本文要点
- 从单模型评测，变成 Sol、Terra、Luna 三层能力分工
- 从聊天问答，变成 Work 在文件和应用中执行数小时项目
- 从独立 ChatGPT 入口，变成 Microsoft 365 Copilot 桌面分发
阅读辅助
先看数字、证据和来源，再读正文。
OpenAI 这次不是单点模型发布，而是同步推出工作栈入口。
2026-07-09 10:00 · OpenAI RSS 记录 GPT-5.6 与 ChatGPT Work 同时发布。
OpenAI 7 月 9 日连发三条官方稿：GPT-5.6 家族全面可用，ChatGPT Work 上线，GPT-5.6 成为 Microsoft 365 Copilot 的首选模型。把它们拆成三篇会更像新闻流，但合在一起才是当天真正的变化：OpenAI 正在把前沿模型、长任务 agent 和企业办公入口包装成一个可采购、可分发、可评估的工作栈。
确定事实有三层。第一层是模型能力：GPT-5.6 家族包含旗舰 Sol、日常平衡模型 Terra 和高性价比模型 Luna，并引入 ultra 最高能力设置，用于协调多个智能体并行处理复杂任务。OpenAI 称 Sol 在 Agents Last Exam 得到 53.6，较 Claude Fable 5 高 13.1 分；即便在 medium reasoning 档，也较 Fable 5 高 11.4 分，估算成本约为后者的四分之一。Terra 和 Luna 被称为以约十六分之一成本超过 Fable 5。第二层是执行产品：ChatGPT Work 可在用户应用和文件中采取行动，持续处理复杂项目数小时，并生成表格、幻灯片、文档和 Web 应用等成果。第三层是分发通道：OpenAI 称 GPT-5.6 将成为 Microsoft 365 Copilot 在 Word、Excel、PowerPoint、Chat 和 Cowork 中的首选模型。
不确定部分同样要前置。GPT-5.6 的 benchmark 与成本口径来自 OpenAI 官方披露，尚缺第三方完整复现；Agents Last Exam、Artificial Analysis Intelligence Index 和 Coding Agent Index 的方法细节、样本构成、推理档位可比性需要进一步公开。ChatGPT Work 的权限继承、文件访问审计、长任务失败恢复和企业管理员控制面尚未在官方稿中完整说明。Microsoft 365 Copilot 的 GPT-5.6 切换属于 OpenAI 与微软共同商业栈的一部分，但租户级模型选择、回退策略、日志边界和地区可用性仍需 Microsoft 侧后续文档确认。
信源口径也需要说明：OpenAI 官方页面普通 HTTP 抓取可能被 Cloudflare 返回 403，本稿使用运行目录中 CDP 抽取到的官方原文作为正文事实来源；机检日期锚点来自 OpenAI 官方 RSS JSON。这个采集路径不会降低官方事实等级，因为正文、标题、日期和关键数字均来自 OpenAI 官方内容，RSS 只承担发布时间锚点。Microsoft 365 Copilot 产品页只作背景/参考，用来说明 Copilot 在企业生产力套件中的分发位置，不参与 GPT-5.6 发布事实确认。
对读者的影响可以一句话概括：企业买方评估 OpenAI 的最小单位，正在从“选哪个模型”变成“采购哪套工作栈”。开发者要重新判断 Codex、Work、API、Copilot 之间的边界；企业 IT 要把模型能力、权限治理、审计日志和 Office 入口放到同一个采购表里；模型厂商则要回答一个更难的问题：如果前沿模型不能直接落进长任务和办公分发，它的 benchmark 领先还能转化成多少真实工作量。
三层工作栈：能力层、执行层、分发层
GPT-5.6 的表述方式与过去几轮模型发布不同。OpenAI 没有只强调一个更高分的旗舰模型，而是把 Sol、Terra、Luna 直接做成一组能力分层：Sol 负责 hardest work，Terra 面向日常工作平衡，Luna 负责成本效率。再往上是 ultra，它不是一个单独模型名，而是最高能力设置，强调可以协调多个 agent 跨并行工作流完成复杂任务。这个位置很关键：OpenAI 正在把“模型”变成“工作负载调度层”的一部分。
ChatGPT Work 则是这套栈的执行层。官方描述里，Work 不只是回答问题，而是从应用和工作流中收集信息，把复杂项目拆成步骤，并在必要时持续处理数小时。它能产出的对象也不是聊天文本，而是表格、幻灯片、文档和 Web 应用。OpenAI 同时把 Codex 放进这个叙事：每周超过 500 万人使用 Codex，超过 100 万人把 Codex 用于软件开发之外的工作。这个数字把 Work 的定位从“给程序员的 agent”推到“给知识工作者的执行器”。
Microsoft 365 Copilot 是第三层，也是最有商业含义的一层。OpenAI 官方稿写得很短，但信息密度很高：GPT-5.6 将成为 Copilot 在 Word、Excel、PowerPoint、Chat 和 Cowork 中的首选模型；微软还会通过 API 直接访问 OpenAI 模型，把 GPT-5.6 带给 Microsoft 365 客户。换句话说，OpenAI 不只是在 ChatGPT 自家入口里卖 Work，也在通过 Copilot 把模型能力嵌入企业已经付费、已经部署、已经有权限体系的桌面软件。
| 层级 | 官方动作 | 关键数字 | 早报解读 |
|---|---|---|---|
| 模型能力层 | GPT-5.6 Sol、Terra、Luna 全面可用 | ALE 53.6 | 从单一旗舰转为能力和成本分层 |
| 成本效率层 | medium reasoning 较 Fable 5 高 11.4 分 | 约四分之一成本 | benchmark 叙事开始绑定单位成本 |
| 低成本层 | Terra 与 Luna 超过 Fable 5 | 约十六分之一成本 | OpenAI 在争夺默认工作模型，而不只争最高分 |
| 速度层 | Artificial Analysis 指数任务时间更少 | 少 61% | 任务完成时间成为 agent 采购指标 |
| 编码执行层 | Coding Agent Index 创新高 | 80 | Codex 能力被纳入工作栈基准 |
| 非开发扩展 | Codex 周活和非开发使用扩大 | 500 万+，100 万+ | Work 的市场不再只盯开发者 |
| 办公分发层 | GPT-5.6 成为 Copilot 首选模型 | Word、Excel、PowerPoint | OpenAI 能力进入 Microsoft 365 采购路径 |
这张表说明了这次合并报道的理由。GPT-5.6 是能力来源，ChatGPT Work 是执行产品，Copilot 是企业分发。任何一层单独看都像产品更新，三层放在一起才像商业策略：OpenAI 想把“更强模型”翻译成“更少时间、更少 token、更低成本、更直接的办公产出”。
为什么 benchmark 叙事变了
GPT-5.6 最重要的数字不是单独的 53.6，而是 OpenAI 把分数、推理档位、成本和任务时间放在同一组句子里。过去模型发布常见叙事是“某个榜单第一”。这一次，OpenAI 明确强调“more useful work from every token”和“stronger performance per dollar”。这意味着它在对企业买方说：不要只看模型有多聪明，也要看同一预算下能产出多少工作。
Agents Last Exam 的 53.6 仍然重要，因为它被描述为覆盖 55 个领域的长程专业工作流评测。OpenAI 称 Sol 高出 Claude Fable 5 13.1 分；medium reasoning 仍高 11.4 分，且成本约四分之一；Terra 和 Luna 则以约十六分之一成本超过 Fable 5。这些数字的共同作用，是把竞争从“最高能力模型”拉到“哪一档模型足够好、足够便宜、足够快”。如果这个口径被企业接受，模型厂商的产品表会更像云计算实例表：不是所有任务都跑最高档，而是按任务风险、延迟和成本挑实例。
Artificial Analysis 的 61% 任务时间下降和 Coding Agent Index 80 也服务同一个叙事。agent 产品的核心约束不是只会不会答题，而是能不能在更短时间、更少输出 token、更低成本下完成工作。OpenAI 选择把任务时间和编码 agent 指数写进同一篇 GPT-5.6 发布稿，是在把前沿模型和工作流执行绑定。它想让读者记住的不是“Sol 更强”，而是“Sol 能让一组 agent 更快完成复杂任务”。
这里的 caveat 是，官方数字尚未被完整复现。OpenAI 披露了结果和相对优势，但公开页面没有把 ALE 的完整题集、评分细则、成本估算方法逐项展开。对于企业采购，这不会阻止早期试点，但会影响采购委员会能否把 GPT-5.6 与 Claude、Gemini、内部模型做公平横评。接下来最该看的不是下一张榜单，而是这些 benchmark 是否开放方法、第三方是否复测、企业客户是否能把成本口径映射到自己的账单。
ChatGPT Work 把 Codex 从工具变成工作角色
ChatGPT Work 的关键句是“可在你的应用和文件中采取行动”。这句话比“更聪明的 ChatGPT”更重要，因为它把产品边界从聊天窗口推到用户的工作环境。OpenAI 描述的典型产物包括表格、幻灯片、文档和 Web 应用，这些都不是模型回答，而是可以被同事检查、交付或继续编辑的工作制品。
Codex 数字解释了 OpenAI 为什么此时推出 Work。每周 500 万+人使用 Codex，说明编码 agent 已经不是小众实验；100 万+非开发用途说明，用户已经在把 Codex 的执行模式迁移到研究、运营、分析、内容、管理等场景。Work 的产品逻辑，是把这种自发迁移包装成正式入口：让用户不必把一个非开发任务硬塞进“代码助手”的界面，而是在 ChatGPT 里直接发起“做完这项工作”的请求。
这会改变企业内部对 agent 的讨论方式。过去很多企业试点停在“员工能否用 ChatGPT 写邮件、总结文档、改代码”。Work 把问题换成“企业是否允许一个 agent 跨应用读取文件、创建制品、持续执行数小时”。这要求权限体系、审计日志、任务状态、失败恢复、人工确认点都进入产品设计。OpenAI 官方稿强调 Work 能承担更有雄心的任务，但没有充分披露这些治理机制。对企业 IT 来说，这些机制比 benchmark 更接近上线门槛。
更微妙的是，Work 和 Codex 的关系会重新定义开发者工具。Codex 最初是开发者工具，但 OpenAI 披露的 100 万+非开发用途意味着“代码执行”正在变成通用工作执行能力。很多办公室任务本质上也需要代码：抓取数据、清洗表格、生成页面、自动化流程、检查文件差异。Work 把这些操作藏在成品背后，用户看到的是表格、幻灯片或 Web 应用，底层可能是 Codex 式执行。这会让“会不会编程”的边界进一步变模糊。
Copilot 让工作栈进入企业默认入口
如果只有 GPT-5.6 和 Work，这仍然是 OpenAI 自家产品线升级；加上 Microsoft 365 Copilot，事件就进入企业桌面分发。Word、Excel、PowerPoint、Chat 和 Cowork 是企业员工每天打开的入口。OpenAI 称 GPT-5.6 将成为这些入口中的首选模型，意味着模型升级不需要员工主动迁移到 ChatGPT，也不需要企业重新教育用户打开新应用。
这正是 Copilot 的价值：它把模型能力放进已有权限、文档、会议、邮件和协作上下文里。OpenAI 在公告里说，微软也会通过 API 直接访问 OpenAI 模型，把 GPT-5.6 带给 Microsoft 365 客户。这个表述说明 OpenAI 并不只依赖 ChatGPT 订阅把 Work 推给企业，而是在 Microsoft 365 的企业合同、身份系统和管理控制面里寻找分发效率。
但这也带来一个问题：首选模型不等于企业完全可控。管理员是否能选择 GPT-5.6 或回退到旧模型？租户级日志能否显示某个 Copilot 任务调用了哪个模型、哪个推理档位、哪些文件进入上下文？跨地区客户的数据处理是否跟随 Microsoft 365 既有合规边界？这些问题没有在 OpenAI 的短公告里展开。企业买方如果把 GPT-5.6 视作 Copilot 默认能力，需要等 Microsoft 管理文档补齐模型选择、审计、数据边界和地区可用性。
从竞争角度看，OpenAI 借 Copilot 获得的是分发，微软获得的是模型新鲜度。对 Google Workspace、Anthropic enterprise、独立 agent 平台来说，压力不只来自 GPT-5.6 分数，而是来自“模型更新可以直接进入 Office 默认路径”。这会压缩很多独立生产力 agent 的试点空间：如果同一员工已经在 Word 和 Excel 里得到更强 Copilot，外部 agent 必须证明自己在权限、工作流、专业垂直场景上有明显增量。
这次发布的核心不是 GPT-5.6 更强，而是 OpenAI 把“更强”翻译成了企业能采购的三层语言：模型层讲分数、成本和时间；Work 层讲长任务、文件和成品；Copilot 层讲默认入口、办公套件和企业分发。早报判断是，前沿模型竞争正在从单模型能力竞赛，转向“能力如何进入工作系统”的竞赛。能赢的不是只有最高分的模型，而是能把最高分拆成多档成本、能把 agent 执行变成可审计工作、能把入口放进企业已有桌面的供应商。
这个判断有边界。GPT-5.6 的关键数字仍是 OpenAI 自报，ALE 和 Coding Agent Index 需要第三方复现；ChatGPT Work 的企业治理机制还没有充分公开；Copilot 的管理员控制面、回退策略和数据边界也要等微软侧文档。也就是说，工作栈的战略方向很清楚，但采购级证据还不完整。企业今天可以把它放进试点计划，不应该直接把官方 benchmark 当成生产环境 ROI。
被低估的一点是 Codex 的非开发迁移。超过 100 万非开发用途说明，很多知识工作已经开始用“代码执行”解决非代码问题。ChatGPT Work 的真正价值，不是让每个人写代码，而是把代码执行、文件处理、网页生成和办公产出包装成一个普通员工可使用的任务角色。长期看，企业内部的岗位边界会先在这些灰区松动：分析师、运营、PM、研究员会越来越多地把“做完一个制品”交给 agent，而不是只让模型写一段回答。
接下来最该验证什么
第一，GPT-5.6 的 API 价格、速率限制、区域可用性和数据保留边界。OpenAI 已经把“performance per dollar”放在发布叙事中心，但企业最终会用真实账单验证它。特别是 Sol、Terra、Luna 三档之间的价格差、上下文窗口、工具调用成本和并发限制，会决定它们是否真能成为不同工作负载的默认选择。
第二，ChatGPT Work 的权限与审计。Work 如果要在应用和文件中采取行动，就必须回答“它看到了什么、改了什么、失败时如何回滚、谁批准了最终交付”。这些问题一旦没有清晰界面，Work 就更像个人效率工具；一旦补齐，它才可能成为企业级 agent 执行层。
第三，Copilot 的管理员控制面。GPT-5.6 成为首选模型只是入口，企业还需要知道能否按租户、部门、任务类型选择模型，能否回退，能否导出日志，能否证明某些敏感文件没有进入不该进入的上下文。OpenAI 给出了发布事实，Microsoft 侧的管理文档会决定这件事的落地速度。
第四，第三方复现。ALE 53.6、medium reasoning 高 11.4 分、约四分之一成本、Terra/Luna 约十六分之一成本、Artificial Analysis 任务时间少 61%、Coding Agent Index 80，这些数字共同构成 GPT-5.6 的效率叙事。只要其中几个被独立复现，这套工作栈的采购说服力会显著增强；如果复现结果波动很大，企业会重新回到自建评测和小范围试点。
第五，Codex 非开发用途能否稳定模板化。500 万+周活和 100 万+非开发用途已经说明需求存在，但 Work 要成为产品线，还需要把这些零散使用沉淀为可复用任务模板，例如季度经营分析、竞品研究、销售材料生成、网页原型、数据清洗、合规检查。OpenAI 接下来如果公开这些模板和成功率，Work 才会从“聪明 agent”走向“企业流程组件”。