jason@jxnlco · XJason Liu 披露 Sol 帮助训练 Luna 的细节，也把多 agent 模式的实际表现讲得比官方博客更透，做 agent 的值得细读。
OpenAI 发布 5.6 模型系列，包括旗舰 Sol、日常 Terra 和快速低价 Luna。研究团队使用 Sol 在数小时内自动完成 Luna 的配置创建、训练任务启动与监控，而人类仅需授权。所有模型新增 Ultra 模式，通过子智能体提升性能：在 SEC-Bench Pro 上多智能体设置以更低模拟延迟达到更强结果。Sol 在 DeepSWE v1.1 达 72.7%，估计 API 成本比 Fable 5 低 36.2%；在 Artificial Analysis Intelligence Index 上，Sol 以 61% 更少时间和约一半成本接近 Fable 5。计算机使用性能提升，3 倍速度、1/2 成本，OpenAI 财务团队将月末结算从数天缩短至数小时。插件支持 Slack、Google Drive、Microsoft 365 等，应用内浏览器新增认证登录、多标签页和桌面端浏览器操作。
我仍然认为 5.6 被低估了。
真正的工作不仅仅是 Markdown 文件仓库和 Git 仓库。
高层面、高杠杆的工作，无论你是否是开发者，都横跨邮件、Slack、多个文档、浏览器中的多个标签页以及原生软件。
这不再仅仅是寻找上下文的问题，而是真正长时间自主地处理事务、委派任务、学会委派工作，并在整个计算机上开展工作。
今天直播中我了解到的一大惊喜是，我们的研究团队使用了 Sol 来帮助对 Luna 进行后训练，看看多智能体系统能带来多大的提升，以及我们的产品团队如何将同一种智能体工作转化为人们可以在其应用程序中使用的东西。
Sol 训练了 Luna
需要明确的是，这并不是一个模型从头发明整套训练方案。大部分配置已经存在于 Sol 中。对于这种较小规模的模型设置，我们团队的预估通常是一到两名研究人员花费一到两周时间，而不是一个基准测试结果。在这次内部运行中，Sol 在几小时内就启动了它。
在一次内部运行中，它检查了一个研究分支，创建了 Luna 配置，启动了训练任务，并全程监控。唯一的人工干预是授予它正确的权限。
我认为这才是我们应该指出的部分。一个模型帮助完成了构建下一个模型的工作。如果你从事模型研究，那么设置任务、运行任务并观察结果，正是你应该交给 Sol 去做的那类工作。
看到我们的研究团队和产品团队在这方面合作，真是令人难以置信。一旦一个模型能够承载一个工作流程，下一个问题就显而易见了：当它能够引入帮手时会发生什么？
使用 Ultra 模式的更多子智能体
以防大家还不了解产品阵容：
- Sol 是旗舰型号。
- Terra 用于日常工作。
- Luna 是快速、经济实惠的型号，适用于高吞吐量工作。
所有这些模型现在都拥有 Ultra 模式，这是整个系列中更高计算量的设置。它实际上是一种额外的模式，改变了这些模型使用子智能体的方式。目标是让你基本上可以注册使用子智能体，并承认这些操作通常会稍微贵一些。
在下方的 SEC-Bench Pro 图表中，多智能体设置在更低的模拟延迟下达到了比单智能体基线更强的结果。
那么这能带来什么好处呢？你花费更多模型 token，就能更快地完成一项艰巨任务，并获得更强的结果。Ultra 已在 ChatGPT Work 中面向 Pro 和企业用户开放，并在 Codex 中面向 Plus 及以上用户提供。
即便在你开启 Ultra 之前，Sol 本身已经非常高效。在 DeepSWE v1.1（一项长周期编程基准测试）上，Sol 达到了 72.7% 的成绩；发布图表显示，其预估 API 成本比 Fable 5 低 36.2%。在更广泛的 Artificial Analysis Intelligence Index 上，开启最大推理能力的 Sol 与 Fable 5 的差距在 1 分以内，同时完成任务的时间缩短了 61%，预估成本大约只有后者的一半。
使用计算机
我们还在人类数据方面投入了大量资源，5.6 版本的计算机使用功能表现令人难以置信。其性能通常优于 Fable，速度是其 3 倍，成本仅为其一半。
这里有一个很好的例子。在 OpenAI 内部，财务团队将月末结算和预测工作从几天缩短到了几小时。ChatGPT Work 帮助他们查找源数据、将其导入 Excel 或 Sheets、进行数据核对、创建幻灯片并验证结果。团队得以将更多时间花在解释数据变化上，而不是整理数据。
这就是我对计算机使用功能和插件如此兴奋的原因。
插件可以从 Slack、Google Drive、Microsoft 365 以及你工作中的其他工具中引入上下文。计算机使用功能则负责处理那些没有现成 API 的步骤。如果你是一个服务提供商，我们还有一种便捷的方式让你的插件进入我们的目录，为你提供成功所需的推广渠道。
应用内浏览器现在具备以下功能：
- 身份验证和登录； 2. 多个浏览器标签页； 3. 在 ChatGPT 桌面应用内进行浏览器操作。
现在，智能体可以在你继续使用电脑的同时，为你处理已登录网站上的操作。桌面计算机使用功能是一项独立的后台能力，用于在你的本地应用、文件和浏览器之间执行操作。
给出一个好的答案还不够。任务必须被完成。
试试看
最简单的体验方式是安装几个你已经在使用的插件。打开 ChatGPT 中的插件目录，连接诸如 Slack、Google Drive 或 Microsoft 365 之类的服务，然后提问：
关于我和我正在做的工作，你知道些什么？使用我已连接的插件。告诉我我正在参与哪些项目，当前什么看起来很重要，以及你还缺少哪些上下文。我应该思考什么，下一步该做什么？
你很快就能知道它是否拥有足够的上下文来提供帮助。然后，给它一个真正的任务去执行。
那是前沿，拥有 5.6 Sol。一个模型可以帮助设置下一个模型，在工作变得困难时引入子智能体，并使用你登录后使用的相同工具来推进实际任务。
下载 ChatGPT 桌面版 · 阅读 GPT-5.6 发布公告