GPT-5.6 把 OpenAI 變成模型選單

以前大家硬把所有任務丟同一個模型，現在 GPT-5.6 直接把 OpenAI 拆成三層選單。

我用 OpenAI 的模型一陣子了，越用越常有一種煩躁感：它什麼都能回，但什麼都想回得很滿。你問它一個簡單的 code review，它開始長篇大論；你丟一個內部摘要，它又像在寫論文。最卡的是，團隊最後還是會回到同一個問題：今天到底該用哪個模型？如果每個任務都先開最貴的腦袋，那不是效率，是在燒錢。

這次我看到 TechCrunch 對 OpenAI GPT-5.6 發表的整理，才比較清楚 OpenAI 想幹嘛。它不是只在推一個更強模型，而是在把整個產品線整理成可選的工作流：重活、日常、便宜量產，各自有位置。這種東西對做 API、內部工具、agent pipeline 的人比較有感，因為你終於可以開始做 routing，而不是每次都靠直覺亂選。

我先講結論：這版最有用的地方，不是它講了多少 AI 夢話，而是它逼你把任務分層。這件事一旦做對，成本、延遲、品質，三個都會好看很多。

OpenAI 這次等於承認：一顆模型包山包海，早就不夠用了

“GPT-5.6 comes in three variants: Sol (considered its workhorse), Terra (a more intermediate option), and Luna (its budget-friendly option).”

翻譯一下就是：OpenAI 不再假裝一個模型就能扛所有工作。Sol 是重型工作馬，Terra 是中間層，Luna 是便宜大量跑。這不是行銷包裝而已，這其實是在替你畫部署邏輯。

我自己在做內部工具時最常踩到這坑。產品團隊一開始都會說「我們要最好的模型」，結果一接進去才發現它被拿去做標題改寫、Slack 摘要、ticket 分類。這些任務不是不能用大模型，而是根本不該每次都用大模型。你把高階腦袋拿去做流水線雜務，最後只會得到高帳單和低滿意度。

這次三層分法比較像是把常識寫進產品裡。Sol 適合高風險推理、程式碼判讀、資安分析；Terra 適合一般助理工作、文件草稿、部門協作；Luna 則是分類、抽取、批次生成這種高頻低風險工作。這種分法聽起來很無聊，但真正在做產品的人都知道，無聊的架構通常最有用。

我會怎麼做：先把你現在的任務列出來，直接分成三欄。哪些東西出錯會傷到 production、金錢、權限，丟 Sol。哪些是日常助理工作，丟 Terra。哪些只是重複整理、抽欄位、改格式，丟 Luna。只要你不先做這步，後面所有模型比較都會變成空談。

• Sol：code review、incident analysis、security-sensitive reasoning。
• Terra：內部 copilot、文件草稿、跨部門工作流。
• Luna：分類、抽取、摘要、批次產生。

真正重要的是 token 效率，不是誰的口號比較大聲

Sam Altman told CNBC that Sol is “54% more token efficient” for AI coding tasks.

白話一點，OpenAI 這次主打的不是只有「更強」，而是「更省」。這差很多。因為只要 token 效率真的有提升，你在意的就不只是答案好不好，而是它是不是更快、更便宜、迭代更順。

我對這種效率宣稱一向很保留，因為很多模型都會把「省 token」包裝成神奇故事，結果只是把輸出縮短、把細節省掉。但如果它在 coding 場景真的能少吃 token，對 agent loop 跟多步驟修 code 來說就很實際。你做過自動修 bug 的流程就知道，模型最討厭的不是不會答，是廢話太多，跑一次就把預算吞掉。

這裡我反而覺得 OpenAI 的敘事算聰明。它直接把效率綁在 coding 上，因為寫程式是最容易讓人看出模型差異的地方。你丟一個 patch，它要嘛抓得到問題，要嘛抓不到；你要嘛看得出它少講廢話，要嘛看得出它在灌水。這比空泛講「通用智能」誠實多了。

實操上，我會先量自己的工作流，不要只看官方 benchmark。把同一個 prompt 丟給現有模型和便宜一階的模型，記錄輸出 token、延遲、人工修正次數。你會很快知道哪個任務值得花錢，哪個任務根本不配用最貴那顆腦袋。

• 先量 token，再談感覺。
• 看 retries，不要只看第一次答對率。
• 草稿走便宜模型，最後確認走高階模型。

資安是 OpenAI 最想拿來證明自己有用的地方

OpenAI says 5.6 is its “strongest cybersecurity model yet, achieving frontier performance with significantly fewer tokens.”

這句話的意思很直接：OpenAI 想把 GPT-5.6 包裝成能做防守工作的工具，而不是只有聊天。它列出的場景也不含糊，像 threat modeling、code review、patching、blue teaming，都是能落地的活。

我會特別注意這段，因為資安工作很少有模糊空間。模型如果看不出 diff 裡的權限問題、漏掉驗證邏輯、抓不到供應鏈風險，那就真的沒什麼好說的。但如果它能先幫你把明顯漏洞掃出來，甚至把攻擊路徑和修補方式講清楚，那它就不只是聊天機器人，而是能省 review 時間的工具。

TechCrunch 也提到，這類能力本來就帶有敏感性，OpenAI 需要面對 misuse 的疑慮。這點我不覺得意外。只要模型真的能看懂 code 和系統結構，防守和濫用本來就只差一層設定。問題不是要不要做，而是你有沒有把它放在可控的流程裡。

我的做法很簡單：把模型當 reviewer，不要當裁判。你餵它 diff、架構圖、威脅模型，然後要求它回傳具體發現：哪一行、什麼風險、怎麼打、怎麼修。只要它開始講空話，我就當它沒看懂。資安場景不能接受「大概有風險」這種答案，這種話拿去簡報可以，拿去修系統不行。

如果你真的要把它放進資安流程，我會建議先從 low-risk 的 review 做起，像 dependency 變更、文件中的安全檢查、一般 patch 的初審。等你看過它的誤判模式，再決定要不要往更深的場景推。

ChatGPT Work 其實是在搶辦公室雜務，不是在搶 AI 聊天市場

OpenAI released “ChatGPT Work,” a workplace companion for enterprise teams that runs on desktop, web, and mobile.

翻譯一下就是，OpenAI 想直接卡進你每天最煩的行政流程：文件、表格、簡報、跨裝置同步。這種東西看起來不性感，但企業採用常常就是從這裡開始的。因為大家付錢不是為了酷，是為了少做重複工作。

我看過太多 enterprise AI demo，一開始都在講「你可以問你的文件」，最後真正的痛點卻是文件根本還沒整理好。這也是為什麼 companion 產品比單顆模型更有意思。它不是只回答問題，而是直接貼進工作流，幫你草擬、摘要、重排、同步。

桌機、網頁、手機都支援這件事也很重要。很多工具死掉，不是因為模型不夠強，而是因為只能在 demo 那個視窗裡活著。真正的辦公室使用者不會一直待在同一個頁面，他們在 Slack、Email、Docs、會議之間來回跳。你如果不能跟著跳，就只是另一個孤島工具。

我會怎麼用：把 ChatGPT Work 當成助理層，不要當真實資料來源。讓它做草稿、摘要、格式轉換，最後的核對、輸入、發布還是要人來。這樣你才會得到節省時間，而不是把責任一起外包出去。

• 適合：草稿、整理、格式化、跨裝置接續工作。
• 不適合：最後定稿、權限決策、需要嚴格驗證的資料輸入。

Benchmark 可以看，但不要把它當部署決策

OpenAI cites the Artificial Analysis Coding Agent Index to claim Sol “sets a new state of the art at 80, 2.8 points above Fable 5.”

這句話的意思很標準：OpenAI 用第三方 benchmark 告訴你，它的 coding 模型比 Anthropic 的某個版本更強。這種比較我不會直接信，但我也不會直接忽略。因為 benchmark 至少能告訴你，該先從哪裡開始測。

問題是，很多人看到分數就開始腦補成「那我上線就穩了」。沒有這回事。模型在 benchmark 上贏，不代表進到真實產品就不會翻車。真實世界有壞 prompt、有舊上下文、有半句話、有使用者亂貼 log，還有一堆你沒預料到的邊界條件。這些東西才是讓模型失真的地方。

所以我會把 benchmark 當 shortlist，而不是 verdict。它能幫你縮小候選名單，但最後還是要回到你自己的資料、你自己的任務、你自己的失敗模式。尤其是你如果在做 agent 或 code assistant，光看 index 沒用，得看它會不會正確呼叫工具、會不會修對地方、會不會在錯誤時老實承認不知道。

實操上，我會先挑一兩個最常見的任務做 A/B test。像是 patch review、客服摘要、企業搜尋、威脅分析，各自挑一個。看它在你的資料上到底是更穩、還是只是更會講。

• Benchmark 是起點，不是上線許可證。
• 你的 logs 比簡報更誠實。
• 真實使用者很快會打臉漂亮分數。

價格表其實就是 OpenAI 在提醒你：該做 routing 了

OpenAI says Sol costs $5 input / $30 output per million tokens, Terra is $2.50 / $15, and Luna is $1 / $6.

這組價格很有意思，因為它不是單純列價，而是在暗示工作分層。Sol 最貴，Terra 中間，Luna 最便宜。你如果還把所有請求都丟同一層，那就是自己選擇不看訊號。

我特別在意 output token 的價格，因為真正燒錢的通常不是你問了什麼，而是模型回了多少。只要你有做長回答、multi-step reasoning、agent loop，你就會知道輸出才是成本黑洞。這也是為什麼 routing 很重要：便宜模型先跑，只有失敗或高風險時才升級。

我喜歡這種價格表，因為它逼你誠實面對架構。當最便宜的模型在 output 上只要高階模型的六分之一，你就很難再說「每個任務都用最強的比較保險」。保險沒錯，但保險也有保費。你不做分流，最後就是把保費灌進不值得的地方。

所以我的建議很土，但有效：先做一個 router。低風險、重複性高的工作先走 Luna；一般助理任務走 Terra；碰到安全、正確性、決策影響大的任務再升到 Sol。這樣你才會真的把模型家族用成家族，而不是把它們都當同一顆貴模型。

可抄的模板

# GPT-5.6-style model routing template for OpenAI workloads

## 目標
把每個任務送到最便宜、但仍能滿足品質、延遲與風險要求的模型。

## 模型分工
- Sol：高風險推理、code review、資安分析、最後驗證
- Terra：一般助理工作、內部工具、混合型商務任務
- Luna：抽取、分類、摘要、批次生成、低風險高頻任務

## 路由規則
1. 只要任務會影響 security、money、production code，先用 Sol。
2. 如果任務是日常工作，但仍需要合理推理，用 Terra。
3. 如果任務是重複、低風險、高量，先用 Luna。
4. 第一輪失敗就升一級，不要直接跳到最貴。
5. 如果人類本來就會複核，先用便宜模型做草稿。

## 驗證清單
- 輸出有沒有具體事實，還是只有看起來很順的廢話？
- 需要的地方有沒有 line number、欄位名、引用或證據？
- token 用量有沒有超預算？
- 這次輸出有沒有需要重跑？
- 如果現在交給人類，會不會還是要大改？

## Router prompt
你是一個模型路由器。

任務類型：
{{task_type}}

風險等級：
{{risk_level}}

預期輸出：
{{expected_output}}

請從以下三個模型中選一個：
- Sol：硬推理、資安、code review、最後確認
- Terra：標準助理工作、一般商務任務
- Luna：便宜、高量、低風險任務

請回傳：
1. chosen model
2. one-sentence reason
3. whether escalation is recommended

## 升級規則
- Luna 回答不完整或太空泛，就升到 Terra。
- Terra 涉及安全、程式正確性或高影響決策，就升到 Sol。
- 不要因為使用者要求長文，就自動升級。

## 範例
- 摘要 200 則客服回覆 -> Luna
- 草擬季度更新 -> Terra
- 檢查 auth bug 的 patch -> Sol
- 產生 threat model -> Sol
- 把會議紀錄改成條列 -> Luna
- 準備一份內部 memo -> Terra

我怎麼看這次發表

我覺得 GPT-5.6 最有價值的地方，不是它把自己講得多神，而是它把使用方式講得更清楚。你如果還想把模型當成單一入口，那你會繼續浪費錢、浪費時間，還會把該分層的工作全塞進同一個桶子裡。

但如果你接受這是一個 model menu，你就能開始做真正有用的事情：把高風險任務留給高階模型，把日常工作交給中階，把批次雜務丟給便宜層。這套方法論不花俏，卻很適合真的在交付產品的人。

我這篇的原始拆解主要來自 TechCrunch 文章，我把它整理成比較好直接上手的 routing 思路。模型名稱、價格、benchmark 與產品細節來自原文；分層方法、實操建議和可抄模板是我自己的整理與延伸。

如果你要把這套直接搬進團隊裡，先從一個簡單 router 開始，別一口氣想重構整個 AI stack。先能分流，再談優化，這才像真的在做工程。