GPT-5.6 正式公开：价格、性能与 Codex 并入 ChatGPT 全解析

OpenAI 于 2026 年 7 月 9 日正式发布 GPT-5.6，并在随后 24 小时内逐步向全球开放。

这次更新当然是模型升级，但如果只把它理解成“GPT 又强了一点”，就会错过重点。GPT-5.6 释放出的信号主要有两个：第一，OpenAI 的主叙事已经明显从“绝对性能”转向 performance per dollar，也就是同样预算下完成更多工作；第二，ChatGPT、Work、Codex 正在被整合为一个统一入口，OpenAI 试图交付的也不再只是模型本身，而是一整套工作界面和执行工作流。

GPT-5.6 到底发布了什么

这次 GPT-5.6 并不是单一模型发布，而是一整个家族：

• GPT-5.6 Sol：旗舰档，面向复杂推理、编码和高价值任务
• GPT-5.6 Terra：性能与成本平衡档
• GPT-5.6 Luna：高性价比、高吞吐档

按照 OpenAI API 文档，三者都支持 Functions、Web search、File search 和 Computer use，上下文窗口都是 1.05M tokens，知识截止时间均为 2026 年 2 月 16 日。其中 gpt-5.6 这个别名默认指向 gpt-5.6-sol。

对普通用户来说，GPT-5.6 已经同时进入 ChatGPT、Codex 和 OpenAI API。对开发者来说，更重要的是 GPT-5.6 不只是“回答更强”，还带来了一套更复杂的配置与执行体系：

• reasoning effort：从 none 到 max，决定模型愿意投入多少推理预算
• Pro mode：在同一型号上切换更重的执行模式，不是独立模型
• Ultra：在 Codex / ChatGPT 里以多 agent 并行来换更强结果和更短完成时间
• Programmatic Tool Calling：让模型在 Responses API 里以更程序化的方式组织工具调用，减少无意义的中间 token

这也是为什么 OpenAI 在整篇发布文里反复强调“每个 token 更值钱”，而不是只强调一个更高的 benchmark 分数。

Sol、Terra、Luna、Pro、Ultra 到底是什么

如果你最近在 API 文档、Codex 和 ChatGPT 之间来回切，很容易被一堆名字绕晕。因为 OpenAI 这次同时在讲 基础型号、思考等级、执行模式 和 产品层工作模式，它们并不是一回事，但在界面上又很容易被用户看成“同一层级的选项”。

先把最基础的一层拆清楚：

• Sol、Terra、Luna 是 GPT-5.6 的三个基础型号
• gpt-5.6 这个别名默认指向 gpt-5.6-sol
• 三个型号都支持同样的工具能力、1.05M 上下文窗口，以及同一组 reasoning effort 选项

在 API 文档里，三者都支持以下思考等级：

• none
• low
• medium
• high
• xhigh
• max

这意味着你看到的“低思考”“高思考”“max 思考”，本质上是同一个型号上的推理强度设置，而不是换了一个新模型。比如：

• gpt-5.6-sol + low
• gpt-5.6-sol + max
• gpt-5.6-terra + medium

这些都是“型号 + effort”的不同组合，而不是三个完全不同的产品。

接下来是更容易混淆的 Pro。

来源: https://developers.openai.com/api/docs/guides/reasoning#reasoning-mode

OpenAI 在 API 文档里写得很明确：Pro 不是单独的模型 slug。 如果你要用 Pro mode，做法不是切到什么 gpt-5.6-pro，而是保留原来的 Sol / Terra / Luna 型号，再把 reasoning.mode 设为 pro。而且 reasoning.mode 和 reasoning.effort 是彼此独立的，你仍然可以单独选择 low、medium、high、max 这些 effort。

更直白一点说，Pro 在 API 里的意思不是“第四个型号”，而是同一型号上的一种更重执行模式：模型会做更多工作，再返回单个最终答案，代价是更高延迟和更多 token 消耗。

Ultra 则又是另一层概念。OpenAI 在 GPT-5.6 发布页里把它描述成 Codex 里的默认四 agent 配置，并明确说开发者可以用 Responses API 里的 multi-agent beta 去构建“ultra-like experiences”。这说明 Ultra 更接近一种产品层多 agent 工作模式，而不是 Sol / Terra / Luna 之外的第四个底层模型。

所以如果强行把这些名词放进同一张表，最稳妥的理解是：

名称	更准确的定位
Sol / Terra / Luna	GPT-5.6 的三个基础型号
none / low / medium / high / xhigh / max	每个型号都支持的思考等级
Pro	API 里的 reasoning mode，不是独立模型 slug
Ultra	Codex / ChatGPT 产品里的多 agent 工作模式，不是独立基础模型

也正因为如此，GPT-5.6 的体验虽然更强，但整个命名体系也确实变得更乱了。用户在不同入口看到的，往往不是单一“选模型”，而是在同时面对四层东西：

1. 选基础型号：Sol、Terra、Luna
2. 选思考等级：none 到 max
3. 选执行模式：standard 还是 pro
4. 在 Codex / ChatGPT 里再叠加产品层的多 agent 模式，比如 ultra

这套设计当然给了重度用户更多调优空间，但它也让“我现在到底在用哪个东西”变得没那么直观。对普通开发者来说，OpenAI 现在卖的已经不是单纯一个模型名，而是一套越来越像“运行配置矩阵”的组合系统。

价格怎么变了

如果看 OpenAI API 的 Standard 定价，GPT-5.6 三档价格如下：

模型	输入价格	输出价格
GPT-5.6 Sol	$5 / 1M tokens	$30 / 1M tokens
GPT-5.6 Terra	$2.50 / 1M tokens	$15 / 1M tokens
GPT-5.6 Luna	$1 / 1M tokens	$6 / 1M tokens

单看这个表，有两个结论很明显。

第一，Sol 的标价和 GPT-5.5 标准档相同。也就是说，OpenAI 这次没有把旗舰模型直接卖得更贵，而是试图说服开发者：在差不多的单价下，你能拿到更好的成功率、更短的延迟和更少的 token 消耗。

第二，Terra 和 Luna 把“次旗舰”和“便宜模型”的梯度拉得更清楚了。如果团队本来就在做大量 agent 调用、批量内容生成或者中等复杂度编程任务，这两个档位会比“无脑上最强模型”更有吸引力。

另外，GPT-5.6 还带来了一个很容易被忽略、但对 API 成本非常重要的变化：从 GPT-5.6 家族开始，Prompt Caching 的 cache writes 不再是“无额外费用”，而是单独计费。

按 Standard 定价看，GPT-5.6 的缓存相关价格是这样的：

• cached input 依然按输入价的 10% 计费
• cache writes 按未缓存输入价的 1.25 倍计费

以 GPT-5.6 Sol 为例，短上下文 Standard 价格里：

• 普通输入是 $5 / 1M tokens
• 缓存读取是 $0.50 / 1M tokens
• 缓存写入是 $6.25 / 1M tokens

这里最需要澄清的一点是：显式断点控制的强化，不等于隐式缓存被取消。 OpenAI 官方文档写得很明确，prompt caching 仍然默认开启，符合条件的请求仍会自动尝试缓存；默认情况下，请求达到 1024 tokens 以上时就可能触发自动缓存。换句话说，GPT-5.6 之后，自动缓存依然存在，开发者只是多了更明确的显式断点控制方式。

两者区别可以简单理解为：

机制	是否默认启用	你能否控制缓存断点	适合场景
隐式缓存	是	基本不能，系统默认在最新消息等位置放断点	普通对话、无需精细调优的请求
显式缓存	否，需要你显式标记	可以，开发者自己决定哪些前缀值得缓存	长 system prompt、知识库前缀、多轮 agent 工作流

OpenAI 在文档里把请求模式分成了 implicit 和 explicit：

• implicit 是默认模式，系统会自动放置隐式断点，同时也会使用你手动添加的显式断点
• explicit 会关闭默认的隐式断点，只使用你自己标注的断点

这个区别直接影响成本控制。对开发者来说，implicit 更像默认自动优化，explicit 则适合那些想自己定义缓存边界、把长前缀和可复用上下文拆得更稳定的场景。

同时，GPT-5.6 上的 cache write 收费规则需要单独注意。OpenAI 在 prompt caching 文档里明确写道：在 GPT-5.6 之前，cache writes 没有额外费用；而从 GPT-5.6 家族开始，cache writes 按未缓存输入价的 1.25 倍计费。官方文档还说明，在 implicit 模式下，系统自动放置的隐式断点也会占用 write slot。因此，更稳妥的理解是：只要请求实际产生了新的缓存写入，这部分成本就应该单独核算，而不再默认视为免费副产品。

来源: https://developers.openai.com/api/docs/guides/prompt-caching#frequently-asked-questions

另一个和 GPT-5.6 强相关的新要求是 prompt_cache_key。官方文档说明，从 GPT-5.6 及之后的模型开始，如果你想获得更可靠的隐式或显式缓存匹配，就应该主动设置 prompt_cache_key。没有这个 key，系统仍然可能命中自动缓存，但不会使用那套更稳定的精确匹配机制。

所以更准确地说，GPT-5.6 的缓存策略变化不是“开始支持缓存”，而是：

1. 隐式缓存继续存在，默认开启
2. 开发者可以通过显式断点更精细地控制缓存边界
3. cache writes 从 GPT-5.6 家族开始单独收费，适用于实际发生的新缓存写入
4. 想把缓存收益做稳定，prompt_cache_key 基本会变成生产环境里的必备参数

这意味着真正重度使用 API 的团队，接下来不能只盯着输入和输出单价，还要开始单独看三件事：缓存写入量、缓存读取命中率，以及 prompt 前缀是否足够稳定。

性能提升，OpenAI 这次最想卖的其实是“效率”

如果只看官方展示，GPT-5.6 像是在多个方向上都更强了：编码、知识工作、设计、浏览、科学和网络安全几乎都被覆盖到了。但仔细读官方文案会发现，OpenAI 这次最想强调的不是“全面领先”这样的口号，而是 更少 token、更低延迟、更高完成率。

官方给出的几个代表性口径包括：

• 在 Artificial Analysis Coding Agent Index v1.1 上，GPT-5.6 Sol 达到 80
• 在 BrowseComp 上，GPT-5.6 Sol Ultra 达到 92.2%
• 在 OSWorld 2.0 上，GPT-5.6 Sol 为 62.6%
• 在 Agents' Last Exam 这类长流程专业任务评测里，OpenAI 反复强调 GPT-5.6 相比 Claude Fable 5 有更好的成本效率

但这里也值得保持一点冷静。官方页面不同区块里出现的分数，并不总是完全一致。例如正文里提到 GPT-5.6 Sol 在 Agents' Last Exam 达到 53.6，而页面后面的汇总表格又给出 52.7 这组数据。这通常意味着评测模式、推理 effort，或者是否使用更高配置存在差异。换句话说，GPT-5.6 的确在变强，但你读任何 benchmark 时都需要先看测试条件，而不是只看 headline 数字。

这也是我认为这次发布最值得注意的地方：OpenAI 不再只卖“更大更强”，而是在卖一个更接近生产环境的叙事，即：

1. 同样预算下完成更多任务
2. 用更少的 token 跑出接近甚至更好的结果
3. 把复杂工作交给多 agent 和程序化工具调用去完成

对于企业和重度开发者，这个叙事其实比单纯多 2 分 benchmark 更有意义。

Codex app 并入 ChatGPT，可能比模型分数更重要

如果说 GPT-5.6 是模型层的大新闻，那么产品层的大新闻其实是另一件事：Codex app 正在并入新的 ChatGPT desktop app。

OpenAI 在另一篇官方文章里写得很直接：从当天开始，Codex app 会与新的 ChatGPT 桌面应用合并。合并之后，ChatGPT 桌面端不仅能访问本地文件和应用，还带有内置浏览器，可以把网页、在线工具和在线文件拉进同一个工作空间。与此同时，Codex 继续保留其开发者工作流能力，包括：

• 在 diff 内联编辑
• 在侧边栏做 PR review
• 更快的 computer use
• 单个项目支持多个仓库

这件事的意义，不只是“少装一个 App”。它说明 OpenAI 正在把三件原本分散的事情合并：

• 日常聊天
• 长流程知识工作
• 编码与执行型 agent

过去大家会把 ChatGPT 当成聊天窗口，把 Codex 当成开发工具，把 Work 当成更重度的办公模式。现在 OpenAI 的方向已经很清楚了：它想把这些入口收敛成一个统一界面，让用户不再切产品，而是在同一个容器里切任务类型。

如果这个方向成立，那么 OpenAI 的竞争点就不再只是“模型是不是第一”，而会逐步变成“谁的工作闭环更完整”。

社区怎么评价 GPT-5.6

从 Hacker News 的讨论来看，社区对 GPT-5.6 的态度并不是一边倒吹捧，反而相当典型地分成了“认可”和“保留”两派。

比较一致的正面评价主要有三类。

第一类是 更快、更便宜、更稳定。不少开发者的直观反馈并不是“它突然比上一代聪明很多”，而是“它在差不多甚至更低成本下，表现更稳定，速度更快，一致性更好”。这和 OpenAI 官方强调的 efficiency 口径是对上的。

第二类是 Codex 的产品体验正在追上甚至反超其他 coding harness。在讨论里，可以看到有人明确表示自己已经从 Claude Code 转向 Codex，原因不是单一 benchmark，而是可靠性、价格和长任务体验。有评论甚至把 Codex 的“killer feature”直接概括成 price。

第三类是 设计与前端能力终于被认真讨论。OpenAI 这次专门强调 GPT-5.6 的 design judgment 和 computer use，不少开发者也认为，如果这些能力在真实项目里站得住，它确实有机会缩小与 Claude 在 UI 和设计工作流上的口碑差距。

但保留意见同样不少。

首先是 benchmark 宣传仍然让人警惕。不少人并不完全相信发布会式对比，尤其是当官方在不同位置给出不同数字，或者用不同模式去对比不同模型时，社区自然会质疑这些结果是否真的建立在可直接对比的条件下。

其次是 额度和 token 消耗问题。HN 里已经有人反馈，GPT-5.6 Sol 在长任务里虽然产出不错，但会非常吃配额，甚至出现任务完成后又继续做额外 review、消耗大量 token 的情况。换句话说，官方说的是“每个 token 更值钱”，而部分用户的第一感受却是“它还是很能花 token，只是花得更像回事了”。

第三个争议点是 提示词习惯要变。OpenAI 官方文档明确提醒，GPT-5.6 对“Be concise”“Keep it short”这类泛化的简短指令更敏感，甚至可能因为过度压缩而省略掉本来应该输出的完整内容。这个提醒在 HN 上也引发了不少吐槽，因为它意味着一部分用户过去积累的 prompt 习惯需要重写。

最后一个现实问题是 模型选择复杂度在上升。Sol、Terra、Luna，再叠加不同 reasoning effort、max、ultra、标准模式、Pro 模式，对普通开发者来说，挑模型这件事变得越来越像“调度系统”，而不是“选一个最强模型直接用”。

我对 GPT-5.6 的判断

如果只用一句话概括，我会这样评价这次发布：

GPT-5.6 的意义，不只是模型更强，而是 OpenAI 正在把“模型领先”转成“工作闭环领先”。

它的价值主要不在于某个单点 benchmark，而在于三件事情被绑在了一起：

• 更明确的价格梯度
• 更强调 token 效率和工具执行效率
• ChatGPT、Work、Codex 的统一入口

从产品策略看，这比“又多了一代模型”更重要。因为当模型能力逐渐接近时，真正决定用户迁移成本和留存的，往往不是 3 分还是 5 分的分数差，而是谁能更稳定地完成一整段工作。

当然，GPT-5.6 现在也还远没到“无脑切换”的阶段。benchmark 的可比性、真实生产环境下的 token 消耗、Quota 体验，以及安全检查带来的摩擦，都还需要更多真实使用案例去验证。

但至少从 2026 年 7 月 9 日这次发布来看，OpenAI 已经把下一阶段的方向说得很清楚了：它不只是想继续训练更强模型，还想把 ChatGPT 变成一个统一的工作操作界面，把 Codex 从“独立 coding agent”变成这个界面里的核心执行层。

如果这个方向走通，GPT-5.6 可能不会因为“最强 benchmark”被记住，而会因为 OpenAI 开始系统性重组 ChatGPT 与 Codex 的关系 被记住。

相关资源

• OpenAI 官方发布：GPT-5.6
• OpenAI API Models 文档
• OpenAI API Pricing 文档
• OpenAI 模型使用指导：Using GPT-5.6
• OpenAI 官方发布：ChatGPT for your most ambitious work
• Hacker News 讨论串