GPT-5.6 正式发布：三档模型、ChatGPT 与 Codex 新变化，以及该怎么选
见字如面，与大家分享实践中的经验与思考。
2026 年 7 月 9 日，OpenAI 正式发布 GPT-5.6，并同步推向 ChatGPT、ChatGPT Work、Codex 和 OpenAI API。
这次不再只是发布一个统一的 GPT-5.6，而是同时推出三个长期能力层级：
GPT-5.6 Sol：旗舰模型；
GPT-5.6 Terra：能力与成本平衡；
GPT-5.6 Luna：速度最快、价格最低。
数字 5.6 代表模型代际，Sol、Terra 和 Luna 则代表不同能力层级。未来，这三个层级可以按照各自节奏继续升级。(GPT 5.6 官网介绍)
相比 GPT-5.5，GPT-5.6 的重点也不只是提高回答准确率，而是让模型更适合完成长时间、多步骤、需要调用工具的真实工作。
三档模型概览
整理出一个简单的表格，如下：
价格均为每百万 Token 的标准 API 价格。三个模型都提供 105 万 Token 上下文窗口、最高 12.8 万 Token 输出，并支持文本和图片输入。(OpenAI 开发者官网模型对比)
从产品定位看：
Sol 对应过去没有后缀的旗舰模型；
Terra 大致对应过去的 mini 层级；
Luna 大致对应过去的 nano 层级。
不过，Terra 和 Luna 并不是传统意义上的"小模型"。OpenAI 表示，Terra 的整体能力可以与 GPT-5.5 竞争。
定价以及不同付费层级用量
需要区分三套体系：
ChatGPT 订阅费；
Codex 和 ChatGPT Work 的套餐用量；
API 按 Token 计费。
三套体系之间不能直接互相换算。
ChatGPT 套餐
Plus 官方价格为每月 20 美元；两个 Pro 档位的核心功能相同，主要区别是分别提供约为 Plus 5 倍和 20 倍的用量。Business 至少购买两个席位。
普通 ChatGPT 对话尚未公布 Sol 的固定消息额度。具体限制可能随模型、系统负载和账号状态变化，应以模型选择器显示的额度和重置时间为准。
Codex 参考用量
以下是官方给出的本地消息参考范围：
这些数字不是固定消息数。任务消耗会受到模型、上下文长度、推理强度、工具调用、缓存和输出长度等因素影响，同时还可能存在每周限制。达到套餐上限后，Plus 和 Pro 用户可以购买 Credits，或者切换到更小的模型。(OpenAI 开发者价格对比)
API 价格
以上均为每百万 Token 价格。
GPT-5.6 还支持显式缓存断点，缓存最短生命周期为 30 分钟。缓存读取可以获得 90% 的输入价格折扣，但写入缓存按照普通输入价格的 1.25 倍收费。
ChatGPT 和 Codex 有哪些变化
最主要的变化就是 ChatGPT 和 Codex Desktop 进行了合并，顶部新增了 ChatGPT Work 和 ChatGPT Codex 模式的切换。
ChatGPT：不同套餐看到的模型不同
在普通 ChatGPT 对话中：
Plus、Pro、Business 和 Enterprise 可以使用 GPT-5.6 Sol；
Medium 及以上推理档位由 Sol 提供能力；
Pro 和 Enterprise 还可以使用 GPT-5.6 Sol Pro；
Free 和 Go 暂时不能在普通聊天中使用 Sol；如需 Terra，可在 ChatGPT Work 和 Codex 中有限使用。
ChatGPT Work：从聊天转向交付成果
GPT-5.6 同时成为 ChatGPT Work 的核心模型。
与普通 ChatGPT 对话不同，ChatGPT Work 更像一个可以持续执行任务的工作代理。用户给出目标后，它可以读取上传文件和已连接的数据来源，拆解任务、调用工具，并最终生成可继续编辑的成果，例如：
文档和研究报告；
电子表格和数据分析；
演示文稿；
网站和交互式页面；
图表及其他办公成果。
在执行过程中，用户可以查看任务进度、补充信息或调整方向，而不需要每一步都重新发起对话。
在模型选择方面：
Free 和 Go 用户主要使用 GPT-5.6 Terra；
Plus、Pro、Business 和 Enterprise 用户可以根据账号权限选择 Sol、Terra 和 Luna；
Plus 用户也可以使用
Ultra模式。
Ultra 并不是一个独立模型，而是一种多代理工作模式。它会让多个代理并行处理任务的不同部分，再统一汇总结果，更适合研究、方案设计、跨文件分析和其他可以拆分为多个工作流的复杂任务。
需要注意的是，ChatGPT Work 仍在逐步上线，不同套餐、账号和客户端看到的功能及用量可能存在差异，具体应以当前账号中的实际界面为准。
Codex：已经不只是写代码
Codex 客户端正在从编程工具变成一个完整的开发代理工作区。
目前它已经支持：
多个代理并行工作；
操作本地应用和浏览器；
查看和修改前端实际渲染效果；
图片生成；
多终端与 GitHub Review；
SSH 连接远程开发环境；
PDF、表格、幻灯片和文档预览；
记忆、定时任务和自动化；
90 多个插件、应用集成和 MCP Server。(Codex 官方介绍)
在 Codex 中，Plus 及以上套餐可以选择三个 GPT-5.6 模型，并且从 Plus 开始就可以使用 ultra。
和 GPT-5.5、Claude Fable 5 等模型相比
模型定位与价格
价格均按每百万 Token 计算。Claude Fable 5 的输入价格是 Sol 的两倍，输出价格约高 67%；Gemini 3.5 Flash 则更偏向速度、低成本和高频 Agent 循环。(Claude 官方价格)
GPT-5.6 相比 GPT-5.5
GPT-5.5 在复杂编程、研究、数据分析和长时间任务上已经非常稳定。GPT-5.6 的进一步提升主要体现在：
工具调用效率更高；
终端和 Computer Use 更强；
更善于保持长期任务目标；
前端设计和实际页面检查能力更好；
支持程序化工具编排和多代理并行；
Terra 可以用一半价格承担许多原本由 GPT-5.5 处理的任务。
按照 OpenAI 发布时使用的统一测试：
数据来源为 OpenAI 的 GPT-5.6 发布评测。不同模型在推理强度、工具和测试环境上的设置可能不同，因此这些数字更适合观察能力方向，而不是形成绝对排名。
这组结果也说明，没有一个模型在所有任务上全面领先：
Claude Fable 5 在 SWE-Bench Pro 上优势明显；
GPT-5.6 Sol 在终端操作和综合代理任务上更强；
Terra 的部分表现已经达到或超过 GPT-5.5；
Luna 虽然最便宜，但并不只是简单的小模型。
GPT-5.6 Sol 和 Claude Fable 5 怎么选
Claude Fable 5 是 Anthropic 面向大型、长时间项目推出的最高能力公开模型。Anthropic 表示，将它放入 Claude Code 等 Agent 环境后，可以持续工作数天，完成分阶段规划、子代理委派和自我验证。(Anthropic Fable 介绍)
两者的差异可以简单理解为：
GPT-5.6 Sol：综合能力、工具效率、速度和成本更加均衡；
Claude Fable 5：更适合大型代码迁移、跨模块重构和超长时间自主开发；
Claude Opus 4.8：比 Fable 便宜，更适合作为 Claude Code 的日常高难度模型；
Gemini 3.5 Flash：适合追求速度的编程循环、多模态任务和大量子代理执行。
因此，Fable 5 更像一个只在少数高难度工程中使用的专家模型，并不适合作为所有任务的默认选择。
其他值得关注的升级
Max 和 Ultra
max 会让模型投入比 Extra High 更多的推理时间，检查替代方案并修正结果。
ultra 则默认协调四个代理并行处理不同工作流，再统一汇总结果。它不是简单地"想得更久"，而是通过多代理换取更高成功率和更快的最终完成时间。
Programmatic Tool Calling
在 Responses API 中，GPT-5.6 可以在内存中编写并运行程序，用代码协调多个工具、过滤中间结果并决定下一步。
这可以减少模型与工具之间的反复调用，也不需要把所有工具结果重新塞回上下文，特别适合搜索、文件处理和复杂 Agent 工作流。
前端与设计能力
GPT-5.6 可以通过 Computer Use 查看实际渲染结果，而不是只生成 HTML 和 CSS。
它能够检查布局、间距、字体、响应式效果和交互问题，再继续修改页面。对于前端开发、产品原型、演示文稿和数据可视化，这可能比单纯提高代码评测分数更有实际价值。
更重视安全评测
OpenAI 表示，GPT-5.6 在正式开放前进行了人工红队测试和大规模自动化测试，其中黑盒自动红队测试约消耗 70 万个 A100e GPU 小时。
GPT-5.6 三个模型怎么选
对大多数开发者来说，更合理的组合是：
Sol：规划、架构、疑难问题、评审和最终检查
Terra：绝大多数日常开发和知识工作
Luna：批量、简单、低风险和子代理任务判断标准不应该只是"哪个模型最强"，而应该看任务失败后的代价：
失败成本越高，越应该使用 Sol；
任务越日常、越标准化，越适合 Terra；
数量越大、风险越低，越适合 Luna。
最后
GPT-5.6 最值得关注的变化，不只是评测分数提高，而是 OpenAI 正在统一 ChatGPT、ChatGPT Work、Codex 和 API 的模型体系。
对于普通员工，它可以从整理信息进一步走向交付文档、表格和演示文稿；对于开发者，它可以从生成代码进一步走向研究需求、修改项目、运行测试、检查页面和持续完成任务。
真正高效的使用方式，不是一直选择最强模型，而是让不同模型承担与其能力和成本相匹配的工作。Sol 处理高失败成本的任务，Terra 承担日常主力，Luna 负责批量和子代理，这套组合也是这次发布最重要的实操信号。
GPT-5.6 带来的核心变化，是 AI 正在从一个回答问题的模型，逐渐变成能够调用工具、操作电脑、协调多个代理，并交付完整成果的工作系统。
推荐阅读
欢迎关注公众号"Eric技术圈"，原创技术文章第一时间推送。