Sam 把 GPT-5.6 推进 Copilot，Zara 说团队别只和 agent 说话：7月9-10日精选

GPT-5.6 这次没有只停在「模型发布」这四个字上。Sam Altman 在直播时把它和三个产品动作一起抛出来：ChatGPT Work、新的 ChatGPT 桌面 app，以及 hosted sites；OpenAI 官方稿随后确认，GPT-5.6 已经开始在 ChatGPT、Codex 和 API 中逐步开放。12

这两天的信号很集中：模型能力继续上涨，但真正的战场开始转向「谁能把模型放进真实工作里」。Microsoft 365 Copilot 把 GPT-5.6 设为 preferred model，ChatGPT Work 试图把 Codex、插件、桌面 app 和长任务合成一个工作入口；与此同时，Zara Zhang、cat wu 和 Guillermo Rauch 都在问同一个问题：agent 进团队后，协作方式会变成什么样。34567

OpenAI 对 GPT-5.6 的命名很明确：Sol 是旗舰模型，Terra 是日常工作平衡档，Luna 是最低成本档。官方稿还把 max 和 ultra 写进能力层级，后者默认协调多个 agent 并行处理复杂任务。2 这不是简单地多发几个模型名，而是在把「模型选择」变成产品里的调度问题。

ChatGPT Work 是这个调度问题的前台。OpenAI 把它描述成一个能跨 app 和文件采取行动、在必要时连续工作数小时、把目标拆成步骤完成的 agent；官方稿还写到 Codex 已经并入新的 ChatGPT 桌面 app，Chat、Work 和 Codex 会同时出现在桌面端。4 Sam 也补了一句：Codex 是新 work product 的核心，且不会消失。8

Microsoft 365 Copilot 则是另一条线。OpenAI 官方说明称，GPT-5.6 会进入 Word、Excel、PowerPoint、Chat 和 Cowork，帮助用户写文档、分析数据、制作展示和跨团队协作；Sam 在 7 月 10 日也转发确认，GPT-5.6 已成为 Microsoft 365 Copilot 的 preferred model。39

这就解释了为什么这次发布的重点不只是 benchmark。前沿模型开始直接卡进办公套件、桌面 app、浏览器、插件和文件系统，读者真正要关心的是：它能不能接住一整段工作，而不是只回答一句问题。

Dan Shipper 给了一个很实用的 day-zero 反馈：他认为 GPT-5.6 Sol 已经发布，Codex 被合进 ChatGPT Desktop 变成 ChatGPT Codex；他的判断是，Sol 在写作、速度和日常知识工作上很强，价格大约是 Fable 的一半，但在高级 coding 上仍不如 Fable。10 这和上一期的趋势接得上：用户不再只问「谁最强」，而是问「这件事该交给哪个模型」。

Aaron Levie 的 Box AI eval 把问题落到了企业任务上。他说 Box 用复杂企业文档任务测试 GPT-5.6，Sol 相比 GPT-5.5 在金融、医疗、公共部门和生命科学任务上都有提升；例如金融服务任务是 76% 对 71%，医疗场景是 58% 对 46%，公共部门成绩是 74% 对 63%，生命科学是 60% 对 51%。11 这些数字来自 Box 自己的测试，不能直接当成通用排名，但它们说明企业侧关心的不是「聊天更聪明」，而是模型能不能在真实文档、表格和规则里少犯一次关键错误。

Sam Altman 也把话题拉到成本上。他说 OpenAI 听到了企业对 AI 成本的担忧，5.6 Sol、Terra 和 Luna 都是在 dollars-per-task 上迈出的一步。12 Peter Yang 的体验补了一个反面提醒：他以前几乎不需要考虑 GPT-5.5 high fast mode 的用量，但 5.6 Sol high fast mode 消耗很快，所以准备切到 medium no fast mode 再看浏览器使用和其他任务表现。13

这大概会变成接下来几周的真实讨论：模型更强了，但「该开多高 effort、该用 Sol 还是 Terra、该什么时候降到 Luna」会变成产品体验的一部分。Peter 在另一条长反馈里也说，ChatGPT Work 和 Codex 的命名、Sol/Terra/Luna 与 effort 档位，对普通用户都还有点难懂。14

cat wu 的 Claude Tag 预告很值得放在这条主线里看。她说 Anthropic 会直播讲解从单人 Claude Code 到多人 Claude Tag 的演进：AI 先是补全句子，然后写完整功能，现在 Claude Tag 可以监控频道、主动做事、让整个团队一起 steer，并记住上周说过的内容。6 这类能力如果跑通，agent 就不再是一个人屏幕里的工具，而会进入团队沟通层。

Zara Zhang 提醒了这件事的副作用。她听到一个创始人给全员买 Codex Max，大家几乎都通过和 Codex 对话完成工作，结果会议取消、协作变少、团队文化变差；她把目标写成「human-human-agent collaboration」，也就是别只优化人和 agent 的关系，还要保住人和人之间的协作。5

这条提醒很及时。ChatGPT Work、Claude Tag、Eve、v0 这类产品都在把 agent 送进组织系统，但组织不是一组 API。权限、上下文、审批、责任边界、团队共识，都比「能不能自动做事」麻烦。Josh Woodward 在 Gemini App 用户反馈里提到，前 12 小时收到了 1400 多条回复，最高优先级包括 Google Workspace 集成可靠性、tool calling 可靠性、项目/文件夹组织、MCP 和 Custom Skills。15 这些听起来琐碎，但正是 agent 真正进入工作流时会卡住的地方。

Guillermo Rauch 这两天继续把 v0 推向设计系统。他说，用户可以用自己的 design system 生成设计、原型、前端和全栈 app；随着模型变快，v0 会更「magical」。7 Peter Yang 的测试也给出类似方向：他认为 GPT-5.6 在前端设计上缩小了与 Fable 的差距，并建议在想要 3D 动态效果时直接要求 AI 在 hero 区加入 3D WebGL 元素。16

Amjad Masad 从基础设施角度给了一个反差更强的判断：AI 正在让 coding less rigid，但运行时反而要更 rigid；他看到 Replit 的基础设施团队第一次写 formal specs，系统更确定、更可恢复。17 这句话很像 agent 时代的工程悖论：前台越自然语言，后台越要可验证。

Aditya Agarwal 则把这个趋势扩到了模型层。他说 Cognition 和 Cursor 都发布了基于开源模型的近前沿 coding models，这更像一个信号：未来 6 个月，所有高价值领域都会出现 domain-specific models。18 swyx 也提到，很多 agent lab 不愿承认自己使用中国模型，但 Cognition 团队真正难的地方是把多语言宣传/审查 eval、后训练修正和低成本高速服务生产化。19

这几条放在一起，今天能留下的判断很清楚：模型发布只是入口，真正的产品竞争会落到三件事上，任务成本、组织协作和工程可控性。

这两天还有很多高互动内容没有进入主线：体育赛、城市政治、纯转推、模型发布日的情绪短句都被压掉了。真正值得跟的是另一件事：前沿模型正在从「你打开一个聊天框」变成「它进入你已有的工作系统」。下一步要看的不是谁的发布词更漂亮，而是谁能把成本、协作和权限做得足够无聊，直到团队真的敢每天用。