Codex 最新功能与 GPT-5.6 模型详解
2026 年 7 月 9 日，OpenAI 正式发布 GPT‑5.6，并同步更新 Codex 的模型选择、推理强度和多智能体能力。它不是一次简单的模型替换：Codex 的工作方式发生了变化，GPT‑5.6 本身也采用了新的三档模型体系。
本文分成两部分：先解释 Codex 新增了哪些功能、分别解决什么问题；再介绍 GPT‑5.6 Sol、Terra 和 Luna 的定位、性能、价格与使用建议。信息以 OpenAI 7 月 9 日的正式发布公告为准。
一、Codex 最近更新了什么？
Codex 最新一次实质性更新发生在 7 月 9 日：GPT‑5.6 正式进入 Codex，并带来新的模型分层、推理强度和多智能体工作方式。6 月份上线的浏览器 Developer mode、/init、插件、批注与 Sites 仍然重要，但它们现在成了 GPT‑5.6 执行任务时可以利用的产品能力。
1. Codex 正式接入 GPT‑5.6 三个档位
Codex 不再只有一个笼统的"最新模型"。新版本按照任务难度和成本提供三个选择：
- Sol 是旗舰档，适合复杂编码、长任务、架构分析和高难度调试；
- Terra 在能力与成本之间取平衡，适合大多数日常开发和知识工作；
- Luna 更快、更便宜，适合简单修改、批量处理和高频交互。
Free 和 Go 用户可以在 Codex 中使用 Terra；Plus、Pro、Business 和 Enterprise 用户可以在 Sol、Terra、Luna 之间选择，并分别设置推理强度。这个变化比单纯"换了新模型"更重要，因为用户终于可以按照任务价值分配算力。
2. max 与 ultra：推理更深，或让多个智能体并行
max 会给模型更多时间探索方案、执行检查和修正结果。在 Codex 中，只要账号有 GPT‑5.6 使用权限，就可以在设置中开启 max。
ultra 则不是普通的"再多想一会儿"。它默认协调四个智能体并行处理不同工作流，再汇总结果。OpenAI 把它定位为高难度任务的最高能力模式。Codex 的 Plus 及以上套餐可以使用 ultra，代价是消耗更多 tokens。
这意味着复杂任务可以从串行处理变成并行协作。例如，一个智能体检查后端逻辑，一个分析前端，一个运行测试，另一个审查安全与兼容性，最后再合并结论。它更适合大型重构、跨模块排障和需要多条证据链的研究任务。
3. 浏览器 Developer mode：开始真正调试网页
过去让 AI 修改前端，常见流程是：截图、描述问题、让模型猜代码，再刷新页面看结果。它能工作，但遇到复杂问题时效率很低，因为截图无法告诉模型控制台报了什么错、某个请求为什么失败，也看不到元素最终应用了哪些 CSS。
新的 Browser Developer mode 允许 Codex 在受控条件下使用 Chrome DevTools Protocol，检查：
- JavaScript 控制台输出；
- 网络请求和响应；
- DOM 结构与页面状态；
- 元素实际应用的样式；
- JavaScript 的性能表现。
这让 Codex 能区分"界面看起来不对"和"程序运行出了问题"。例如，按钮点击无反应时，它可以继续判断是事件没有绑定、接口返回 401、前端状态没有更新，还是 CSS 把弹窗遮住了。
Developer mode 默认关闭，需要用户在 Codex 设置中主动开启。这个限制很合理，因为更深的浏览器访问能力也意味着更大的权限范围。
4. /init 命令：给项目生成 AGENTS.md
新版本加入了 /init 命令，用来生成 AGENTS.md 项目说明文件。这个文件可以告诉 Codex：
- 项目怎样安装和运行；
- 应该执行哪些测试；
- 代码风格和目录约定是什么；
- 哪些文件不能改；
- 完成任务的判断标准是什么。
它看起来只是一个初始化命令，实际解决的是智能体开发中最麻烦的问题之一：模型每次进入项目时，都要重新猜测团队规则。
不过，自动生成的 AGENTS.md 只能作为起点。真正有用的版本仍然需要团队补上项目特有的边界，比如数据库迁移要求、发布流程和安全限制。
5. 未读任务与更清楚的额度提示
Codex 命令菜单新增了未读对话区域，适合同时运行多个任务时快速找到需要处理的结果。额度提示也更具体，会说明当前套餐、工作区限制以及预计重置时间。
这些功能不算"能力突破"，却会直接影响日常使用。智能体一旦开始并行工作，任务有没有完成、哪里需要批准、什么时候能继续运行，往往比再多一个生成按钮更重要。
部分符合条件的 Plus 和 Pro 用户还获得了额度重置储备功能，可以通过邀请机制取得限时可用的重置次数。这属于账户和用量机制，不代表模型能力发生变化。
6. 插件、批注和 Sites：Codex 不再只面向程序员
OpenAI 在 6 月 2 日公布的更新中，把 Codex 的应用范围继续向知识工作扩展：
- 插件可以连接角色和业务工具，让 Codex 访问获准的数据与流程；
- 批注允许用户直接选中文档、表格、幻灯片或网页中的具体位置，再要求 Codex 局部修改；
- Sites 可以把生成的网站或交互应用发布到工作区 URL，目前主要面向 Business 和 Enterprise 预览。
这套组合的意义很实际。用户不必反复说"第三页右下角那张图"或"导航栏第二个按钮"，可以直接在成品上指出问题。Codex 获取明确的修改位置，再调用工具完成变更。
从这个角度看，Codex 的竞争对象已经不只是代码助手。它正在靠近一个通用的数字工作台：能读取上下文，操作软件，生成文件，接受批注，再继续修改。
二、GPT-5.6 是什么？
GPT‑5.6 不是一个单独模型，而是一个由三个档位组成的模型家族。它在 6 月 26 日开始限量预览，并于 7 月 9 日正式全面发布：
| 模型 | 定位 | 官方预览价格（每百万 tokens） | 适合的任务 |
|---|---|---|---|
| GPT‑5.6 Sol | 旗舰、能力最强 | 输入 5 美元 / 输出 30 美元 | 复杂软件工程、科研、专业分析、高难度推理 |
| GPT‑5.6 Terra | 能力与成本平衡 | 输入 2.5 美元 / 输出 15 美元 | 日常专业工作、规模化业务任务 |
| GPT‑5.6 Luna | 最快、成本最低 | 输入 1 美元 / 输出 6 美元 | 高频交互、批量处理、对延迟敏感的应用 |
官方把 GPT‑5.6 的提升重点放在软件工程、计算机操作、专业知识工作、科学研究和网络安全上。这次正式版还加入了 Programmatic Tool Calling：模型可以在 Responses API 中编写并运行轻量程序，协调工具、筛选中间结果并根据进展调整下一步，减少反复把全部工具输出传回模型造成的消耗。
GPT‑5.6 还调整了提示词缓存：支持显式缓存断点，并提供至少 30 分钟的缓存生命周期。对长系统提示、固定知识背景或多轮代理任务来说，可预测的缓存机制有机会降低重复输入的成本。
GPT‑5.6 现已向不同产品和套餐开放，但权限并不完全相同：ChatGPT 的 Plus、Pro、Business 和 Enterprise 用户可通过中等及以上推理强度使用 Sol；Pro 和 Enterprise 还可以选择面向复杂任务的 Sol Pro。Codex 与 ChatGPT Work 中，Free 和 Go 用户使用 Terra，Plus 及以上用户可以选择三个档位。API 开发者也可以直接调用 Sol、Terra 和 Luna。
1. 编程与长任务能力
GPT‑5.6 Sol 被 OpenAI 定位为目前最强的编码模型。它在 Terminal‑Bench 2.1、DeepSWE 等强调终端操作、真实代码库和长时间工程任务的评测中取得了更高成绩。官方特别强调了"用更少 tokens 完成更多工作"，这对需要多轮读取文件、调用工具和修复测试的智能体任务，比一次性代码问答更有意义。
2. 计算机操作与设计能力
GPT‑5.6 能检查已经渲染的界面，再根据视觉和交互结果继续修改，不局限于生成 HTML、CSS 或组件代码。OpenAI 公布的重点场景包括前端、交互可视化、演示文稿、文档和电子表格。
官方数据显示，GPT‑5.6 Sol 在 OSWorld 2.0 上取得 62.6%，在 BrowseComp 上取得 90.4%；使用 Ultra 多智能体模式时，BrowseComp 提升到 92.2%。这些成绩不能替代真实项目测试，但说明这代模型明显加强了浏览、工具使用和计算机操作。
3. Programmatic Tool Calling
传统工具调用通常需要把每次工具返回的内容重新交给模型。数据量一大，tokens 和等待时间都会增加。GPT‑5.6 在 Responses API 中支持 Programmatic Tool Calling，让模型编写轻量程序来协调工具、过滤结果、监控进度并决定下一步，只保留真正有用的中间信息。
它适合搜索大量资料、分析多份文件、调用多个业务接口或执行复杂数据处理。官方还说明，这项能力兼容 Zero Data Retention 场景。
4. 科研与网络安全
GPT‑5.6 在生命科学、化学和网络安全评测上有明显提升。Sol 在 ExploitBench 2 上达到 73.5%，高于 GPT‑5.5 的 47.9%。不过，能力提高也带来更严格的安全检查。部分生物或网络安全请求可能需要额外审核，高风险能力会更多地向完成身份验证或加入 Trusted Access 计划的用户开放。
5. 怎样选择 Sol、Terra 和 Luna？
- 大型重构、复杂调试、科研分析、长周期专业任务，优先测试 Sol。
- 日常编码、文档分析、数据处理和规模化业务任务，先用 Terra。它往往是成本与质量更均衡的选择。
- 简单问答、批量转换、低延迟交互或成本敏感型应用，使用 Luna。
不要只用一条提示词比较三个模型。更可靠的方法是选取一组真实任务，记录成功率、人工返工时间、总 tokens、工具调用次数和端到端延迟。价格低的模型如果需要反复重试，最终成本未必更低。
三、这轮更新意味着什么？
Codex 的新功能让智能体获得更完整的工作环境：它能读项目规则、操作浏览器、接受局部批注、调用插件并组织多个智能体。GPT‑5.6 则提高了这些工作背后的推理、工具使用、设计和计算机操作能力。
对普通使用者来说，最直接的变化是可以按任务选择不同模型和推理强度。对团队来说，更值得测试的是端到端结果：同一项真实工作能否少返工、少调用工具、更快完成，而不是只看模型榜单。