这两天帮朋友整理一份行业研报的基础资料，前前后后跑了大几十轮 API，今早一看账单愣了 ------ 快两百块的额度，一半都花在了用户反馈分类、资料格式整理这种没什么技术含量的活上。
说实话我之前就是典型的 "顶配党"，不管什么任务，上来就选能力最强的模型。总觉得一分钱一分货，贵的模型输出稳，省得返工。直到刷到 GPT 5.6 的更新细节，盯着那三个模型层级看了半天，突然拍了下大腿：我之前那用法，纯纯是让架构师去干录入员的活，纯浪费。
本来我只是随便刷个更新热闹，结果越看越觉得有意思，索性顺着自己之前踩过的坑，把这点思考整理出来。
三个挡位的模型，本质是让你别再 "杀鸡用牛刀"
这次 GPT 5.6 直接拆成了 Sol、Terra、Luna 三个固定挡位，名字起得挺花哨，说白了就是把能力、速度、成本做了三档划分，对应不同难度的任务。
Sol 是顶配，专门啃最难的硬骨头。比如手里攥着五六份来源不同的材料，要交叉验证信息、找矛盾点，或者任务本身目标就模糊，得一边摸索一边调工具、反复检查结果的，这种活交给它才不亏。
Terra 是均衡档，日常大部分工作其实都在这个区间里。写一份文档初稿、敲普通的业务代码、整理数据表格、做常规的内容总结，这些不需要极致推理，但要保证质量稳定的活，用它刚好。
Luna 就是轻快档，速度快、成本低，适合量大、规则明确的高频调用。比如一万条用户评论做分类、从合同里提取固定字段、批量格式化文本，这种结构化强、不需要发散思考的任务，丢给它就行。
我之前最蠢的地方就在这。上个月做用户反馈分析，一万多条评论，我直接开着顶配模型跑了一晚上。现在回头想，那些分类规则我都写得明明白白，无非是按 "功能建议、bug 反馈、体验吐槽" 归个类，这种活别说 Luna，换个更小的模型都能干明白。我多花的那几倍钱，纯纯是为自己的思维定式买单。
说句实在话 以后团队里拼谁 AI 用得好，真不是比谁充的额度多、谁天天用顶配。是比谁能把任务拆明白，什么活派给什么挡位的模型，这才是真的会过日子。就像带团队不能什么活都扔给技术总监，基础活交给实习生，核心难题再让高手上，资源匹配对了，成本直接就能打下来。
比分层更狠的，是工具调用终于不用 "一步一指挥" 了
其实分层只是开胃菜，真正让我觉得 "这玩意儿真的在变实用" 的，是它这次提的 "可编程工具调用"。
不知道你们有没有过这种经历：让 AI 调工具干活，全程得像个保姆一样盯着。比如让它去读一份 PDF 提取字段，它调完文档解析工具，返回一堆乱七八糟的冗余内容，你得再写一大段提示词告诉它 "把这几列拎出来，格式做成表格，去掉空行"；等它整理完，你发现漏了几个字段，又得再补一句 "把 XX 字段也加上，按日期排序"。来来回回三四轮，一半 Token 都花在了 "重复说要求" 上。
我之前做合同条款提取的时候，就被这个坑过。一份三十多页的合同，光中间整理数据、修正格式就来回调了五轮，最后算下来，真正用来解析内容的 Token 还没中间沟通的多。当时我还吐槽模型笨，连个中间结果都不会自己处理。
这次的升级刚好戳中了这个痛点。模型不再是 "调一次工具、等一次指令、再走下一步" 的机械模式，它可以在任务中间自己写轻量的程序，把返回的原始数据过滤一遍、整理成需要的格式，甚至自己发现数据有缺失、有矛盾，直接接着调用下一个工具去补全，不用等人在中间发号施令。
就拿行业研究来说，最费时间的从来不是最后写结论，是前面的脏活累活：找资料、判断来源靠不靠谱、整理成统一的表格、发现信息对不上还要再去搜新的资料补差。以前这些步骤，你得盯着 AI 一步步走，它搜完一页你得告诉它 "再去看看竞品的官网"，它整理完表格你得告诉它 "这里数据不对，再核实一下"。
现在相当于你把目标说清楚，它自己能把这个流程跑下来。中间数据脏了自己洗，信息缺了自己补，发现矛盾了自己去交叉验证，最后把整理好的初稿和数据源一起丢给你。你不用再当中间的传声筒，只需要最后做审核就行。
从 "问一句答一句" 到 "自己拆任务干活"，这才是真正的拐点
我看很多人讨论这次更新，都在纠结跑分涨了多少、有没有超过竞品。说实话，跑分当然重要，但这东西更像个入场券 ------ 过了某个门槛之后，再往上堆智商，对日常工作的提升其实没那么大。
真正值得在意的，是 AI 的角色变了。
前几年的 AIGC 时代，AI 更像个顾问。你得把问题拆得明明白白，问一句，它答一句。你要是只甩一句 "帮我做份运营方案"，它大概率给你一堆空泛的正确废话。任务越具体、步骤越清晰，它干得越好；一旦目标模糊、需要自己探索，它就容易跑偏。
但现在的方向明显不一样了。它开始往 "协作者" 的方向走，不用你把每一步都喂到嘴边，你给一个大目标，它能自己拆成小任务，自己调工具推进，自己检查中间结果。说白了，就是从 "你说一步我做一步" 的实习生，变成了能自己扛下一块活的执行岗。
我之前看过一个说法，说 AGI 前夕的标志，不是模型能做对多少难题，是它能不能独立走完一个完整的工作流。现在看好像确实是这么回事。以前我们用 AI，是用它的 "回答能力"；以后用 AI，是用它的 "执行能力"。它不再是你问问题的搜索引擎，而是能帮你把流程跑通的虚拟员工。
当然了，能自己跑和能放心让它跑是两回事。现阶段复杂任务肯定还是要人兜底，但哪怕只是能把中间 80% 的机械步骤扛下来，省下来的时间和精力都已经很可观了。
别只盯着跑分了，AI 的真实成本根本不是单 Token 价格
说到这就不得不提一个很多人都有的误区：算 AI 成本的时候，只盯着单 Token 的价格看。
我之前也算过这笔糊涂账，总觉得某模型千 Token 便宜几分钱，就是更划算。直到后来搭了个自动化工作流，才发现根本不是那么回事。
AI 的实际成本，从来都不只是 API 账单上的数字。你算上这些试试：多轮会话里反复写提示词的 Token 开销、工具调用失败后的返工成本、人工检查纠错的时间成本、调试一条工作流稳定跑通要花的时间成本...... 这些隐形成本加起来，往往比明面上的 Token 钱贵多了。
比如两个模型，A 单 Token 比 B 便宜 20%，但工具调用成功率低 30%，经常返回格式错乱的结果，需要人手动修正。那最后算总账，A 的总成本反而比 B 高一大截。因为你省下来的那点 Token 钱，还不够补返工和人工的坑。
GPT 5.6 这次的思路就很实在：它没一味堆跑分，而是盯着 "复杂任务的交付成本" 往下打。代码、浏览、计算机操作、文档、表格、演示，这些日常工作里最高频的场景，它做得更稳、更自动化，中间少出错，少要人干预。看起来单 Token 可能没便宜多少，但一条工作流跑下来，总开销反而降了，因为中间的返工和沟通成本少了。
说实话，跑分是给评测机构看的，落地成本才是给真正用它干活的人看的。以前大家比的是 "谁更聪明"，以后大家比的，是谁能把 AI 嵌进具体的工作流程里，把结果控制住，把成本算明白。
最后说两句我自己的感受
其实刷完更新细节那天，我坐着愣了好一会。倒不是因为模型又变厉害了，是突然意识到，我们用 AI 的方式，可能很快就要彻底变了。
以前我们选模型，就一个标准：哪个最强用哪个。以后可能不是了。你手里会有好几个不同挡位的模型，就像团队里有不同职级的员工，你得学会分配任务，知道什么活该派给谁，既能保证质量，又不浪费资源。以后团队之间的差距，可能真不是谁能用到更强的模型，是谁更会 "带" 这个 AI 团队。
当然也不是说就可以完全撒手不管了。越是复杂、责任重的任务，越需要人兜底。AI 能帮你干流程里的脏活累活，能帮你把 80% 的基础工作做完，但最终的判断、决策，还得是人来拍板。它是帮手，不是替代品。
这段时间用下来，我自己最深的感受有三个： 第一，别再迷信 "最强模型" 了。大部分日常工作，均衡档的模型完全够用，把顶配的资源留给真正的难题，成本能降一大截。 第二，AI 的价值早就不在 "回答问题" 了。能不能嵌进你的工作流程，能不能减少中间的人工干预，才是真正的生产力差距。 第三，跑分是门槛，但真到落地干活，稳定性和总成本，比所谓的 "智商天花板" 重要多了。
最后也想问问你们，平时用 AI 干活的时候，有没有过明明简单任务却用了顶配模型的浪费经历？或者有没有自己的分层使用技巧？评论区聊聊，我也想取取经。