OpenAI 正式推出 GPT-5.6：三档模型全面开放，Ultra 引入多智能体并行

OpenAI 已在 2026 年 7 月 9 日正式推出 GPT-5.6。此前只向少数可信伙伴开放的有限预览结束，GPT-5.6 Sol、GPT-5.6 Terra 和 GPT-5.6 Luna 开始进入 ChatGPT、Codex 与 OpenAI API。全球推送采用渐进方式，因此符合条件的账户也可能稍晚才看到新模型。

这次更新同时改变了模型选型方式。Sol 承担复杂专业任务，Terra 平衡能力与成本，Luna 面向高频、成本敏感的工作负载。OpenAI 还增加了 max 推理档位和以多智能体并行为核心的 ultra，把“为不同任务分配不同算力”做成了产品能力。

对独立开发者和创业小团队，最有价值的信息不只是旗舰模型又刷新了多少评测分数。GPT-5.6 给出了三档明确价格，并把程序化工具调用、多智能体和长上下文放进同一套 API 体系，模型路由和工作流设计会直接影响成本与交付速度。

从有限预览到全面可用

GPT-5.6 在 6 月 26 日先进入有限预览，首批范围受到前沿网络安全能力审查影响。7 月 9 日，OpenAI 宣布该系列转为全面可用，并开始向全球支持地区推送。

不同产品和套餐获得的能力并不完全相同：

标准 ChatGPT 对话里，Terra 和 Luna 目前不能单独选择，GPT-5.5 Instant 仍是快速日常对话的默认模型。看到“GPT-5.6 已全面开放”时，不能简单理解成所有用户、所有入口都有相同的模型选择器。

在 Codex 中使用 GPT-5.6 还需要满足最低版本要求：Codex CLI 需升级到 0.144.0，ChatGPT 桌面端的 Codex 模式需使用 26.707.30751 或更高版本。

Sol、Terra、Luna 的差异落在任务价值上

三个名称代表长期能力层级，版本号代表模型代际。以后同一层级可以按自己的节奏升级，这比过去用多个后缀区分模型更容易建立稳定的路由规则。

价格均按每 100 万 token 计算。三档模型的官方 API 文档均给出 105 万 token 上下文窗口和 12.8 万 token 最大输出，文本与图片可作为输入，输出以文本为主。

长上下文请求要单独核算。以 Sol 为例，输入超过 27.2 万 token 后，整次请求的输入价格变为 2 倍、输出价格变为 1.5 倍。把整个代码仓库或大量原始文档一次性塞进上下文，未必比检索、分段处理和缓存更划算。

Ultra 把多智能体从概念变成可选档位

max 会给模型比 xhigh 更多的推理时间，用于探索方案、执行检查和修订结果。ultra 则默认协调四个智能体并行工作，以更多 token 换取复杂任务的质量和更短的完成时间。

在 ChatGPT Work 中，Ultra 面向 Pro 和 Enterprise；在 Codex 中，Plus 及以上套餐可以使用。API 暂时没有一个与 Ultra 完全等同的单一开关，开发者可以通过 Responses API 的多智能体 Beta 构建相似流程。

另一个更贴近生产环境的变化是 Programmatic Tool Calling。模型可以在内存中编写和运行轻量程序，筛选工具返回的大量中间结果、保留有用信息，再决定下一步调用。这样能减少每次都把完整工具输出重新送回模型产生的 token 和往返开销。

这两项能力适合不同问题：

• Ultra 适合能自然拆分、子任务可以并行推进的高价值工作，例如大型代码库调查、竞争研究和多路径验证。
• Programmatic Tool Calling 适合工具多、返回数据大、步骤会根据中间结果变化的流程，例如日志分析、批量数据核验和跨系统信息整理。

多智能体仍处于 Beta。并行 Agent 会放大 token 消耗，也会增加权限、数据流和结果合并的复杂度。任务无法清晰拆分时，单 Agent 配合 max 往往更容易控制。

小团队先测试四类真实任务

OpenAI 公布的评测显示，Sol 在代码 Agent、计算机操作、浏览研究、网络安全和专业知识工作上有明显提升。官方材料中，Sol 在 Terminal-Bench 2.1 得分 88.8%，Ultra 配置为 91.9%；BrowseComp 分别为 90.4% 和 92.2%。这些数字能说明方向，不能替代团队自己的回归测试。

可以从四类已有任务开始：

1. 长程代码修改：让 Sol 和现用模型完成同一组跨文件修复，记录成功率、工具调用次数、人工接管次数和总成本。
2. 高频结构化处理：用 Luna 承担分类、提取或初步清洗，再用规则或小比例人工抽检验证质量。
3. 日常知识工作：用 Terra 处理文档、表格和常规研究，观察它是否能以更低成本达到现有质量门槛。
4. 可并行的复杂任务：选择一个能拆成多个独立调查方向的问题，对比 Ultra 与单 Agent 的完成时间、token 消耗和最终一致性。

测试时应记录“完成一个合格结果的总成本”，而不只比较每百万 token 单价。旗舰模型若能减少返工和工具调用，单价高也可能更便宜；轻量模型若频繁失败并需要升级重跑，表面低价也会被抵消。

缓存规则让长期工作流更容易估算

GPT-5.6 增加了显式缓存断点和至少 30 分钟的缓存生命周期。缓存写入按未缓存输入价格的 1.25 倍计费，缓存读取继续享受 90% 的输入折扣。

对需要反复携带系统规则、项目规范、代码结构或知识库背景的 Agent，这套规则提供了更清晰的成本预期。小团队可以把稳定前缀与动态任务分开：稳定内容写入缓存，实时输入和工具结果保持精简，再按任务难度选择 Luna、Terra 或 Sol。

下一步最该观察的是三件事：各地区和账户的实际推送进度、多智能体 Beta 在真实项目中的稳定性，以及不同模型档位在自有任务集上的单位成功成本。GPT-5.6 已经可以用，但最佳路由不会由官方排行榜自动给出，需要用真实工作流测出来。