GPT-5.6 已经推出一段时间了。这段时间里，我几乎每天都在用它：做网站、优化页面、排查错误、看截图、检查设计，有时也把一个比较模糊的想法直接交给它，让它从计划一路做到实现。

如果只看版本号，从 5.5 到 5.6 好像只是一次小更新。但我的实际感受完全不是这样。

我甚至愿意用一句有点夸张、但非常符合体感的话来形容：GPT-5.6 的“智力”像是翻了一倍。

这里的“翻倍”不是某一项跑分真的变成了 200%，而是它在长任务里的理解、坚持、审美和自我检查同时进步了。以前我需要不断提醒 AI “再检查一下”“不要漏掉这个规则”“看看页面实际长什么样”，现在这些话说得少了。它开始更像一个能把事情做完的 Agent，而不只是一个等着我逐句发指令的聊天机器人。

这次不只是换了一个模型

GPT-5.6 发布前后，OpenAI 还调整了整个桌面端产品。新的 ChatGPT 桌面应用把 Chat、Work 和 Codex 放进了同一个应用；以前的 ChatGPT macOS 应用则被重新命名为 ChatGPT Classic，仍然可以继续使用，也会收到模型更新和安全修复。

所以，ChatGPT Classic 并不是“退回旧模型”的按钮，而是保留原来那套更纯粹、更熟悉的 ChatGPT 应用体验。这一点刚推出时确实有些容易混淆。

模型路线也在逐步合流。严格来说，最早把 Codex 与 GPT-5 训练体系结合起来的是 2026 年 2 月发布的 GPT-5.3-Codex；后来的 GPT-5.4 又把推理、编程和 Agent 工作流整合进同一个前沿模型。到了 GPT-5.6，这条路线进一步覆盖 ChatGPT、Work、Codex 和 API。对我来说，这种合流不是一句宣传语，因为它确实同时影响了聊天和写代码：我在普通对话里能得到更完整的推理，在 Codex 里又能感受到更强的上下文理解、工具调用和执行能力。

Sol、Terra、Luna：我现在怎么用

GPT-5.6 不是一个单独的模型，而是三个定位不同的层级：

模型 官方定位 我的使用感受
Sol 旗舰模型，处理最复杂的任务 最强、最稳，也是我最愿意交付完整任务的模型
Terra 能力、速度与成本之间的平衡 日常开发很实用，很多任务不需要一直上 Sol
Luna 最快、价格最低 适合快速探索、批量小改动和低成本试错

在标准 ChatGPT 对话里，目前主要使用的是 Sol：Medium、High 和 Extra High 都由它驱动；5.5 Instant 仍然负责快速的普通回答。Terra 和 Luna 则主要出现在 ChatGPT Work、Codex 和 API 中。

我三个都在用，但 Sol 是表现最出色的那个 AI Agent。

如果说 5.5 已经能帮我写代码，那么 Sol 更像是能理解“我到底想把这个网站变成什么样”。它不只是盯着当前文件修一行错误，而是会检查相关组件、页面实际效果、已有约束和构建结果。有时候一个问题表面上是 CSS 不对，真正原因却在组件结构或数据传递上；5.6 更容易沿着这条链条把根因找出来。

我做网站和优化网站的效率因此高了很多。真正省下来的，并不是生成第一段代码的几十秒，而是后面那些来回沟通、重复修补和再次返工的时间。

高思考模式：更会把没写出来的规则想清楚

5.6 给我最明显的变化之一，是高思考模式对隐含规则的处理。

做一个网站时，我不可能在第一句话里把所有规则写完：哪些组件必须复用、移动端不能怎么变、现有文章不能被覆盖、颜色要符合当前设计系统、改完还要构建检查……这些约束往往散落在代码、文档和之前的对话里。

5.5 也能找到其中一部分，但经常需要我不断提醒。5.6 在 High、Extra High，尤其是 Codex 的 max 模式下，会更主动地探索替代方案、运行检查、回看结果，再修正自己的做法。它不是“永远不会漏”，但已经更接近先理解规则，再开始动手。

官方数据也能解释一部分这种体感。在 OpenAI 公布的结果中：

测试 GPT-5.6 Sol GPT-5.5 Claude Fable 5
Agents’ Last Exam 52.7% 46.9% 40.5%
GDPval-AA v2 1747.8 Elo 1493.7 Elo 1759.6 Elo
SWE-Bench Pro 64.6% 59.4% 80.0%
Terminal-Bench 2.1 88.8% 85.6% 83.1%

这个表也提醒我：“5.6 比 5.5 强一倍”是我的工作流体感，不是所有基准上的客观结论。 Sol 对 5.5 的确有明显提升，但不是每项翻倍；Fable 5 也绝对不是陪跑，在 SWE-Bench Pro 和部分专业任务上甚至领先。

它终于不只是能“看图”，而是更懂设计

图片识别并不是 5.6 才有的能力，5.5 已经可以看截图、解释页面和给出修改建议。但我很明显地感觉到，5.6 的审美判断更好了。

我把网站截图交给它时，它不只会说“这里间距不一致”，还更容易看出层级、留白、字体、颜色和组件之间的整体关系。有时它甚至能先评价页面哪里显得拥挤、哪里缺乏重点，再回到代码里定位原因。OpenAI 对 5.6 的介绍也把“设计判断”列为重点：模型不只生成前端代码，还能检查渲染结果，继续修正视觉和功能问题。

GPT-5.6 从页面视觉问题追溯到代码组件，再检查修正后的响应式页面

不过，最近图片生成效果的变化不能全部算在 GPT-5.6 头上。OpenAI 在 4 月已经单独发布了 ChatGPT Images 2.0，并加入了“图片思考”能力，让模型在生成前先规划和完善画面。也就是说，我感受到的变化很可能来自两部分：5.6 更会理解视觉内容和提出修改意见，而真正的图片生成质量又受到独立图像模型更新的影响。

这两个体验确实会在 ChatGPT 里连在一起，但它们不是同一件事。

我也用 Fable 5，但最后还是更常打开 GPT-5.6

虽然我没有单独订阅 Claude，但我也在 Cursor 里用过 Claude Fable 5。它非常强，尤其面对复杂代码、长时间任务和大规模修改时，完全是这一代模型里不能忽略的存在。

Anthropic 把 Fable 5 定位为高于 Opus 层级的模型，强调长周期编程、知识工作、视觉理解和自主验证。从官方数据看，它也确实有硬实力：OpenAI 自己公布的对比中，Fable 5 在 SWE-Bench Pro 得到 80.0%，高于 GPT-5.6 Sol 的 64.6%；GDPval-AA v2 和 Artificial Analysis Intelligence Index 上，Fable 5 也略高于 Sol。

所以如果只问“谁最强”，我不会简单说 GPT-5.6 在所有地方都赢。

但如果问我 哪个更人性化、响应更快、使用成本更低，也更适合每天反复调用，我目前还是会选 GPT-5.6。这里一部分是主观体验，另一部分也能从 API 定价看出来：

模型 每百万输入 Token 每百万输出 Token
GPT-5.6 Sol 5 美元 30 美元
GPT-5.6 Terra 2.5 美元 15 美元
GPT-5.6 Luna 1 美元 6 美元
Claude Fable 5 10 美元 50 美元

Fable 5 更像是我遇到特别困难的问题时会认真考虑的“重型选手”；Sol 则是在能力、速度、价格和交互感之间做得更均衡。再加上 Terra 和 Luna，我可以按任务难度切换，不必每次都为最高规格付费。

GPT-5.6 配上 Matt Pocock Skills，才真正让我效率翻倍

模型变强当然重要，但最近让我感受最深的，其实是 GPT-5.6 与 Matt Pocock 的 Skills 仓库组合起来之后的效果。

这个仓库不是一个接管所有开发过程的庞大框架，而是一组小而独立、可以自由组合的 Agent Skills。它试图解决几个很现实的问题：AI 没听懂需求、计划听起来正确但没有被验证、代码写得太快却缺少反馈，以及项目在一次次自动生成后变得越来越乱。

我现在最常用的是下面几个：

Grill Me：先把我问到无法含糊

grill-me 真的是“烤我”。它不会一次扔过来十几个问题，而是沿着决策树一次问一个，并且为每个问题给出它推荐的答案。如果某个问题可以通过检查代码库解决，它应该先自己去查，而不是把本来能查到的事情再问我。

它与 GPT-5.6 搭配之后特别好用。5.6 问的问题更容易直达重点：这个功能究竟服务谁？失败时应该怎样？哪一个约束是不能妥协的？你现在想解决的是逻辑问题，还是视觉问题？

这些问题有时会把我问得有点烦，但也正是这种过程，把一个“我大概想做这个”的念头，变成真正可以执行的需求。很多返工，其实不是 AI 不会写代码，而是一开始连我自己都没有想清楚。

Prototype：先看几个方向，再决定做哪一个

prototype 的价值，是让 AI 先写一次可以丢掉的代码，专门回答一个问题。

如果问题是业务逻辑或状态设计，它可以做一个很小的可运行原型，把难以在纸面上想清楚的状态跑一遍；如果问题是界面，它可以生成几个差异明显的 UI 方向，让我在真正实施前直接比较。

这比让 Agent 一开始就把某个方案做得很完整更适合我。尤其在设计网站时，我经常不是没有想法，而是不知道哪个想法放进真实页面最好看。先看到原型，再选一个值得实现的方向，成本低得多。

Implement：计划确认后，就认真把它做完

implement 本质上是执行已经确认的计划或任务，但它不是“读完计划就一口气生成很多代码”。它会尽可能进入 TDD 反馈循环，持续运行类型检查和相关测试，最后再跑完整测试并做代码审查。

这正好补上了原生 Agent 工作流里有时比较松散的一段：计划写得很好，执行时却逐渐偏离。对我来说，一个更顺手的组合是：

1
2
3
4
Grill Me → 明确需求与关键决策
Prototype → 快速验证逻辑或比较界面方向
Plan / PRD → 把已经确定的内容写清楚
Implement → 按计划实现、检查与复核

从澄清需求、比较原型、制定计划到实现与测试的 Agent Skills 工作流

这不是 Matt Pocock 仓库规定的唯一官方流程，而是我自己用下来比较舒服的组合。仓库本身也强调 Skills 应该保持小、可组合，并且适配不同 Agent。模型提供智力，Skill 提供做事的方法，两者缺一个，实际效果都会打折扣。

现在仍然有 Bug，也还没有完全成熟

我对 GPT-5.6 的评价很高，但它还远没有到“可以完全不管”的程度。

新旧桌面应用并存、Chat、Work、Codex 和 Classic 之间的关系，本身就需要一段适应时间。长任务偶尔仍会走偏，工具调用也可能卡住；高思考模式虽然更全面，但有时会为一个并不复杂的问题想得太多。模型能看图、检查页面，也不代表它每次都能准确理解我的审美。

更重要的是，Agent 越能执行，错误的代价也越大。它一次可以改更多文件、运行更多命令、做更长的任务，所以清晰的边界、可回退的修改、测试和人工复核反而更加重要。5.6 让我减少了微操，但没有让我放弃检查。

结语：真正的升级，是我开始敢把完整任务交给它

GPT-5.6 最打动我的，并不是某一个榜单上的第一名，也不是生成代码又快了几秒。

真正的变化是，我开始敢把一个更完整的任务交给它：先理解项目，找出问题，做计划，修改网站，检查页面，运行构建，再告诉我还有哪些不确定的地方。

Sol 是我目前用过最出色的 AI Agent 之一；Terra 和 Luna 则让这套能力不必一直停留在最昂贵的档位。Fable 5 在长周期编程和部分基准上依然非常强，甚至会赢得很明显，但综合人性化、速度、价格与日常可用性，我现在还是更喜欢 GPT-5.6。

再配上 Matt Pocock 的 Skills，它不只是“更聪明的 ChatGPT”，而是逐渐变成了一套真正能参与我工作流的开发系统。

当然，它还有 Bug，还会犯错，也还需要继续更新。但至少对我来说，从 5.5 到 5.6 已经不是一次小修小补。我感受到的那种“智力翻倍”，最终体现为我每天少做了多少重复沟通，以及多快能把一个想法真正做出来。

参考资料