GPT-5.6 发布那天，OpenAI 给开发者的说法就一句：前沿级别的智能体能力，这次便宜得明显。说实话我一开始当宣传话术听的，直到看见 BrowseComp 上那组数。三个月前 GPT-5.5 开 Extra High 档，得分 84.36%，总成本 33.27 美元。换成 GPT-5.6 的 Luna，同样 Extra High，得分 84.04%，花了 1.33 美元。分数基本没动，钱差了二十多倍，而且 OpenAI 后来又降了一轮价。那天我正好有个跑旗舰模型的项目要续费，看完顺手把自动续费关了。
这跟那种新模型性能提升百分之多少的例行更新不一样，它把你过去选模型的整套习惯作废了。以前只有旗舰扛得动的活，现在小模型、低档位就能接。一条条看。
拉满推理档位的老习惯，该戒了
以前碰上长任务，流程闭着眼都能背出来：换旗舰，推理档位拉到 high，因为便宜模型处理长上下文和工具调用确实吃力。Agents’ Last Exam 上有个很拧巴的结果，GPT-5.6 Sol 只开 low 档，跑赢了 GPT-5.5 开 high 档的成绩。也就是说，以前必须拉满的场景，现在降一档甚至两档都够用。
AI 研究公司 Hex 把 GPT-5.6 接进自家 harness 之后，发现最好的结果恰恰出在低推理档位上。他们的原话是，它知道数据什么时候不在那里，不会去追错误线索，用更少的 token 就找到了正确答案。
这条路线其实从 GPT-5 就定了，每一代都往用更少的 token 干更长远的任务上凑，5.6 接着往前跑：智能体性能更强，成本更低，底层 harness 几乎不用动。我个人觉得最值钱的是最后这半句，你沉淀下来的工程不用推倒重来。
98% 的活，小模型接得住
文档处理公司 Hypha 实测，Luna 的信息抽取准确率保住了 GPT-5.5 约 98% 的水平，成本只有十八分之一。就冲这个性价比，他们把高质量文档理解铺进了更多工作流。做法律科技的团队路子也类似：手写备忘录先让 Terra 或 Luna 抽一遍，结果再交给强模型做分析，账面上省出一大块。
所以选模型的优先级可以倒过来了。高并发、低延迟这类场景先考虑小模型，Terra、Luna 都行。智能体流程里那些重复的环节也一样，多投入一点测试时计算，它们的表现常常能对齐 GPT-5.4 和 5.5。旗舰留在真正要判断力的地方。
模型没换，分数从 13.3% 跳到 38.3%
跟模型一起发的 Responses API，多了三组能力。推理持久化，推理过程可以跨轮次保存，配上原生压缩，长对话不用每次从头拼上下文。原生多智能体编排，主智能体把活拆给一堆子智能体并行干。还有程序化工具调用，过滤、汇总这类确定性工作交给代码去跑。单看介绍都挺平淡的。
但 ARC-AGI-3 上的数字不平淡。GPT-5.6 Sol 用标准 harness 得分 13.3%，把推理持久化和压缩打开，直接跳到 38.3%，输出 token 还少了约 6 倍。模型没换，纯粹是架构用对了。我第一次看到这组数，就回头把自己几个一直没开持久化的项目挨个改了配置。
机械活交给代码，模型只管判断
智能体的活其实混着两类，一类要判断力，一类纯属搬运、过滤和合并数据。以前模型得在上下文窗口里把每个中间结果过一遍，token 烧得快，还容易上下文腐烂。
程序化工具调用让 GPT-5.6 直接写 JavaScript 来编排工具：独立调用并行跑，输出在上下文窗口外处理，模型只盯真正需要智力的那部分。金融研究公司 Rogo 用下来，输入 token 少了 21%，输出质量没掉。他们有句话说得挺狠：一个智能体能讨论金融研究，一个能真正把它做出来。
多智能体那套也是现成的：主智能体调度，子智能体并行推进各自的目标，结果交回主智能体汇总，ChatGPT 里的 ultra 能力档位底层就是这套机制。它自己清楚该开几个、什么时候开，你也可以显式规定什么情况下才允许派生子智能体，省得在不必要的地方烧 token。
缓存 30 分钟起步，最容易忽略的省钱项
整个 5.6 家族的 prompt 缓存 TTL 延长到了最少 30 分钟，缓存断点还能在模型上下文窗口内确定性设置，同一段上下文在多次运行之间可以复用。AI 工程公司 Ploy 的玩法：共享的 29000 token 提示词里加缓存断点，配按工作区区分的 key，未缓存输入直接砍掉 28%。再挑个合适的 prompt_cache_key，请求更容易命中之前服务过相同前缀的推理引擎，延迟也跟着降。这个改动不起眼，但属于你不主动配、就一分钱都省不着的类型。
这轮更新里模型、API 和缓存各改各的，指向其实是同一件事。会选模型、会搭架构，比无脑上旗舰省得多。工具是备齐了，至于你自己流程里哪一环最烧钱，OpenAI 不知道，得自己翻账单去。
