GPT-5.6 вышел в ночное время, ChatGPT и Codex официально объединились, одна эпоха закончилась

Автор：Цифровая жизнь Каззика

Сегодня GPT-5.6 наконец-то официально запущен в прямом эфире OpenAI.

Помимо GPT-5.6, ChatGPT также получил, по моему мнению, самое большое обновление с момента своего появления в 2022 году.

Уже из анимации анонса прямого эфира OpenAI можно увидеть интересные намеки: ChatGPT и Codex сегодня, в этот момент, объединяются.

Итак, новый ChatGPT пришел.

Codex исчез, официально объединившись с приложением ChatGPT, и в будущем Codex как приложение больше не будет существовать, останется только ChatGPT.

Но когда вы откроете новый интерфейс ChatGPT, вы снова обнаружите, что оригинальный интерфейс ChatGPT тоже исчез, весь экран заполнен UI, который принадлежит изначальному Codex, осталась только маленькая вкладка чата, подтверждающая, что когда-то ChatGPT действительно существовал.

Вдруг стало немного грустно.

Таким образом, эпоха чата, начатая ChatGPT 30 ноября 2022 года, сегодня завершила свою миссию просвещения для широкой аудитории, а объединение ChatGPT и Codex знаменует приход новой эпохи, которую мы назовем:

Эпоха Агентов.

Давайте обсудим это по порядку.

I. GPT-5.6

Сначала поговорим о самом важном — GPT-5.6.

На этот раз представлено три модели: новый флагман Sol, сбалансированная модель Terra для повседневной работы и так называемая наиболее экономически эффективная модель Luna от OpenAI.

Наша основная тема — это GPT-5.6 Sol, поскольку он в основном представляет собой вершину интеллекта, которую OpenAI может предложить.

Насколько эта модель сильна, можно понять по действиям Anthropic: после выпуска GPT-5.6 Sol они сразу решили сбросить лимиты…

Возможно, за последние несколько лет я никогда не ожидал нового модели так, как сейчас, ожидая запуска GPT-5.6.

Причина очень проста: мой сайт новостей AI AIHOT, хотя я уже сделал все, что мог, например, сменил IP-адрес и спрятал его за крайним прокси, сделал частичную защиту от DDoS, реализовал стратегии блокировки и JS-вызовы и так далее.

Но каждый день он подвергается атакам различными способами, от обычных атак в начале до почти полностью DDoS сейчас, и даже с использованием распределенного CC для создания проблем, всякого рода беспорядка.

Вчера я подвергся 4 атакам, утреннюю не смог отразить, что привело к сбою, но три атаки после обеда удалось отразить.

На этом этапе Claude Fable 5 уже совершенно не подходит, потому что эти слова почти все являются чувствительными, как только речь заходит о DDoS, он сразу переключается на Opus 4.8, и хотя Fable 5 обладает выдающимся интеллектом и планировочными способностями, на практике у него все же есть некоторые проблемы, он часто упускает много деталей и, как и серия Claude, имеет определенные галлюцинации.

А самый большой недостаток — это цена, лимиты быстро заканчиваются…

GPT-5.5 — это модель, которую я использую больше всего в последнее время.

Но и здесь есть серьезные проблемы: способности к планированию и разработке решений очень средние, он совершенно не мыслит комплексно, сразу начинает действовать, уровень галлюцинаций действительно очень низкий, выполнение кода действительно сильное, исправление ошибок и тому подобное — довольно неплохо, но часто не хватает комплексности, и, кроме того, способности к планированию и разработке решений оставляют желать лучшего, недостатки слишком очевидны.

Часто он вызывает у меня сильное раздражение.

В разработке стратегий безопасности он еще более уязвим, его решения пробивают как решето, и в конечном итоге мне приходится использовать оставшиеся 10% лимита Claude Fable 5 для сброса правил и подстраховки.

Эти 7 дней интенсивной обороны и среднее время кодирования по 16 часов в день позволили мне оценить Fable 5 и GPT-5.5 следующим образом.

Fable 5 действительно является гением уровня директора, но, как вы знаете, в управлении всегда есть некоторая неточность в деталях исполнения, использование инструментов и чрезмерная активность часто приводят к тому, что он делает все сам, но в итоге в некоторых деталях отклоняется от того, что вам нужно.

А GPT-5.5 — это высококвалифицированный инженер, который действительно хорош в исполнении, но, как сказал один интернет-пользователь, "GPT-5.5 больше всего похож на человека, который внезапно встает в конференц-зале и начинает рисовать на белой доске, пока вы все еще описываете беспорядок, он уже начинает разбирать план."

Сейчас я застрял на этом: лимит Claude Fable 5 исчерпан, GPT-5.5 может выполнять только средние проекты.

Поэтому в этом контексте вы должны понять, почему я так ждал GPT-5.6.

Потому что я действительно надеюсь, что они смогут продвинуть всю способность к кодированию еще на шаг вперед, и я крайне поддерживаю OpenAI в борьбе с глупыми Anthropic.

После того как OpenAI 26 июня выпустил предварительный обзор, сегодня рано утром, наконец, пришел GPT-5.6.

Я сразу же поднял GPT-5.6 Sol до максимального уровня Ultra и начал работать.

После 5 часов интенсивной параллельной разработки я почувствовал, что у меня есть некоторые собственные ощущения от GPT-5.6, если описать это одним предложением, то это:

Модель самого низкого уровня на сегодняшний день, по низкой цене, с высокой стоимостью, способности к планированию и разработке решений в некоторых не гигантских задачах сопоставимы с Fable 5 (гигантские задачи я тоже не могу выполнять, они уже превышают мои возможности), способности агента и выполнение кода имеют очень низкий уровень галлюцинаций и очень точны, взаимодействие с Codex и удаленное кодирование просто отличные, управление браузером более стабильное и так далее.

Тем не менее, эстетика фронтенда и создание контента по-прежнему остаются сложными проблемами, в этой области он действительно не может сравниться с Claude, но кроме этого, я не могу придумать ни одной причины, по которой мне снова нужно использовать Claude.

Кроме того, GPT-5.6 Sol включен в подписочный план, в будущем подписчики смогут использовать его!

OpenAI, ура! Codex, ура! GPT, ура!

Как обычно, давайте кратко рассмотрим официальные результаты GPT-5.6.

В экзамене Agents' Last Exam, охватывающем 55 областей долгосрочных профессиональных рабочих процессов, GPT-5.6 Sol с результатом 53.6 обновил рекорд, опередив Claude Fable 5 (адаптивное рассуждение) на 13.1 балла.

Даже при использовании среднего режима рассуждения он все равно опережает Fable 5 на 11.4 балла при оценке стоимости примерно на четверть.

Я считаю это знаковым событием: Fable 5 действительно силен, но этот экономический эффект почти означает, что мы вряд ли сможем использовать его в повседневной жизни в больших масштабах.

А GPT-5.6 достиг превосходства в эффективности выполнения при очень низкой стоимости.

На индексе интеллектуальных показателей AA GPT-5.6 всего на один балл ниже Fable 5, но время выполнения задач сократилось на 61%, а оценка стоимости снизилась примерно вдвое.

А в области кодирования это преимущество стало еще более значительным.

В индексе программирования Artificial Analysis, использующий максимальные возможности рассуждения, GPT-5.6 Sol с результатом 80 установил новый технологический стандарт, опередив Fable 5 на 2.8 балла, при этом количество выходных токенов уменьшилось более чем вдвое, время сократилось более чем вдвое, а стоимость снизилась примерно на треть.

Из этого графика также видно, что для повседневных задач достаточно установить высокий уровень рассуждения для исправления ошибок.

Если это крупные задачи, то нужно установить очень высокий уровень.

Для крайне крупных переработок или критически важных задач (например, защиты моего AIHOT) или когда ваши токены действительно не заканчиваются, иногда стоит поднять уровень рассуждения до Ultra, это наиболее эффективный способ использования токенов.

И вы знаете, когда я увидел, что GPT-5.6 Sol набрал 73.5% на ExploitBench, измеряющем прогресс от взаимодействия с уязвимым кодом до выполнения произвольного кода, это означает, что с очень низкими затратами можно достичь почти такого же уровня кибербезопасности, как и Fable 5!!!

Честно говоря, когда я это увидел, мои глаза заблестели, я так взволнован, что не мог уснуть.

Кроме того, в моих тестах иногда появлялись предупреждения о запрете сетевой безопасности.

Но когда я объяснил, что это для защиты моего крайнего прокси, я надеялся, что он поможет мне оптимизировать, и он успешно выполнил задачу, не сделав никаких препятствий.

Задача, которую я дал, была именно такой, я ввел голосом и ошибся, распознав EO как EU, но это мелочи:

Я сразу запустил Ultra, и это был быстрый режим, почти все управление происходило через браузер, и через почти 21 минуту мне был предоставлен очень подробный отчет о проверке.

Я использовал пакет Pro за 200 долларов, расход токенов составил примерно 20% за 5 часов, а за неделю около 2-3%. Я хочу сказать, что это намного комфортнее, чем Fable 5.

Имейте в виду, что это было 21 минутное полное управление Chrome в быстром режиме, с 1.5-кратным расходом, плюс Ultra!

Если бы это был Fable 5, поверьте мне, играя так, Fable 5 + Ultracode, не было бы и речи о быстром режиме, за один раз можно было бы потратить 8-10% недельного лимита.

Это просто абсурд.

И качество этого очень высокое.

Поскольку правила моего крайнего прокси основаны на Fable 5, затем GPT-5.5 добавил некоторые патчи и провел несколько оптимизаций, но, похоже, ничего не удалось оптимизировать, не удалось найти никаких проблем.

Но GPT-5.6 Sol сразу выявил множество проблем, о которых они раньше не думали.

Я не буду публиковать весь текст, потому что там слишком много уязвимостей…

Я сразу выделил 11 задач.

В любом случае, я был поражен, и затем позволил GPT-5.6 Sol самостоятельно их исправить.

Очень стабильно, все было обработано четко, без каких-либо ошибок, теперь остается только посмотреть на реальную защиту во время атаки завтра.

Затем есть еще один вариант, который, похоже, показывает различия в характере и индивидуальности между GPT-5.6 Sol и Claude Fable 5.

Например, у меня есть давняя проблема, связанная с тем, что для AIHOT всем не нужно открывать магический опыт чтения, поэтому я создал страницу с деталями для каждой новости, вот так.

Но идея этой страницы с деталями хороша, но на практике есть огромные проблемы, потому что мне нужно захватить всю информацию с исходного сайта без изменений и постараться восстановить для всех такой же опыт чтения, как на исходном сайте.

Но вы должны знать, что сейчас за мониторингом источников стоит несколько сотен сайтов с разными формами, я уже постарался сделать все возможное, но все равно часто захватываю какие-то странные вещи.

Вот так.

И вот так.

Попытка адаптировать все веб-страницы, очистить их до красивого вида, почти как на исходном сайте, даже сохранив формат, гиперссылки, библиотеки кода, графики и так далее, слишком сложно, потому что форматов веб-страниц слишком много, ранее я использовал Opus 4.8 и GPT-5.5, и результаты были просто ужасными.

Но я все равно хочу решить эту задачу, чтобы пользователи AIHOT могли получить лучший опыт при просмотре информации.

Поэтому я одновременно передал эту задачу GPT-5.6 Sol и Claude Fable 5.

Пусть они оба предложат решения.

Даже они оба использовали один и тот же файл CLAUDE.md, потому что мой AGENTS.md напрямую ссылается на CLAUDE.md, поэтому почти все переменные одинаковы, единственное отличие - это сама модель.

А в конечном итоге, после вывода, честно говоря, я даже считаю, что решение GPT-5.6 более детализировано, чем у Fable 5, это действительно интересный момент.

Например, изначально, с самого начала, есть классификация, например, много информации, которая не захватывается напрямую, а идет через API и RSS.

Эти имеют четкий текст.

И в рассмотрении GPT-5.6 также учитывается эта часть, но он не стал, как Fable 5, прямо считать это правило обязательным.

А вместо этого он выразил сомнение.

Поэтому мы не можем им доверять, все источники - это всего лишь источники, мы должны сами извлекать структурированный текст, даже если он поступает через RSS и API, это также нужно учитывать.

Fable 5 на самом деле упустил этот момент.

Включая контент, который недавно многократно появлялся на сайте с тем же доменным именем, вероятно, это навигация или фиксированные CTA, поэтому на самом деле можно провести стандартизированную статистику, повторяющиеся элементы можно сразу распознать и удалить.

GPT-5.6 и Fable 5 оба учли этот момент, но все равно остается тот же вопрос: на первом выводе GPT-5.6 все же более детализирован.

И еще более абсурдно, я считаю, что на этот раз читаемость контента, выданного GPT-5.6, лучше, чем у Fable 5, его решение я могу читать, но Fable 5, возможно, я слишком неумел, его плотность информации слишком высока, я не могу это осилить.

В конце концов, из этих двух решений я все же выбрал, чтобы GPT-5.6 Sol запустил целевой режим для окончательного выполнения.

Потому что, откровенно говоря, эта задача немного сложная, я не уверен, что Claude Fable 5 сможет стабильно и точно обработать так много деталей в течение длительного времени, в дальнейшем это может привести к галлюцинациям, исправил здесь, забыл там, а затем в процессе противостоящей проверки снова и снова опровергает себя, это очень неудобно.

Но уровень галлюцинаций GPT-5.6 в моих тестах, по моим ощущениям, остается на прежнем уровне, почти как межконтинентальная ракета, указывает куда, туда и стреляет, и в сочетании с целевым режимом, в конечном итоге всегда может очень точно выполнить задачу, это действительно приятно.

Хотя в процессе также могут возникать некоторые странные низкоуровневые ошибки, как и у GPT-5.5, которые приводят к циклам в некоторых этапах, но таких случаев будет меньше, и их можно будет быстрее решить, не влияя на окончательный вывод.

А предыдущая задача, на момент публикации, уже разрабатывалась почти 2 часа, но еще не завершена, в основном это связано с проверкой и сравнением, оптимизация действительно занимает много времени.

Но в процессе тестирования я увидел несколько страниц, которые все еще отличные, я сейчас немного жду, когда он закончит и развернет это на AIHOT.

Теперь о фронтенд-эстетике, она действительно значительно улучшилась по сравнению с GPT-5.5, но все еще далека от Claude.

Например, скоро должен прийти тайфун, я случайно написал один запрос:

Вызвать API для получения данных о тайфуне Бави и сгенерировать визуальный экран в одном HTML-файле.

Эффект GPT-5.5 был таким, просто Эмммммм.

Но GPT-5.6 Sol выглядит так.

Фронтенд-эффект действительно значительно эволюционировал, по крайней мере, AI Slop больше не возникает.

В настоящее время пользователи Plus и Pro могут использовать GPT‑5.6 Sol, в то время как бесплатные и Go пользователи могут использовать только GPT‑5.6 Terra.

А самый высокий уровень Ultra reasoning доступен только для пользователей Pro за 100 и 200 долларов, пользователи Plus также не могут его использовать.

В настоящее время GPT‑5.6 тарифицируется по миллиону токенов.

Sol стоит 5 долларов за ввод / 30 долларов за вывод; Terra стоит 2.5 доллара за ввод / 15 долларов за вывод; Luna стоит 1 доллар за ввод / 6 долларов за вывод.

GPT‑5.6 также внедрил более предсказуемую функцию кэширования подсказок, включая поддержку явных точек кэширования и минимальный срок жизни кэша в 30 минут.

Для GPT‑5.6 и последующих моделей запись в кэш будет тарифицироваться по цене 1,25 от цены не кэшированного ввода модели, в то время как чтение из кэша продолжит пользоваться 90% скидкой на ввод кэша.

II. Работа ChatGPT

Это обновление, о котором я не думал.

То есть, как мы и говорили в начале, объединены ChatGPT и Codex.

Теперь вы можете в верхнем левом углу напрямую переключаться между работой и Codex.

На самом деле, это разница между Cowork и Claude Code.

Хотя Codex является универсальным агентом, возможно, некоторые профессионалы это знают, он может писать код и выполнять офисные задачи, с этим нет никаких проблем.

Но все же существует большая проблема на рынке, это проблема восприятия: как только вы говорите, что можете разрабатывать, что можете писать код, многие пользователи все равно будут думать, что порог входа очень высок.

Поэтому с точки зрения восприятия, разделение Work и Code должно быть лучшим решением, хотя на самом деле это одно и то же, но пользователи это воспринимают иначе.

Вы посмотрите на WorkBuddy в Китае, и поймете, что сейчас у них уже миллионы активных пользователей в день, с кем тут можно спорить.

А продукты OpenAI действительно имеют свою изюминку, их хитрость заключается в том, что они не выбрали запуск Codex Work, а просто преобразовали ChatGPT, этого гиганта с миллиардом активных пользователей в неделю, в ChatGPT Work, и это становится гораздо более понятным.

Кроме того, пользователи предыдущего ChatGPT переходят сюда, это совершенно естественно.

Но если говорить о различиях между этим режимом Work и Codex, я думаю, они настолько незначительны, что их можно игнорировать.

Главная особенность восприятия, возможно, заключается в том, что в этом меню элементы, связанные с Code, заменены на наборы Doc, PPT, Excel, что делает ваше восприятие более похожим на то, что это помогает вам работать.

Я случайно использовал GPT-5.6 Sol для создания своего собственного PPT с его собственным плагином.

Как бы там ни было, эстетика серии GPT, возможно, сможет быть улучшена только с помощью совершенно нового предобученного модели GPT-6…

Пока что это только для просмотра.

Однако для обработки таблиц и анализа данных это действительно мощно, настолько мощно, что зашкаливает.

При наличии условий, я рекомендую всем скачать приложение ChatGPT и использовать его для работы, это, возможно, самый выгодный и качественный продукт класса Work, который вы можете использовать сегодня.

А предыдущий режим ChatGPT Chat, то есть чат, был спрятан в маленькой вкладке, как будто его историческая миссия уже завершена.

После нажатия появится всплывающее окно в правом нижнем углу, этот маленький интерфейс — это ChatGPT Chat.

Кроме того, на этот раз есть интересная новая функция, также предназначенная для рабочих сценариев.

Это новая функция под названием "Сайт".

Мы все знаем, что для многих неразработчиков, на самом деле, создание продукта и его развертывание в интернете для других — это довольно сложная задача.

Поэтому OpenAI разработал эту функцию, чтобы решить эту проблему.

Суть заключается в том, что они внедрили свой собственный навык под названием Sites.

После завершения работы вы можете просто сказать команду, например, развернуть с помощью Sites.

Он сам поможет вам развернуть в интернете и предоставит вам доменное имя, которое вы можете поделиться с друзьями и коллегами.

Для широкой аудитории это крайне удобно.

В заключение

Я думаю, что на этот раз OpenAI с помощью своих продуктов и моделей снова доказал.

Эта компания все еще жива, они все еще те самые OpenAI.

Когда-то OpenAI был юным героем, сражающимся с драконом Google, с развитием времени они постепенно превратились из воинов в дракона, сидящего на сокровищах.

Они начали получать много критики, никто больше не любил их, все говорили, что OpenAI должен исчезнуть.

Но с появлением Anthropic, OpenAI на некоторое время оказался под давлением.

Он с позором покинул свой трон, глядя на нового дракона, который занял его место.

Затем он снова поднял щит и поднял меч, который уже начал ржаветь.

Он разрубил того, кто сам отправил его на трон гордыни, Sora, одним ударом.

Он решил вернуться к народу, создать модель, которую хочет народ, создать продукт, который нравится народу.

И вот, спустя несколько месяцев, он снова вернулся к тому трону, который когда-то принадлежал ему, стоя перед драконом по имени Anthropic.

Он сказал, что теперь.

Теперь твоя очередь.