OpenAI发布GPT-5.6：效率与智能双赢

OpenAI 发布 GPT-5.6 模型家族，旨在平衡能力与成本。旗舰模型 Sol 在 Artificial Analysis Coding Agent Index 上超越 Claude Fable 5，但成本不到一半；Terra 性能与 GPT-5.5 相当，价格减半；Luna 是最快最便宜的模型，价格比 Sol 低 80%。这些效率提升来自对模型、推理和智能体框架的全面优化。

过去四年，OpenAI 用户达 10 亿、企业超 200 万，效率成为关键。GPT-5.6 通过训练实现每 token 完成更多工作，优化任务成功率和效率。

推理优化

在算力受限、需求增长快于供给的背景下，推理栈的效率至关重要。目标是用相同硬件服务更多 token，同时保持智能、延迟、可用性和可靠性。优化涵盖路由、调度、内核、缓存和模型实现。GPT-5.6 Sol 在 Codex 中发挥了关键作用。

负载均衡：根据地理、容量、加速器类型路由请求；在集群内根据负载、上下文长度、缓存可用性等分配工作；在实例内跨加速器和子网络高效分配。Sol 帮助分析生产流量、发现不平衡源头、测试新策略，大幅降低了服务成本。

内核优化：Sol 自动重写和优化生产内核，使用 OpenAI 维护的开源 GPU 编程语言 Triton 和 Gluon，使端到端服务成本降低 20%。同时使用验证工具 FpSan 确保正确性。

推测解码：运行小型草案模型与主模型并行，提出多个 token 供主模型验证。Sol 通过数百次实验改进草案模型架构，并自主监控训练过程，使 token 生成效率提升超过 15%。

KV 缓存：输入时构建 KV 缓存，输出时重复读取和扩展。Sol 分析生产负载，生成并评估候选配置，实现特定工作负载的优化，从相同硬件中获得更多推理能力。

推理优化是一个持续反馈循环，Sol 加速了每个环节。

智能体框架

ChatGPT Work 和 Codex 通过一系列模型请求和工具调用来完成任务。智能体框架（Rust 编排层）通过减少重复工作提高效率。

避免上下文膨胀：通过延迟发现，只在需要时加载集成、自定义 MCP 工具、技能和插件；工具输出默认限制 10000 token，防止占用上下文。

保留精确前缀用于提示缓存：代理循环中重复发送相同指令、历史等。框架将历史视为只追加，新内容加在末尾；工具按确定顺序呈现，运行时设置在执行时应用，提高了提示缓存命中率。

效率增益来自多年堆栈优化，包括研究、推理和智能体框架。Sol 在优化中发挥的作用让人对未来的加速感到乐观。OpenAI 将继续在核优化和基础堆栈方面做出更大改进，将成本高效的智能带给用户。