事件/产品概述

2026年7月29日，OpenAI 正式发布了 GPT-5.6 系列模型，旨在平衡前沿智能的能力与成本。该系列包含三个主要模型：

  • GPT-5.6 Sol（旗舰模型，带最大推理能力）：在 Artificial Analysis Coding Agent Index 上性能超过 Claude Fable 5，成本不到后者的一半。
  • GPT-5.6 Terra：在智能基准测试中与 GPT-5.5 相当，但价格降低一半。
  • GPT-5.6 Luna：最快的模型，价格比 Sol 便宜 80%。

OpenAI 表示，这些效率提升来自于对模型堆栈、推理堆栈以及代理工作流（agentic harness）的全面优化，目标是在每美元成本下提供更有用的智能。

关键技术点

原文重点介绍了三项核心优化：

1. 推理加速

  • 负载均衡：使用 GPT-5.6 Sol（通过 Codex）分析生产流量，自动优化路由、调度和实例内分布，大幅降低服务成本。
  • 内核优化：Sol 自主重写并优化了 GPU 内核（使用 Triton 和 Gluon 语言），将端到端服务成本降低约 20%。OpenAI 还开源了验证工具 FpSan 以确保正确性。
  • 投机解码（Speculative Decoding）：Sol 自主设计并训练了一个更优的 draft 模型，通过自主实验优化架构，最终将 token 生成效率提升超过 15%。
  • KV 缓存与配置超优化：Sol 根据生产工作负载特性（批次大小、缓存命中率等）自动生成并评估候选配置，实现了工作负载特定优化，进一步提取更多有用推理输出。

2. 代理工具链（Agentic Harness）优化

系统将用户请求分解为多步模型请求和工具调用（如 Codex 检查代码、搜索日志、编辑文件等）。为减少重复工作，OpenAI 优化了整个链条中的上下文管理、数据传输、工具调用等开销，而非仅加速模型本身。GPT-5.6 系列针对 agent 场景进行了专门的效率设计。

3. 模型训练层面的效率

GPT-5.6 在训练时就针对每 token 完成更多工作进行优化，同时考虑任务成功率和效率，塑造模型走更直接的路径。

对数据科学或 AI Agent 落地的意义

  • 降低推理成本：GPT-5.6 在同等硬件上能服务更多 token，直接降低了大规模 AI 应用的运营费用。对于数据科学家和 AI 工程师而言，这使在预算内部署强模型成为可能。
  • 促进 Agent 落地：代理工作流中的多次模型调用通常成本高昂，GPT-5.6 的系统级优化（特别是针对重复工作的缩减）让复杂多步骤 Agent（如自动编程、报告生成）更具实用性和经济性。
  • 自优化范式：模型本身参与优化推理流程（如内核重写、配置搜索），预示未来 AI 系统可能实现自我改进的效率闭环，减轻人工调优负担。

我的技术点评

GPT-5.6 的成功并非仅靠单一创新，而是系统性工程思维的体现。从模型训练、推理引擎到 agent 工作流，每一层都进行针对性优化，且利用旗舰模型 Sol 自身的能力来辅助优化（如自动调参、内核重写、实验设计），形成“用模型优化模型”的正反馈。这种自举（bootstrapping）方式在工业界具有里程碑意义：它不仅是效率提升，更是一种 AI 基础设施运维的新范式。不过，原文未透露具体硬件、量化或模型大小等细节，这也给行业内其他团队留下了追赶和创新的空间。未来，类似“模型即优化工具”的思路可能会在更多大型系统中普及。

原文链接

How GPT-5.6 fuses frontier intelligence with frontier efficiency | OpenAI