OpenAI’s GPT-5.6 Builder’s Guide: Similar Benchmark Results at $1.33 Instead of $33.27

以 BrowseComp 中的任务为例：这是一项基于搜索的基准测试，用于检验模型查找冷门事实的能力。三个月前，GPT‑5.5（极高）在这项基准测试中取得了 84.36% 的得分，总成本为 33.27 美元。发布时，GPT‑5.6 Luna（极高）以 1.33 美元的成本取得了 84.04% 的得分，表现基本相同。此后，我们进一步下调了价格。详细了解我们最新的降价信息。 5.6 系列中的小型模型非常适合高负载工作、对延迟敏感的交互，以及智能体工作流中的重复步骤。例如，如果一家法律科技初创公司需要先解析手写备忘录，再交由智能体分析，那么如今不必再为整个用例使用前沿模型，而可以用 Terra 或 Luna 提取内容，从而显著节省成本。 ## 升级 Responses API，构建效率更高的智能体 除了提升 GPT‑5.6 的开箱即用性能，我们还为 Responses API 推出了新的基础功能，以释放更多效益。我们结合三项相辅相成的架构改进，对 GPT‑5.6 进行了端到端训练，使智能体能够更高效地运行： 结合使用这些功能，效果可能十分显著。例如，在 ARC-AGI-3 中，GPT‑5.6 Sol 使用标准执行框架取得了 13.3% 的得分。然而，启用保留推理和压缩后，得分跃升至 38.3%，同时输出 Token 用量降至约六分之一。模型本身没有变化，性能却提高到近三倍。你可以在此详细了解我们的 ARC-AGI-3 执行框架研究。 ## 程序化工具调用 智能体工作流通常涉及两类工作： [...] 2026年8月13日 # GPT‑5.6 开发者指南 来自初创公司生产实践的技术经验 ## GPT‑5.6 树立性价比新标杆 GPT‑5.6 模型系列不仅大幅降低了实现前沿级智能体性能的成本，也进一步拓展了能力边界。 本指南将介绍初创公司如何通过更智能的模型选择，以及有助于保持推理连续性、多智能体编排和程序化工具调用的新 API 控制功能，以更低的成本打造速度更快、能力更强的智能体。 ## 更出色的开箱即用体验 自 GPT‑5 起，每一代模型都致力于用更少的 Token 处理时间跨度更长的任务。GPT‑5.6 延续了这一趋势：智能体性能更强、成本更低，同时几乎无需改动底层执行框架。 在总体成本效益提升的基础上，较低推理强度下的准确率也有所提高，进一步放

以 BrowseComp 的任務為例：這項以搜尋為基礎的評測基準評估模型搜尋冷門事實的能力。三個月前，GPT‑5.5（極高）在這項評測基準中取得 84.36%，總成本為 33.27 美元。GPT‑5.6 Luna（極高）推出時的表現大致相同，得分為 84.04%，成本僅 1.33 美元。此後，我們進一步調低了價格。進一步了解我們最新的減價措施。 5.6 系列中較小型的模型，非常適合高用量工作負載、對延遲敏感的互動，以及智能代理工作流程中的重複步驟。例如，假如你經營一家法律科技初創公司，需要在智能代理分析前解析手寫備忘錄，現在可使用 Terra 或 Luna 擷取資料，而毋須在整個使用情境中都採用前沿模型，從而大幅節省成本。 ## 改進 Responses API，設計更高效的智能代理 除了提升 GPT‑5.6 的開箱即用效能外，我們亦在 Responses API 推出新的基礎構件，進一步提高效益。我們採用三項相輔相成的架構措施，對 GPT‑5.6 進行端到端訓練，讓智能代理運作得更有效率： 結合使用這些功能，成效可以非常顯著。例如，GPT‑5.6 Sol 使用標準任務執行框架時，在 ARC-AGI-3 取得 13.3%。然而，啟用保留推理及上下文壓縮後，得分躍升至 38.3%，輸出 Token 用量約為原來的六分之一。模型毋須改動，效能卻提升至接近三倍。你可在此進一步了解我們的 ARC-AGI-3 任務執行框架研究。 ## 程式化工具調用 智能代理工作流程通常涉及兩類工作： 當智能代理擷取 100 份申報文件、按日期篩選並識別相關交易時，模型毋須在上下文視窗中逐一推理每項中間結果。程式化工具調用讓 GPT‑5.6 編寫 JavaScript 來編排工具、平行執行互不相依的調用，並在上下文視窗以外處理輸出。模型因而可專注處理真正需要智能的工作：作出判斷。 [...] ## 多智能代理 面對複雜而可平行處理的任務，把操作和推理分配至多個智能代理工作流程，既可加快完成任務，亦能提升智能水平。在這類設定中，主要智能代理負責編排子智能代理並向它們分派任務。各子智能代理會平行完成目標，最後把輸出交回主要智能代理作最終整合。團隊可在 Responses API 中啟用多智能代理⁠（在新視窗中開啟），直接運用這項原生功能。ChatGPT 的 Ultra 能力設定亦

以 BrowseComp 任務為例：這項搜尋型基準測試用於評估模型搜尋冷門事實的能力。三個月前，GPT‑5.5（極高）在這項基準測試中獲得 84.36%，總成本為 33.27 美元。GPT‑5.6 Luna（極高）推出時便提供幾乎相同的表現，以 1.33 美元的成本獲得 84.04%。此後，我們進一步調降了價格。進一步瞭解我們最近的降價措施。 5.6 系列中的較小型模型，非常適合大量工作負載、對延遲敏感的互動，以及智慧體工作流程中的重複步驟。例如，假設你經營一家法律科技新創公司，需要在智慧體分析之前解析手寫備忘錄；現在不必在整個使用案例中都採用前沿模型，而可改用 Terra 或 Luna 擷取資料，大幅節省成本。 ## 持續改進 Responses API，打造更高效的智慧體 除了提升 GPT‑5.6 的開箱即用效能，我們也為 Responses API 推出新的基礎功能，以進一步提高效益。我們透過三項相輔相成的架構調整，對 GPT‑5.6 進行端對端訓練，讓智慧體能更有效率地運作： 搭配使用這些功能，效果可能非常顯著。例如，在 ARC-AGI-3 中，GPT‑5.6 Sol 採用標準任務執行框架時獲得 13.3%。但在啟用保留推理和壓縮後，分數躍升至 38.3%，同時使用的輸出 Token 約減少至六分之一。模型完全沒有變更，效能卻提升至近三倍。你可以在此進一步瞭解我們的 ARC-AGI-3 任務執行框架研究。 ## 程式化工具呼叫 智慧體工作流程通常包含兩類工作： 當智慧體擷取 100 份申報文件、依日期篩選並找出相關交易時，模型不必在上下文視窗中逐一推理每個中間結果。程式化工具呼叫可讓 GPT‑5.6 編寫 JavaScript 來協調工具、平行執行彼此獨立的呼叫，並在上下文視窗外處理輸出。如此一來，模型就能專注於真正需要智慧的工作：做出判斷。 [...] 2026年8月13日 # GPT‑5.6 開發者指南 來自新創公司正式環境的技術經驗 ## GPT‑5.6 為價格效能樹立全新標準 GPT‑5.6 模型系列大幅降低了前沿級智慧體效能的成本，同時也進一步拓展技術能力的前沿。 本指南將介紹新創公司如何透過更聰明的模型選擇，以及有助於維持推理連貫性、多智慧體協調和程式化工具呼叫的新 API 控制項，以極低的成本更快建構能力更強的智慧體。

OpenAI 发布GPT-5.6 构建者指南： 同样的效果，账单从33 美元降到1.33 美元OpenAI 发布了一份给开发者的GPT-5.6 构建者指南，主题是怎么把Agent 的

在BrowseComp测试中，它以84.04%性能直逼GPT-5.5（84.36%），更将成本从33.27 美元打到1.33美元。 此外，官方还附上了「保姆级」教程，教初创团队如何以更

发布的GPT-5.6 builder's guide. GPT-5.6 Luna(Extra High)得分84.04%,成本却降到1.33 美元。 保留跨轮次的reasoning,用原生compaction 压缩长对话;对可