GPT-5.6竟在后台执行rm -rf命令

昨天GPT 5.6正式公开，某知名社交平台上瞬间刷满了“牛批”“卧槽”“吊打Fable 5”，不少号主也跟着吹了一波。但发布当天就有分析指出：这版效果可能没那么好。结果才过了一天多，风向就开始变了。

原本没收到Sol的推送，所以先测了Terra。发布时官方口径大致是：Terra能力跟GPT-5.5差不多，更省token。之前也按这个理解它——Terra是5.5的省流版。

结果体验过程中，首当其冲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，英文夹着中文一起喷出来，读起来像一坨泔水。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，有评测说这次效果其实不错。对GPT 5.6，又泼了冷水。结果这两个观点现在都在应验。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，正在从“吊打一切”变成“寥寥无几地在吹”。不是5.6完全不能用，而是发布日的情绪和真正上手后的体感，不是一回事。

OpenAI 把重置玩明白了

现在OpenAI倒很清楚一件事情：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。属实把重置玩明白了。但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如果不送重置了之后呢？用户可是没有忠诚度，哪个模型好用哪个，哪个模型省token用哪个，哪个模型性价比高用哪个。比如之前天天吹GPT 5.5，现在不也上手用上Grok 4.5了。要是天天靠补额度维稳，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。不过可以确定的是，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时候的惊艳，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。另外一个更刺眼的点是：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。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。（Matt Shumer就是写下那篇《有许多大事儿即将发生》的那位）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，而且还无法单独地把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。现在先立个flag，看看会不会打脸。

现在真实感觉到，现在的测评其实看一看就行。真正决定你换不换默认模型的，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地干活，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。这和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。

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，导致与实际情况有些差距，所以这次OpenAI还是有些着急了。现在的态度很简单：Sol继续观察，Terra先当省流备胎（其实并不省），Fable 5额度能蹬上的话还是最佳选择，Grok 4.5很值得尝试。现在最应该做的事，就是等着GPT 6.x的发布了。