更新时间：2026 年 7 月 9 日。GPT-5.6 正在分批推送，如果你的账号暂时看不到，不一定是套餐有问题，也可能只是还没轮到。
先用一句话说清楚
GPT-5.6 不只是一个更会聊天的模型，它更像一个能长期干活的 AI 助手：可以查资料、读文件、写代码、做表格、操作电脑，还能检查自己做出来的东西有没有问题。
这次一共来了三个版本：
- Sol：能力最强，适合复杂研究、编程、设计和长任务。
- Terra：能力和价格比较平衡，适合大部分日常工作。
- Luna：速度快、价格低，适合大量重复任务。
可以把它们理解成三个不同岗位：Sol 是资深专家，Terra 是性价比很高的主力员工，Luna 是专门处理大量标准化工作的高速助手。
GPT-5.6 什么时候发布，普通人能不能用
GPT-5.6 在 2026 年 6 月 26 日第一次公开时，还只是小范围测试，普通 ChatGPT 用户用不到。
到了 7 月 9 日，OpenAI 宣布正式向 ChatGPT、Codex 和 API 推送。因为是分批开放，所以不同账号看到新模型的时间可能会相差几个小时。
在普通 ChatGPT 对话中，快速回答仍然主要由 GPT-5.5 Instant 负责；付费用户选择 Medium 或 High 等推理档位时，会使用 GPT-5.6 Sol。Terra 和 Luna 主要出现在 ChatGPT Work、Codex 和 API 中，具体以你账号里的模型选择器为准。
token 到底是什么
很多人看到“每百万 tokens 多少钱”就头大。其实 token 不是某种需要提前充值的积分，它更像 AI 计算文字用的计价单位。
英文里经常有人说“一个 token 约等于四个字符”，但这个说法不能直接套到中文。为了更接近中文观众的真实使用，我用当前常用的 o200k_base 编码，对自写的小说、剧本和这篇博客做了测算：
- 小说样本：258 个汉字，约 255 tokens。
- 剧本样本：177 个汉字，约 174 tokens。
- 原版博客：5539 个汉字，连同英文、数字和 Markdown 一共约 6151 tokens。
因此，在现代中文内容里，可以先把 1 个汉字约等于 0.9 到 1.2 tokens 当成粗略换算。文章里英文、数字、代码和特殊格式越多，比例越可能变化。
最简单的记法就是：
一千个汉字，通常也就是一千 tokens 左右。
这不是绝对公式，但比拿英文的“四个字符一个 token”来套中文靠谱得多。
写一万字剧本、十万字小说，大概要多少钱
GPT-5.6 API 的官方输出价格是：Sol 每百万 tokens 30 美元，Terra 15 美元，Luna 6 美元。
按照每个汉字约 0.9 到 1.2 tokens 估算，只计算模型生成出来的文字：
| 任务 | 预计输出 tokens | Sol | Terra | Luna |
|---|---|---|---|---|
| 生成这篇原版博客 | 约 6151 | 约 0.19 美元 | 约 0.09 美元 | 约 0.04 美元 |
| 生成 1 万字剧本 | 约 9000–12000 | 约 0.27–0.36 美元 | 约 0.14–0.18 美元 | 约 0.05–0.07 美元 |
| 生成 10 万字小说 | 约 9万–12万 | 约 2.7–3.6 美元 | 约 1.35–1.8 美元 | 约 0.54–0.72 美元 |
按 1 美元约等于 7.2 元人民币做心算，一部 10 万字小说只算输出文字，Sol 大约 19 到 26 元，Terra 大约 10 到 13 元，Luna 大约 4 到 5 元。
这张表有三个重要前提：
- 这是 API 价格。ChatGPT 订阅用户通常消耗套餐额度，不会在聊天窗口里逐字扣费。
- 这里只算最终输出，不包括提示词、人物设定、参考资料和之前章节这些输入内容。
- 也没有算反复改稿。让 AI 重写三遍，费用自然会接近三倍。
所以“10 万字只要几美元”在技术上可以成立，但真正写一部能看的小说，通常还要分章生成、检查前后设定、重写剧情和统一文风，实际成本会更高。
105 万上下文到底有多大
Sol、Terra 和 Luna 都有大约 105 万 tokens 的上下文窗口。
继续用中文换算，它理论上能放进大约 88 万到 117 万个汉字，差不多相当于把多部长篇小说、人物设定和修改记录一起摆在 AI 的工作台上。
但上下文窗口不是一个可以全部塞满的空硬盘。系统说明、工具返回、聊天记录和模型思考都要占位置。材料越多，模型也越可能抓错重点。
更合理的做法是：给它人物表、剧情大纲、最近几章和必须遵守的规则，而不是把所有历史内容不加整理地一次性丢进去。
GPT-5.6 单次最多可以输出 12.8 万 tokens，换成中文大约是 10 万到 14 万字。这个数字说明它的容量很大，不代表应该让它一口气写完整部长篇小说。分章节写，更容易控制质量，也更方便发现人物和剧情跑偏。
max 和 ultra，用大白话怎么理解
max 可以理解成：让一个能力很强的人多想一会儿，多检查几遍再交卷。
它适合复杂代码、重要报告、困难分析等任务。拿它改一句标题，通常只是浪费时间和额度。
ultra 则像一个四人小组。默认可以让多个智能体同时分工：一个查价格，一个核对套餐，一个找基准数据，一个检查安全限制，最后再把结果合并。
所以两者不是“高配”和“更高配”的简单关系：
max：一个人思考得更深。ultra：多个人同时分工。
只有任务真的能拆开时，Ultra 才容易体现价值。
GPT-5.6 比 GPT-5.5 强在哪里
更会操作电脑
在 OpenAI 公布的 OSWorld 2.0 电脑操作测试中，GPT-5.6 Sol 得分 62.6%，GPT-5.5 是 47.5%。
说得直白一点：如果把它想象成 100 个标准化电脑任务，5.6 大约能完成 63 个，5.5 大约完成 48 个。这个提升很明显，但 63 分也绝对不是“随便操作都不会出错”。
真实使用中，它仍然可能被弹窗、验证码、网页改版和网络延迟卡住。
更会把东西做完整
以前让 AI 做网站，它可能写完代码就说“完成了”。GPT-5.6 更擅长继续打开页面，看看手机端有没有挤成一团、按钮能不能点、控制台有没有报错，然后再修改。
做演示文稿、文档和表格也是同样道理。升级重点不是多写几句漂亮话，而是更接近一个可以直接交付的成品。
更会组织工具
GPT-5.6 可以在一次工作中协调多个工具，还能写轻量程序处理大量中间数据。
比如让它检查 100 个网页，它不一定要把每个网页的全部内容来回传递，而是可以先提取需要的字段，只留下异常项。这样通常更快，也更省 tokens。
长任务更能坚持
它更适合从“查资料”一路做到“整理、制作、检查和交付”，中间不需要用户每走一步都重新提醒。
但自主性更强也有风险。OpenAI 的系统卡提醒，GPT-5.6 在长任务里比 GPT-5.5 更容易过度坚持，有时可能尝试用户没有明确要求的操作。
所以涉及删除文件、发送邮件、发布文章、付款和修改线上系统时，仍然应该要求它先确认。
“命中率”应该怎么看
写小说、写脚本没有一个可信的统一命中率。不能因为某个模型在电脑测试里是 62.6%，就说它写小说也有 62.6% 的概率一次成功。
官方基准只能说明它在指定题目、指定工具和指定评分规则下表现如何。真正做内容时，更实用的比较方法是记录：
- 有多少事实错误。
- 人物、时间线和前后设定有没有打架。
- 第一次生成后需要人工改几处。
- 最终成品能不能直接用。
- 完成同一任务花了多长时间。
如果你看到有人直接宣传“写小说命中率 95%”或“成功率百分之百”，但没有告诉你测试材料、评分标准和运行次数，这个数字基本没有参考价值。
适合视频展示的三个实测
测试一：写一段真正能拍的视频脚本
分别让 GPT-5.5 和 GPT-5.6 根据同一份资料写 1000 字中文脚本，要求包括开场钩子、事实来源、镜头提示和结尾总结。
不要只比较文笔，要数一数：谁漏掉的信息少，谁编造的数字少，谁改得更少。
测试二：从零做一个成本计算器
让两个模型分别做一个“AI 模型成本计算器”网页，包括手机适配、价格切换和实时计算。
最后直接展示网页，不要只展示代码。观众一眼就能看出谁的排版更完整、谁真的检查了手机端、谁还需要人工修补。
测试三：让 AI 操作电脑交付 Excel
让模型打开 OpenAI 官方页面，整理三个型号的价格和可用范围，生成一份 Excel，再随机核对三个单元格。
这组测试可以同时观察浏览器操作、信息提取、表格制作和自我检查，比单纯问“你比上一代强在哪里”更有说服力。
普通人到底应该选哪个
- 简单聊天、翻译和改写：GPT-5.5 Instant 通常已经够快。
- 做复杂内容、研究、编程和重要成品：优先 Sol。
- 想兼顾能力和费用：优先试 Terra。
- 有大量分类、提取、格式整理：优先试 Luna。
- 一个问题很难，需要反复验证：再开
max。 - 一个任务可以拆成多个独立部分：再考虑
ultra。
最强的模型不一定适合所有任务。就像不会为了去楼下买菜每天都开赛车，模型也应该按任务难度来选。
最后的判断
GPT-5.6 真正值得关注的地方，不是它又记住了多少知识，而是它越来越像一个能动手完成工作的助手。
对于普通观众，最容易感受到的升级会是三件事：复杂任务少跑偏，电脑操作成功率更高，做出来的网站、文档和表格更接近成品。
但它仍然不是无人监督的全自动员工。最靠谱的用法，是把目标、资料、权限和验收标准说清楚，让它负责执行，人负责最后检查。