停，满打满算活了不到一年。这也说明OpenAI正在主动收缩战线，将资源集中到统一的App生态中，为接下来的商业化和估值做铺垫。产品线的精简和用户数据的集中，也有助于向潜在投资者呈现更清晰的商业模式和增长故事。

竞争逻辑正在改变

看完这场发布会，最大的感受是：AI圈的竞争，正在从"谁更聪明"转向"谁能把聪明真正落地、用起来"。

模型就像发动机，产品才是车。发动机再强，最终买单的还是看车好不好开。调教得好、驾驭得好，就能用更简单的模型把事情干得更漂亮。OpenAI这次做的事情，本质上就是把最强的发动机塞进同一台车里，顺手把方向盘也换了——从"你问我答"升级成"你派活、我交付"。

至于这台车能否跑赢下一轮竞争，我们拭目以待。

核心要点