138
02026年7月29日，OpenAI 发布技术博客《GPT-5.6 如何融合前沿智能与前沿效率》（How GPT‑5.6 fuses frontier intelligence with frontier efficiency），系统阐述了 GPT-5.6 家族背后的效率革命。
文章指出，GPT-5.6 的设计目标并非单纯追求更高智能，而是在能力与成本之间实现最优平衡。该家族包含三款模型：旗舰型号 Sol 在代码能力基准测试中以不到对手一半的成本超越 Claude Fable 5；Terra 保持与 GPT-5.5 同等智能水平的同时将价格降低一半；Luna 则进一步将成本压缩至 Sol 的 20%。
博客重点揭示了两项非模型层面的系统优化。在推理层面，团队让 GPT-5.6 Sol 自主参与生产环境的负载均衡调度、重写底层 GPU 内核代码，以及在推测解码中设计并训练草稿模型，分别带来 20% 的端到端成本削减和 15% 以上的 token 生成效率提升。在代理控制框架（agentic harness）层面，通过"延迟发现"机制按需加载工具与插件、采用只追加的历史记录结构保护提示词缓存前缀，大幅减少了复杂任务中的重复计算开销。
值得关注的是，上述优化中有相当部分由 GPT-5.6 Sol 在 Codex 环境中自动完成——从设计实验、执行训练到处理硬件故障的全链路。OpenAI 将 GPT-5.6 的效率收益归结为研究、推理系统和代理控制框架在技术栈各层的多年复合积累，并表示这一路径目前仍在加速，未来将持续转化为更广泛的智能普惠。
原文链接：openai.com
