7 月 9 日,OpenAI 把 GPT-5.6 三个档位 Sol/Terra/Luna 一起推向 GA。比起半年前 preview,真正落地的,是两个把「能力-成本曲线」再压一档的工程选择。 Ultra 模式——4 agent 并行编排。传统 scaling 在 thinking time 上做加法;GPT-5.6 走另一条路:4 个 agent 各管一段,主 agent 汇总。BrowseComp 单 agent 90.4%,Ultra 跑到 92.2%;Terminal-Bench 2.1 从 88.8% 抬到 91.9%。OpenAI 把它写进 Responses API 的 multi-agent beta,开发者可直接调,不用自建调度。 Programmatic Tool Calling(PTC)——工具调用从「透传」变「可编程」。过去每个 tool response 都要塞回模型下一轮;PTC 让模型写一段小程序,内部过滤聚合,只把下一动作送回主循环。早期客户数字:PlayCo 场景构建 token 砍 63.5%、turn 砍 50%;Clio 法律文档 prompt token 砍 38%、质量持平;Rogo 金融研究 output token 砍 24%、完成快 28%。 更长上下文不是新闻(1M 早已 preview),但 GA 在 MRCR v2 8-needle 256K-512K 段跑到 91.5%,GraphWalks 1M BFS 77.1%——这一批旗舰里第一个把 1M 上下文从 benchmark 口号变成工程现实。配合 PTC,长上下文 agent 的成本模型第一次有了支撑点。 拉远看,Sol/Terra/Luna 被定成「durable capability tiers」,会按各自节奏迭代,不再绑定某一代 release。配合三档定价,OpenAI 不再卖「最强模型」,而是卖「按预算可调度的算力梯度」——把「能力」切成可组合的运行时选项。 对搭 agent 平台的团队,直接信号是:多 agent 编排从实验特性变 API 一档;工具调用从透传变可编程。这两个能力,第一次有了头部厂商的稳定接口。