一、引言：背景与核心问题#

GPT-5.2 到 GPT-5.6，半年四个大版本。这种节奏放在 2021 年想都不敢想——那时候 GPT-3 和 GPT-3.5 隔了快两年。现在呢？一个季度一更，发布会跟手机厂商开年会似的。为什么能这么干？预训练和后训练管线成熟了，模型规模的边际收益在递减，大家把力气都转到对齐、工具调用和产品封装上。模型发布本身，越来越像一场营销行为。

这一波最值得琢磨的不是某个单点突破，而是模型开始”分工种”。5.3 是编码特化的实时模型，5.4 把上下文拉到 1M 并把 computer use（计算机操作）做进产品，5.5 回到”全面最强”的老路，5.6 干脆把旗舰按场景拆成三档。这已经不是”一个模型打天下”的思路，而是”一个家族各司其职”。

还有个绕不开的变量——钱。2026-02-09 广告测试，2026-06-08 秘密递交 S-1 启动 IPO，7 月又同场发布 ChatGPT Work 和健康功能。模型能力的演化，第一次和上市、营收目标绑得这么死。技术史写到这一段，已经不能只看模型本身了。

二、方法：架构/数据/训练细节#

GPT-5.3-Codex-Spark（2026-02-12）：OpenAI 官宣的”首个实时编码模型”。核心卖点是速度：较前代编码工作流提升约 15 倍，专攻 IDE（集成开发环境）和 CLI（命令行）里的编码工作流。确认的信息就这些；剩下的要靠推断——它大概率不是从头训的新旗舰，而是基于 5.x 系列的蒸馏 + 编码后训练，用更小的模型规模换首 token 延迟，很可能配了投机解码（speculative decoding）这类加速管线。注意它的定位：不跟你谈通用智能，只谈”在编辑器里干活快不快”。

GPT-5.4（2026-03-05）：三个关键词——1M token 上下文、computer use、tool search（工具搜索）。1M 上下文意味着整个代码仓库或几百页文档可以一次性扔进去，这是 agent 类任务的前提；tool search 我理解为”给模型一份工具清单，让它先检索再决定调哪个”，是从”会调用工具”到”会找工具”的进化。3 月 18 日加推 5.4 mini，明显服务轻量场景。API 定价已经核实：gpt-5.4 为 $2.5 输入 / $15 输出（每百万 token），mini 版 $0.75/$4.5，nano 版 $0.2/$1.25，最贵的 pro 档 $30/$180——一个版本拆五个价位，产品化的味道很重。

GPT-5.5（2026-04-23）：官方口径”迄今最智能”，擅长代码、研究、跨工具任务。2026-05-05 起 GPT-5.5 Instant 成为 ChatGPT 默认模型（API 里叫 chat-latest），内部评测显示它比 GPT-5.3 Instant 在医学、法律、金融这类高风险提示下，幻觉陈述少 52.5%，在用户标记为事实错误的对话里错误又降了 37.3%。注意对比基数是 Instant——说明 OpenAI 在把”低延迟 + 低幻觉”做成默认体验，而不是留给用户自己选。同期配套 GPT-Rosalind（生命科学方向，推测是生物领域后训练 + 工具增强）、ChatGPT Images 2.0、Privacy Filter（隐私过滤）。5.5 的 API 定价和 5.6 Sol 同价：$5/$30。

GPT-5.6（2026-07-09）：这代把旗舰拆成三档——Sol（旗舰）/ Terra（均衡）/ Luna（高性价比），命名源自拉丁语的太阳、地球、月亮。Terra 综合性能对标上一代 GPT-5.5，Luna 主打便宜和快。API 定价核实：Sol $5 输入 / $30 输出，Terra $2.5/$15，Luna $1/$6；7 月 30 日又宣布 Terra 降到 $2/$12、Luna 降到 $0.2/$1.2——发布三周就开始降价，价格战的味道出来了。新增 max / ultra 推理档：max 让模型想得更久更深，ultra 是多智能体并行（默认协调 4 个子智能体，最高 16 个），API 里叫 multi-agent（测试版）。性能上，Sol 在 Terminal-Bench 2.1 编程测试标准模式 88.8%、ultra 模式 91.9%，都压过 Claude Mythos 5 的 88.0%；网络安全上在 ExploitBench 追平 Anthropic 的 Mythos Preview，token 用量只有对方三分之一。同日 Codex 并入 ChatGPT 桌面端，应用变成 Chat / Work / Codex 三种模式；ChatGPT Work 正式亮相——它可以从你连的各种应用和工作流里抓信息，自主规划、执行、交付。再往前看：2026-06-08 秘密递交 S-1 启动 IPO，2026-07-23 上线健康功能（美区 18+，可连接 Apple Health 和病历）。

方法层的整体判断：预训练架构本身我没看到革命性变化，真正的”方法”变化发生在后训练（强化学习、工具、上下文管理）和产品封装（定价分层、模型分流）。比如 5.6 的博客里提到，Sol 已经开始自己改生产内核、跑实验优化 token 生成，把服务成本降了 20%、生成效率提升 15% 以上——模型在优化自己，这个信号比跑分重要得多。

三、成绩：关键实验数字#

• 编码速度：约 15 倍（GPT-5.3-Codex-Spark）
• 上下文：1M token（GPT-5.4）
• 幻觉下降：52.5%（GPT-5.5 Instant vs GPT-5.3 Instant，高风险场景）
• 编程基准：Sol 标准 88.8% / ultra 91.9%（Terminal-Bench 2.1，压过 Claude Mythos 5 的 88.0%）
• Agent 基准：Agents’ Last Exam 53.6 分（GPT-5.6，官方口径）
• API 定价：Sol $5 / $30、Terra $2.5/$15、Luna $1/$6（7/30 后 Terra/Luna 降价）
• 多智能体：ultra 默认 4 个子智能体、最高 16 个
• 自优化：服务成本降 20%、token 生成效率 +15%（Sol 自主工程）
• 商业化时间线：广告测试 2026-02-09；S-1 递交 2026-06-08；健康功能 2026-07-23

收尾：我的一点看法#

我的第一反应是版本号通胀。半年四个版本，普通用户根本感知不出差异，唯一能感知的是”我又要更新了”。Sol / Terra / Luna 这个命名，跟手机厂商分 SKU 一脉相承——我不太相信 Luna 和 Sol 之间真的差了一代智能，这更像是把算力成本拆成三份卖。技术史读者看这段，得学会把营销话术和真实能力分开。

真正硬核的进步，我认为是 1M 上下文 + computer use + 多智能体推理这三件事凑在一起。它们合起来才是”能干活”的基础。GPT-5.6 的 max/ultra 并行，比”分数又高了几分”重要得多——多智能体并行意味着 agent 的可靠性可以靠”多跑几次再投票”来堆，这是从单模型走向系统架构的关键一步。

当然要批评一点：OpenAI 把”智能分数”和”产品功能”混着宣传。ALE 53.6 分和”能连 Apple Health”出现在同一波新闻稿里，前者是研究，后者是产品。这让技术史很难下笔——到底模型的真实边界在哪？我倾向于只信能复现的 benchmark 和真实工作流，别的当广告看。

最后说句重的：这一波系列最大的历史意义，可能不是任何一项技术，而是把”发布模型”从研究活动改造成了商业节奏。GPT-5.6 发售、ChatGPT Work 上线、S-1 递交后一个月内启动上市进程，这一串动作放在五年前难以想象。模型公司正在变成”模型公司 + 操作系统 + 消费电子”的三合一。半年四更的代价是深度变浅，但这就是 2026 年的游戏规则。

附：核心数据速查#

关键数字表格

关键概念清单

• Release Notes = 发布说明（OpenAI 以博客/系统卡形式替代论文披露）
• system card = 系统卡（安全评估与风险缓解的官方文档）
• computer use = 计算机操作（agent 截图看屏、虚拟鼠标键盘操作）
• tool search = 工具搜索（模型先检索工具清单再决定调用）
• speculative decoding = 投机解码（草稿模型快速生成 + 主模型验证，加速推理）
• MoE = 混合专家（Mixture-of-Experts，分布式激活部分参数，推测的架构基础）
• Terminal-Bench = 终端编程任务基准
• Agents’ Last Exam = agent 能力综合基准（比 HLE 更偏工具与执行）
• multi-agent = 多智能体并行（子智能体分头干活再汇总）
• chat-latest = API 中默认模型别名（随默认模型切换滚动更新）
• S-1 = 美股 IPO 招股书申报表