GPT-5.6编码能力与稳定性实测泼冷水：对比Fable5/Grok4.5深度测评
GPT-5 6实测体验不佳，存在界面无结果、中英文混杂、删除文件等严重问题。编码能力不如Fable5，SWE-Bench得分仅64 6%，且高模式消耗token过多。Grok4 5表现更优，更值得尝试。OpenAI依赖重置额度维持用户，但产品稳定性与可控性仍需改进。
昨天GPT 5.6正式公开，某社交平台上一片叫好，各种“牛批”“卧槽”“吊打Fable 5”刷屏，不少号主也在跟着吹。但就在发布当天，其实就已经有人泼了冷水——效果未必那么好。结果才过了一天多，风向就开始变了。
昨天没收到Sol的推送，所以先测了Terra。官方发布时的口径大致是：Terra能力跟GPT-5.5差不多，但更省token。按这个理解，Terra就是5.5的省流版。可实际体验中，一上来就撞上两个低级问题：一个是模型跑完了，界面上几乎看不到任何结果；另一个是流式渲染之后，英文夹着中文一起往外喷，读起来像一坨泔水。现在还分不清这是ChatGPT Codex客户端的问题，还是模型本身的问题。结论很简单：体验有些差。
前天Grok 4.5刚出来的时候，有文章说这次效果不错，同时对GPT 5.6泼了冷水。现在这两个观点都在应验——一边是Grok 4.5被拿去和第一梯队认真比较，一边是GPT 5.6的热度从“吊打一切”变成了寥寥无几的吹捧。不是说5.6完全不能用，而是发布日的情绪和真正上手后的体感，完全不是一回事。
OpenAI 把重置玩明白了
现在OpenAI倒是很清楚一件事：额度重置，比再发一篇评测稿更管用。邀请重置、改bug重置、奥特曼打个不会赢的赌输了重置，甚至官方毫无理由直接下场送重置。这招的副作用也很明显：用户会逐渐把重置当成产品体验的一部分，而不是福利。哪天OpenAI如果不送重置了，用户可没有忠诚度——哪个模型好用用哪个，哪个省token用哪个，哪个性价比高用哪个。比如之前天天吹GPT 5.5，现在不也上手用上Grok 4.5了？天天靠补额度维稳，那产品本身一定哪里有问题。
A 社也坐不住了
GPT 5.6这波，连一毛不拔的A社都跟着重置额度了。Fable 5本来是7月7号结束订阅内的促销额度，后来延到7月12号；5.6一公开，A社又把5小时和weekly limit全量重置了一遍。Tibo直接在官方帖子下面说，他闻到了一股恐惧的气味——这话当然带点阴阳，但可以确定的是，A社确实感觉到了一些压力。否则也不会在GPT 5.6刚发布就选择重置额度，Fable 5的延迟下线也能证明这一点。
还记得当初用GPT 5.5时的惊艳，但这次GPT-5.6 Sol，吐槽的人不少。Simon Willison写过GPT-5.6家族（Luna / Terra / Sol）的梳理，也承认Sol很能干，但在他常做的复杂编码任务上，目前还没觉得它比Fable更好。另一个更刺眼的点是：官方爱打的Agents’ Last Exam上Sol很亮眼，但在SWE-Bench Pro这种更硬的编码评测上，Fable 5自报大约80%，Sol大约64.6%。OpenAI还专门发文质疑SWE-Bench Pro有大量坏题——这个动作本身，也说明编码榜单已经开始互撕了。
更严重的是Matt Shumer的测试：他测试GPT-5.6 Sol时，最终执行了类似rm -rf /Users/mattsdevbox的操作，把Mac上的文件全删光了。出了这件事后，对GPT-5.6 Sol的信任直接掉了一截。Theo（t3.gg）也吐槽了一个很工程的问题：把gpt-5.6-sol设成ultra之后，它下面的所有subagent也会继承ultra，造成无缘无故的token燃烧，而且无法单独把subagent的effort换成medium。因为很多人第一天就会把effort拉满，一拉满就疯狂烧token，然后回头说Sol太贵了。这老哥还有一个帖子更直接，说感谢大厂互卷，让A社感到恐惧，于是继续延长Fable 5的下线节奏。甚至觉得，Fable 5未必会在12号就按原计划切到纯credits。先立个flag，看看会不会打脸。
现在的测评，其实看一看就行。真正决定换不换默认模型的，还是这几件事：会不会稳定产出结果，会不会乱删文件，会不会无故烧额度，会不会无缘无故降智，会不会有额外的惊喜。不是说GPT 5.6没有实力——OpenAI在agent长程任务、工具调用、多agent编排上确实很突出。但发布后的第一波真实反馈里，稳定性和可控性，已经压过了再高10分的兴奋。这也是为什么更愿意先看Grok 4.5这类够强、够快、够便宜的选手，而不是只盯着发布会里最顶的那一档。按照现在的趋势，顶级模型不会用来单纯干活，而是会整理需求、做设计、拿方案；具体干活，要交给工程能力强、token消耗没那么快的模型。
如果实在想用GPT 5.6，先把effort调到medium，别一上来ultra拉满。这跟圈里不少人的观点基本一致：xhigh / ultra很容易过度思考，还特别废token，性价比不高。除非在做又难又大的攻城略地型任务，否则一般任务里，medium往往更划算。还在用Codex把xhigh拉满跑？
说到底，GPT 5.6现在最大的问题，是新版Codex搭配着GPT 5.6还没稳定，bug比较多，而且大家对GPT 5.6的期待值有些过高，导致与实际差距明显。这次OpenAI还是有些着急了。现在态度很简单：Sol继续观察，Terra先当省流备胎（其实并不省），Fable 5额度能蹭上的话还是最佳选择，Grok 4.5很值得尝试。接下来最该做的事，就是等着GPT 6.x的发布了。
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编码能力与稳定性实测泼冷水：对比Fable5/Grok4.5深度测评要求：
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TP-LINK深圳总部要求全体员工将劳动合同转签至注册资金仅3000万元的全资子公司思码逻辑，因保障缩水风险引发员工强烈抵制。内部投票显示近九成参与员工拒绝签字。与此同时，部分员工社保状态异常，面临断缴风险，叠加此前超140人的裁员以及企业主体迁出等变动，导致内部人心动荡。这家曾占据全球路由器市场4
本田中国5月销量数据出炉，单月总交付量仅为28279辆，同比大幅下滑48 7%，销量近乎腰斩。与2020年前后的市场巅峰期相比，如今整体体量仅剩约两成。这已是本田中国连续第27个月同比下滑，跌幅仍在加深。颓势根源在于电动化战略预判失误，产品梯队崩塌，新能源车型销量惨淡，同时双合资体系内耗严重，部分工
台积电CEO近日在股东会上谈及芯片涨价策略，明确表示不会效仿存储芯片厂商短期价格暴涨数倍的做法，强调公司注重长期稳健经营。然而，供应链消息显示，台积电已计划于2026年下半年上调3纳米制程报价最高15%，2027年可能进一步上涨。CEO指出，AI应用正转向“代理式行动模式”，算力需求激增，全球芯片供
近日，方程豹品牌旗下全新硬派SUV车型“钛9”的路试谍照曝光。新车采用经典的“方盒子”造型，线条平直硬朗，车身立柱垂直，分体式灯组和贯穿式日行灯设计颇具辨识度。侧面配备大轮毂和高离地间隙，车门带有固定踏板，车尾预留外挂备胎位置，整体风格硬派。动力方面，预计将搭载2 0T发动机加双电机的混动系统，综合
- 日榜
- 周榜
- 月榜
热点快看