OpenAI 正式推出 GPT-5.6 系列，包括旗舰型号 Sol、均衡型号 Terra 和低成本型号 Luna。发布重点从单一排行榜分数转向“每个 Token 能完成多少有效工作”：更少输出、更少工具往返和更短完成时间，直接决定智能体应用的成本与稳定性。

三档模型意味着什么

Sol、Terra、Luna 把能力层级变成较稳定的产品选择。复杂代码库修改、长流程研究可以使用 Sol；大量常规知识工作可以使用 Terra；分类、提取和轻量编排则适合 Luna。

生产系统不应把所有请求都发给最强模型。更合理的架构是先按任务风险和复杂度路由，必要时再升级模型。这样既控制成本，也能避免简单请求被长推理拖慢。

程序化工具调用

GPT-5.6 在 Responses API 中加入 Programmatic Tool Calling。模型可以在内存中运行轻量程序，过滤工具产生的大量中间结果，只把关键内容保留到后续上下文。

传统智能体常把每次工具返回完整塞回模型，日志或搜索结果一多，输入 Token 会迅速膨胀。程序化处理让“取数、过滤、聚合”更接近普通软件逻辑，模型集中处理决策和解释。这会改变工具接口设计：返回结构化数据比返回大段文本更重要。

多智能体不等于默认更好

OpenAI 还提供多智能体 beta，并在 ultra 设置下并行协调多个工作流。并行探索适合研究、排障和需要比较多个方案的任务，但会增加 Token 和协调成本。只有当任务可以真正拆分、结果可以验证时，多智能体才有价值。

对开发者的建议

升级模型前先保存现有评测集，分别比较成功率、总 Token、工具调用次数和端到端延迟。不要只看官方基准，也不要因为模型更强就删除应用层验证。

GPT-5.6 释放的信号很明确：前沿模型的竞争已经从“能不能完成”走向“用多少时间和成本稳定完成”。对产品团队而言，模型路由、工具数据裁剪和任务评测会比单纯更换模型名称更重要。