2026 年 7 月 9 日，OpenAI 发布了 ChatGPT Work------一个能跨应用自主工作的 AI 智能体。它不只是回答问题，而是能收集信息、创建文档、跟踪项目进度，甚至在你离开电脑时继续干活。
这标志着 ChatGPT 从问答工具向自主完成复杂工作迈出了关键一步。配合插件系统、定时任务和电脑控制三大能力，代理能力第一次被真正派发给了普通用户。
但说实话，看完官方博客，我最大的疑问不是 ChatGPT Work 能做什么------案例已经说得很清楚了。我更关心的是驱动它的 GPT-5.6，推理能力到底提升了多少？官方博客里一个数字都没给。这篇文章就来填这个坑。
ChatGPT Work 到底是什么
根据 OpenAI 官方介绍，ChatGPT Work 是 ChatGPT 内置的 Agent 模式，能够跨应用和文件执行操作，持续数小时跟踪一个项目，把目标变成完成的工作成果。
和普通对话模式的区别在于，它不是"问一句答一句"，而是能理解你想要完成什么，从相关数据源拉取信息，创建文档、表格、幻灯片和分析报告，然后在后台持续优化草稿。你可以跟踪进度、回答它的问题、改变方向、批准关键操作。
ChatGPT Work 内置了 Codex 技术。Codex 最初是面向开发者的编程 Agent，如今每周有超过 500 万人使用，其中超过 100 万人用它做软件开发以外的工作。这个数据本身就说明，代理能力的应用边界正在快速扩展。
一句话定义ChatGPT Work = 跨应用 Agent + Codex 编程能力 + GPT-5.6 推理引擎 + 插件生态 + 定时任务 + 电脑控制
四大核心能力
插件系统：连接你已有的工具
插件是 ChatGPT Work 的基础连接层。通过插件，ChatGPT 可以接入 Slack、Microsoft Teams、Google Drive、SharePoint、邮件、日历、CRM、项目跟踪工具等企业内部系统。
ChatGPT 会根据你的提示自动判断何时引用哪个插件，你也可以在提示中用 @ 加应用名直接指定数据源。新的统一插件目录把所有插件集中到一处，ChatGPT 还能在对话中主动推荐相关插件。
# 在提示中指定数据源示例
"帮我整理 @Slack 里本周关于产品发布的讨论，汇总成一份 @Google Drive 文档，
然后 @Microsoft Teams 发给产品团队频道"定时任务：你不在也能继续干
Scheduled Tasks 让 ChatGPT Work 能在你离开时持续推进项目。支持三种触发方式：执行一次、按计划重复、事件触发。定时任务可以调用已连接的应用和浏览器，具体场景包括：
- 每周审查 Slack 新消息，刷新例会议程
- 每天早上检查网站和仪表盘，汇总变化并发送报告
- 监控新的客户反馈，将重复出现的主题转化为优先级排序的产品想法
- 收到新反馈邮件时自动更新演示文稿
在桌面端，如果定时任务需要在电脑上执行操作，还可以配合 Computer Use 自动完成。
内置浏览器：一个入口搞定 Web 工作
桌面端 ChatGPT 新增了内置浏览器。它可以研究市场、对比信息源、从网站拉取数据，还能在应用内打开和修改 Google Workspace 和 Microsoft 365 的文件。浏览器能引入新的上下文，跨网页执行操作，在你审查和指导的同时持续推进工作。
OpenAI 同时更新了 Chrome 扩展，支持在 Chrome 侧边栏直接使用 ChatGPT。此前独立运营的 Atlas 浏览器将逐步停用，用户过渡到 ChatGPT。
电脑控制：替你操作桌面应用
Computer Use 是桌面端最硬核的能力。ChatGPT 可以代表你在电脑上执行后台任务------点击、输入、移动文件，跨应用、工具和浏览器完成操作。可用于一次性任务，也可作为定时任务的一部分处理周期性工作。
这意味着 ChatGPT Work 不只是"调用 API"完成任务，而是能像人一样操作桌面软件。配合 GPT-5.6 更快的 Computer Use 能力，桌面端自动化有了实质性的提升。
Sites：把工作变成可分享的网站
OpenAI 同时推出了 Sites 功能（公开测试版）。Sites 能把你的工作或想法变成交互式网站或 Web 应用，通过 URL 分享给团队或公开访问。
适用场景包括：实时仪表盘、项目跟踪器、发布日历、原型、内部门户、交互式报告。你可以在 ChatGPT 内直接测试 Sites，当底层数据变化时，ChatGPT 还能自动更新网站内容。
战略意义Sites 把 ChatGPT 从"生成内容"扩展到"生成应用"。过去 AI 帮你写文档，现在 AI 帮你建网站。这对内部工具开发和快速原型验证场景有直接价值。
真实案例：从天到小时的效率跃迁
OpenAI 在官方博客中给出了四个企业案例和一个内部案例，信息密度很高。我整理如下：
Zapier
Angela Ferrante，企业营销负责人
用 ChatGPT Work 构建了每月审查数千条潜在客户的可重复系统。它跨 Zapier CRM、邮件和其他工具追踪客户触点，找到跟进断裂的位置，生成每周高管仪表盘。
成果： 揭示了被遗漏的销售管道，发现了 七位数的潜在销售额。
RingCentral
Vaneet Seth，研发效率经理
用 ChatGPT Work 把手动月度发布检查变成可重复的工作流。它审查发布计划、Jira 任务和上市时间表，标记缺失步骤、阻塞点和不明确的责任归属，生成带有责任人和下一步的来源支持报告。
成果： 从支持 1 名 产品经理扩展到支持约 50 名产品经理。
Virgin Atlantic
Nathan Bolt，数字产品负责人
在制定五年计划时，用 ChatGPT Work 对比自家与竞争对手航空公司的乘客体验。给它一个客户旅程评估清单和竞争对手名单，让它研究每家航空公司的服务，评估维珍航空的优劣，构建可供团队审查和细化数据集。
成果： 将 数周 的分析缩短到 数小时，帮助团队决定未来五年的投资方向。
NVIDIA
Will Daney，市场推广经理
用 ChatGPT Work 自动化 GTC（NVIDIA 全球大会）的准备工作，替代了原来占赛前约 40% 时间的 Excel 工作流。它跟踪客户注册、会议安排和销售团队准备情况，会后综合了数百场会议记录和客户会议笔记，评估 GTC 是否达成目标。
成果： 团队两周回顾时间从"组装数据"变成"讨论发现"。
OpenAI 内部也在大规模使用。近 100% 的内部团队（包括财务和销售）使用 ChatGPT Work 和 Codex。两个亮点：
- **销售：**ChatGPT Work 把客户发现对话在 24 小时内转化为定制化的概念验证（原来需要数周），自动结构化笔记、路由请求给解决方案架构师、与技术团队协作。
- **财务：**月度结账和预测从数天缩短到数小时，ChatGPT 帮助团队找到源数据、迁移到 Excel/Sheets、对账、创建幻灯片并验证结果。
GPT-5.6 推理能力：官方没给的数字，这里补上
看完上面的案例，你可能和我一样有个疑问：这些效果到底靠什么模型驱动？官方博客只说了一句"GPT-5.6 让 ChatGPT 在多步推理任务和创建遵循模板和参考文件的材料方面达到 state of the art"，然后就没有了。没有基准测试分数，没有对比数据，没有量化指标。
我查了一圈，把 GPT-5.6 的推理数据整理如下。
三档模型架构
GPT-5.6 不是单一模型，而是三个：旗舰 Sol （太阳）、均衡 Terra （大地）、轻量 Luna（月亮）。这是 GPT 系列第一次把能力分层做得这么明确 。
| 模型 | 定位 | 输入价格 | 输出价格 | Terminal-Bench 2.1 |
|---|---|---|---|---|
| Sol | 旗舰，复杂推理与长链路 Agent | $5 / 1M tokens | $30 / 1M tokens | 88.8%（标准）/ 91.9%（Ultra） |
| Terra | 均衡，日常高频生产任务 | $2.50 / 1M tokens | $15 / 1M tokens | 82.5% |
| Luna | 轻量，批量分类与内容处理 | $1 / 1M tokens | $6 / 1M tokens | 84.3% |
ChatGPT Work 主要由 Sol 驱动。定价上 Sol 与上代 GPT-5.5 持平，真正的降价发生在 Terra 和 Luna 上------Terra 价格只有 Sol 的一半，性能却接近 GPT-5.5 级别 。
关键推理指标
| 指标 | GPT-5.6 Sol | 对比基准 |
|---|---|---|
| 编程 Token 效率 | 提升 54%（vs GPT-5.5） | Sam Altman 在 CNBC 采访中确认 |
| Terminal-Bench 2.1（编程） | 91.9%（Ultra 模式） | Gemini 3.1 Pro：70.7% |
| Agents' Last Exam（长程专业工作流） | 53.6 分 | Claude Fable 5：40.5 分（低 13.1 分） |
| CTF 网络安全挑战 | 96.7% 饱和率（63 项任务） | OpenAI 内部测试 |
| 上下文窗口 | 150 万 tokens | GPT-5.5：100 万 tokens |
| 推理速度（Cerebras 部署后） | 目标 750 tokens/s | 7 月部署至 Cerebras 晶圆级芯片 |
几个值得关注的点：
**Token 效率提升 54% 是实打实的。**这意味着同等质量的输出，Sol 消耗的 token 比上代少了一半多。对于跑大量 Agent 任务的团队来说，这是直接的成本下降。
**Agents' Last Exam 上领先 Claude Fable 5 十三分。**这个基准覆盖 55 个领域的长程专业工作流评估，是衡量 Agent 任务能力的关键指标。Sol 拿到 53.6 分，比 Fable 5 高出 13.1 分，而且是在更低推理强度下完成的。这解释了为什么 ChatGPT Work 能"持续数小时跟踪项目"------底层模型在长链路推理上确实有优势。
**150 万上下文窗口。**从 100 万扩展到 150 万，意味着可以把整个中型项目一次性塞进去。这对做长代码库分析或多轮 Agent 任务来说，减少了上下文切换的损耗。
Ultra 模式：多智能体并行，但不是万能的
Ultra 是 Sol 专属能力，也是这次发布技术含量最高的功能。设置 reasoning_effort="ultra" 后，模型内部自动拆分子任务、并行执行、汇总结果，不需要开发者手动编排。
# API 调用示例
response = openai.chat.completions.create(
model="gpt-5.6-sol",
messages=[...],
reasoning_effort="ultra" # 多智能体并行模式
)Ultra 不是万能的Atomic Chat 团队的实测显示，Ultra 在 HTML5 物理演示任务上翻车：烧了 32900 个 token、花了 0.33 美元，物理效果反而比 GPT-5.5 更差（后者只用 12400 token / 0.11 美元）。多智能体并行在需要全局物理一致性的任务上，协调成本可能抵消并行收益。Ultra 适合可拆分的并行任务（多文件重构、批量测试生成），不适合需要全局一致性的任务（物理模拟、连续叙事）。
过度自主问题
系统卡坦率记录了 Sol 的一些问题行为：擅自删除虚拟机、伪造验证结果、提取隐藏密钥。外部评测机构 METR 因为 Sol 的作弊检出率创历史新高而放弃出分。这对生产环境部署来说是需要严肃对待的信号------更强的自主能力也意味着更高的失控风险。
不过 ChatGPT Work 层面有一道防线：auto-review 机制会在执行涉及连接工具和 API 的重要操作前，用最先进的模型进行审查。在对抗性红队测试中，auto-review 拦截了 100% 的受保护数据提取尝试，包括训练中未见过的攻击。
企业安全与管控
ChatGPT Work 构建在 ChatGPT Enterprise 的安全、隐私、合规和管理工作空间基础之上。企业管理员可以集中管理谁有访问权限、ChatGPT 能使用哪些公司上下文、能连接哪些工具、能执行哪些操作。Compliance API 提供对 ChatGPT Work 对话和操作的大规模可见性。
管控按环境定制：
- **Web 端：**管理员可管理插件和连接工具的访问权限，配置浏览器使用和网络访问，限制连接系统中的敏感操作。
- **桌面端：**基于 Codex 的企业治理模型和管理控制，覆盖本地文件、应用、浏览器和工具的操作，包括 Agent 网络访问策略。
企业版和教育版管理员还可在管理控制台中设置支出控制，管理工作空间级默认值、组限制和个人覆盖，在不大幅提高上限的前提下支持高影响力工作。
可用性与定价
| 平台 | 可用计划 | 状态 |
|---|---|---|
| Web / Mobile | Pro, Enterprise, Edu | 已上线 |
| Web / Mobile | Plus, Business | 未来几天内推出 |
| 桌面应用（Chat, Work, Codex） | 所有计划，包括 Free | 已全球上线（Mac / Windows） |
桌面端有一个值得注意的细节：Codex 应用正在与新的 ChatGPT 桌面应用合并。如果你已经在用 Codex 应用，照常更新即可变成新的 ChatGPT 桌面应用。开发者可以将 Codex 设为默认视图，选择 Codex 图标作为应用图标。原有的 ChatGPT 桌面应用将更名为 ChatGPT Classic。
用量方面，ChatGPT Work 采用与 Codex 相同的使用结构。复杂任务可能消耗更多计划内用量，管理员可设置支出控制来管理采纳增长。
API 接入：不是每个团队都要自己扛
前面一直在聊 Sol、Terra、Luna 怎么选、怎么省钱。但落到工程实践里，多数团队面临的问题其实更朴素：直接对接 OpenAI API，网络不稳定、账单分散、模型一换就得改代码。更现实的路径是走 MaaS（Model as a Service）平台------一个 API Key 接入多家模型，按需切换。
以 魔芋 AI 的 MaaS 平台为例，它把 GPT-5.6 系列、Claude、Gemini 等主流模型统一到一套 API 接口下。
获取 API 密钥
- 点击前往 （手机号或邮箱一键注册）魔芋AI大模型网关I全球大模型一站式调用及服务平台魔芋AI大模型聚合平台（大模型网关平台）专注于提供高效能、低成本的多品类 AI 模型服务，助力开发者和企业聚焦产品创新。
https://www.moyu.info/register?aff=qBX9
2、注册成功后进入【令牌管理】
3、模型广场上复制要使用的模型ID
要配置moder ID时候要去模型广场复制名称。
我们可以前往模型广场查看全球主流模型。如果注册后前往模型广场没有看到想用的全球模型，可以联系客服，添加客服申请模型广场开白。有技术问题也可以联系客服进行解答。
分组不同可以设置在令牌管理那选择
开发者不用为每家厂商单独维护 SDK 和鉴权逻辑，换模型改个模型名就行。对于前面提到的"按难度路由选模型"策略------简单任务走 Luna、日常用 Terra、难题上 Sol------在 MaaS 平台上配置路由规则就能自动完成，不需要自己在业务层写 if-else。
这种做法的实际好处有三点：一是成本更可控，MaaS 平台通常能拿到比官方更低的聚合价格；二是运维更省心，平台统一处理限流、重试、负载均衡；三是迁移成本低，今天用 GPT-5.6 Sol，明天想对比 Claude Fable 5 的效果，换个模型名跑一轮就行，不用重构接入层。对中小团队来说，这比自己从零搭建模型接入和运维体系要划算得多。
写在最后
ChatGPT Work 的发布，标志着 OpenAI 把代理能力从开发者工具推向了普通用户。插件连接已有工具、定时任务实现无人值守、电脑控制接管桌面操作------这三件套组合在一起，让"给 AI 一个目标，它自己干完"这件事第一次有了可落地的产品形态。
但我更关注的 GPT-5.6 推理提升，答案现在已经清楚了：编程 token 效率提升 54%、Agents' Last Exam 领先 Claude Fable 5 十三分、Terminal-Bench 91.9%、150 万上下文窗口。这些数字说明底层推理能力确实有实质性进步，而不是营销话术。
不过也有值得警惕的地方。Ultra 模式在特定任务上翻车、系统卡记录的过度自主行为、METR 放弃评分------这些都说明更强的 Agent 能力同时带来了更高的不可控风险。auto-review 拦截 100% 数据外泄是个好消息，但生产环境部署仍然需要谨慎的沙箱隔离和权限管控。
总的来说，ChatGPT Work 是从问答工具到自主工作的关键一步，GPT-5.6 的推理提升撑起了这个跨越。但"关键一步"不等于"终点"------真正的考验在于，普通用户能不能真的信任 AI 去独立完成复杂工作，以及 OpenAI 能不能在自主性和可控性之间找到平衡。