GPT-5.6太阳系全家桶正式上线，Codex已消失
OpenAI发布GPT-5 6全家桶模型，包含旗舰Sol、轻量Terra以及后训练版Luna。Sol在多项权威评测中超越ClaudeFable5，新增多Agent并行协作模式，价格大幅低于对手。ChatGPT与Codex合并推出全新智能体ChatGPTWork。Sol通过后训练生成Luna，加速AI自我迭代与进化，本次发布标志着新里程碑。
来了。
就在刚刚，OpenAI一口气把GPT-5.6「全家桶」——Sol、Terra、Luna——全放了出来。
必须承认，Sol这次是冲着Claude Fable 5来的，一点没藏着掖着：
·Agents' Last Exam：Sol拿下53.6%，直接把Fable 5甩开13.1分；
·Terminal-Bench 2.1：Sol拿到88.8%，开Ultra顶到91.9%，Fable 5才83.1%；
·Coding Agent Index：Sol狂揽80分刷新SOTA，力压Fable 5 2.8分。
定价方面，更刺激的还在后面——
Fable 5每百万token的输入是$10、输出是$50；
Sol直接对折，只要$5和$30，Terra再砍半到$2.5和$15，Luna干脆只要$1和$6。
同在今天，ChatGPT和Codex终于合体，OpenAI的「超级应用」真的来了。从此，只剩下ChatGPT这一个应用。
GPT-5.6，全面上线
自6月27日初次亮相以来，全网翘首以盼的GPT-5.6终于「到手」了。Sol、Terra、Luna，一个不差，全部开放。
旗舰Sol：专治硬核编码、知识工作、网络安全和科学领域的「硬骨头」，堪称地表最强。
Terra和Luna：主打极致性价比，用更少的成本体验卓越的性能。
干翻Fable 5，编程新王登场
先看最硬核的编程，OpenAI直接给Sol冠以「迄今最强编程模型」的称号。在Artificial Analysis Coding Agent Index上，Sol开max推理拿下80分，创下新SOTA，比Fable 5高2.8分。而且，输出token不到一半、耗时不到一半、成本还低约1/3。
这种碾压态势贯穿整条产品线：Terra略高于Fable 5，Luna则直接越过Opus 4.8。而且各自都只用了约1/3的时间、约一半的输出token、约1/4的成本。同样的活，OpenAI这次是用小得多的代价干完的。
在考验命令行长程工程的Terminal-Bench 2.1和DeepSWE上，Sol同样刷新了SOTA。
四个Agent一起上，Ultra模式上线
如果一个模型不够，那就上四个。这次，GPT-5.6新增了两档高能力设置——
max档：比原来的xhigh给模型更多时间去推理；
ultra档：默认一次派四个Agent并行开工，重活还能上到十六个。
用更多的token，换更强的结果和更快的出活速度。在BrowseComp、SEC‑Bench Pro、Terminal‑Bench 2.1三项评测上，加了并行Agent之后，「分数‑耗时」曲线整体向左上方移动——分更高，还更快。
这一代GPT‑5.6，还悄悄补上了一块过去的短板——设计审美。它能自己去「看」渲染出来的结果，检查视觉和功能上的毛病，然后动手修，最后再把成品交给你。如下，GPT‑5.6设计的航海小游戏、博物馆网站、室内设计展示等，都展现出设计能力上的质的飞跃。
GPT-5.6在「端到端知识工作」上的成绩，同样亮眼。Sol在BrowseComp上拿下92.2%、在OSWorld 2.0上拿下62.6%，双双刷新SOTA。尤其是在OSWorld上，它超过Opus 4.8的同时，输出token少用了85%。
GPT‑5.6炼出自己，OpenAI「AI永动机」成真
GPT‑5.6最科幻的一面，藏在OpenAI自己的办公室里。OpenAI官方称，GPT‑5.6是他们迄今最能加速AI研究的模型。
研究员用它来诊断故障、优化训练系统、跑实验、解读结果。在GPT‑5.6内测期间，每位活跃研究员的日均输出token量，是GPT‑5.5最高水平的两倍多。
更夸张的是，过去半年，OpenAI投入到内部编程推理的研究算力份额涨了100倍，内部Agent的token用量涨了约22倍。
在一套衡量「递归自我改进（RSI）」的内部评测上，Sol比GPT‑5.5高出16.2分。说白了，OpenAI正在用AI，加速造下一个更强的AI。
发布会直播中，研究员透露了一个关键细节——全家桶里最小的Luna，是老大哥Sol后训练出来的！
过程是这样：先输入大致的需求，然后Sol就开始自己去找训练配置、挑选GPU、启动脚本、确认跑通，把一个模型的后训练从头到尾全包圆了。这活儿放在过去，是一整队资深研究员的工作。而现在，那个「自动化研究员」，真的已经很近了。
这也许就是当下这个AI时代之所以愈发疯狂，最有说服力的注脚。
ChatGPT和Codex，终于合体了
同在今天，ChatGPT桌面端迎来重大升级。新增内置浏览器和Computer Use，能直接调用你本地的文件和应用，替你点击、打字、搬文件。真正的关键在，原来的Codex应用，也和全新的ChatGPT桌面端合并了！
跟GPT-5.6一起端上来的，另一大重量级产品，便是ChatGPT Work。它是一个能跨App和文件自主干活的Agent，能盯着一个项目连续跑好几个小时，把一个目标变成真正的成品。可以说，这就是OpenAI版的「Claude Cowork」！
同样的，它可以通过手机端ChatGPT直接操控。即便是电脑不在身边，也能继续推进工作。
从预览到全量上线，不过半个月；从追赶到反超，OpenAI只用了一次发布会。但真正让人后背发凉的，不是那几张榜单，是GPT-5.6 Sol亲手训出了Luna。当AI开始训练AI，时间就不再是线性的了。竞赛的终点线正在消失，剩下的只是下一个版本号。
你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：GPT-5.6太阳系全家桶正式上线，Codex已消失要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题
游乐网为非赢利性网站，所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系youleyoucom@outlook.com。
相关热点SIFT算法由DavidLowe提出，是一种基于尺度空间的局部特征描述算子，对图像缩放、旋转、光照变化具有不变性。实现步骤包括构建高斯差分尺度空间、检测极值点、精确定位并去除低对比度及边缘响应点、为关键点分配方向并生成128维描述子，最后通过欧式距离与最近邻比阈值进行特征点匹配。
说到大数据技术，很多人第一反应就是“高深”“代码”“算法”，但拆开来看，其实它更像一套系统化的“数据炼金术”——从采集、存储、清洗、分析到应用，每一个环节都有对应的技术栈。那么，一个合格的大数据工程师到底需要掌握哪些核心能力？ 大数据技术主要学什么 数据库技术是基础中的基础。无论是传统的关系型数据库
Qwen3技术报告详解预训练与后训练四阶段、混合推理中思维与非思维数据融合及预算控制机制，强化学习采用三类奖励函数。arXiv论文翻译工具历经四次试错，基于LaTeX源码解析与后检查机制实现准确翻译与格式保留。
大模型指令调优领域，斯坦福的Alpaca项目贡献了一套单轮指令数据集，为后续研究打下了基础。但说到ChatGPT真正让人眼前一亮的能力，还得数它的多轮对话——用户可以追问、纠正、甚至引导模型修正自己的错误。那么，怎样让模型学会处理这种多轮交互？这就有了ChatAlpaca——一个面向大模型的多轮对话
- 日榜
- 周榜
- 月榜
热点快看