<mark id="oztn4"></mark>
0
| 本文作者： 鄭佳美 | 2026-07-14 12:13 |
作者丨鄭佳美
編輯丨馬曉寧
北京時間凌晨一點，GPT 5.6 亮相 Open AI 發布會。
這場發布會沒有只圍繞一個模型展開，而是同時推出了 ChatGPT Work、全新的 ChatGPT 桌面 App、Hosted Sites，以及 GPT 5.6 系列模型 Soul、Terra、Luna。
單獨看，這些像是幾個不同功能；放在一起看，它們其實在補同一件事：讓 ChatGPT 從一個生成回答的工具，逐步變成能接任務、讀上下文、調工具、操作環境并交付結果的執行系統。
傳統聊天產品主要處理“輸入”和“輸出”。用戶問，模型答，任務大多停在聊天框里。執行系統要復雜得多，它要處理任務拆解、上下文管理、工具調用、狀態跟蹤、權限控制和結果校驗。
發布會里的財務分析、Excel 更新、PPT 生成、桌面應用操作、網頁托管和多 Agent 協作，都可以放進這條技術路線里理解。
這條路線可以先從產品鏈路看起。
01
ChatGPT Work 承擔的是任務入口。
用戶給它的請求，不再只是一段明確的文本，而是一個帶有目標的工作任務。比如從 Slack 和員工反饋里找到內部典型使用案例，再結合行程安排訪談；或者讀取財務數據，做 variance analysis，更新 forecast，生成匯報材料和可分享頁面。
這種任務的難點在于編排。系統要判斷需要哪些數據源，先讀什么，后處理什么，哪些步驟可以自動執行，哪些地方需要用戶確認。雷峰網
普通問答只需要處理當前輸入，Agent 工作流則必須維護任務狀態：已經用了哪些材料，得出了哪些中間結論，還有哪些假設沒有確認。
任務入口解決之后，下一步自然是環境接入。因為真實工作很少只存在于一個聊天框里，更多時候分散在本地文件、瀏覽器標簽頁、表格、筆記、郵件和協作工具里。
這就是桌面 App 的意義。網頁端主要依賴上傳文件和云端連接器，桌面端可以接觸本地文件、瀏覽器標簽頁和其他應用。
發布會里展示的 Apple Notes 整理、本地文件夾讀取、Chrome 標簽頁分析和表格可視化，本質上是在讓 ChatGPT 進入用戶真實工作環境。
但接入環境之后，問題不會自動變簡單，反而會多出一層上下文工程。
模型不可能把用戶電腦里的所有文件、瀏覽器頁面和歷史記錄都塞進上下文窗口。它要先判斷哪些內容和任務相關，再把 PDF、Excel、網頁、PPT、筆記等不同格式轉成可處理的表示。這背后涉及文件索引、語義檢索、上下文壓縮、引用追蹤和沖突處理。
比如同一個項目里，PDF、PPT、Slack 消息和 Excel 表格可能同時存在，信息還可能互相矛盾。Agent 不能只是把材料拼在一起，它要判斷哪些來源更新、哪些來源可信、哪些內容只是背景材料。上下文越多，如果篩選和引用做不好，錯誤來源也會越多。
接入和理解環境之后，結果還要能交付。Hosted Sites 補的是這一端。
過去大模型輸出多是文本、代碼片段或靜態文件，用戶還要把結果搬到其他工具里繼續處理。Hosted Sites 把結果直接變成網頁、看板、內部工具或交互式原型，更適合臨時 dashboard、項目匯報、產品原型這類輕量場景。
不過，交付層要穩定，不能只靠模型自由生成。Agent 調用工具時，需要結構化工具協議：輸入字段是什么，返回結果怎么表示，失敗狀態怎么處理，哪些操作只讀，哪些操作會產生副作用。
比如“更新 forecast”這種任務，如果只是讓模型理解 Excel 后直接修改，風險會很高。更穩的方式是把動作拆成讀取單元格、檢查公式、生成 diff、等待確認、寫回文件。
這樣看，執行鏈路可以拆成三段：ChatGPT Work 接任務，桌面 App 接環境，Hosted Sites 交付結果。鏈路搭起來之后，問題就轉向下一層：這么多步驟不可能都靠同一個模型硬跑，背后必須有模型調度。
02
GPT 5.6 這次拆成 Soul、Terra、Luna 三個層級。Soul 面向復雜 Agent 工作流，Terra 面向日常任務，Luna 面向高頻低成本任務。
這個分層的重點在于調度。Agent 場景下，成本和延遲會被放大。一次復雜任務可能包含長文檔讀取、上下文壓縮、多輪工具調用、代碼生成、結果校驗和多次修改。
如果每一步都調用最強模型，費用和響應時間都會上升；如果全程使用低成本模型，規劃、推理和關鍵操作又可能不穩定。
所以更合理的方式是分層路由。摘要、分類、格式轉換、批處理可以交給低成本模型；復雜規劃、長上下文推理、代碼生成、財務分析和高風險操作交給更強模型；中間步驟根據任務狀態動態切換。用戶看到的是一個 ChatGPT，系統內部實際要完成模型選擇、上下文分配和工具調度。
當單個模型不足以覆蓋復雜任務時，多 Agent 就會進入這套調度系統。
Ultra Mode 可以理解為把復雜任務拆給多個 Agent 并行處理。一個 Agent 讀取資料，一個 Agent 處理表格，一個 Agent 生成頁面，一個 Agent 檢查一致性，最后再整合結果。這個方向能提高速度，也能在一定程度上做交叉檢查。
真正難的是 orchestrator。它要決定任務怎么拆，每個 Agent 拿到哪些上下文，沖突結果如何處理，什么時候停止，怎樣避免重復勞動，以及如何控制成本。多 Agent 系統如果沒有穩定的調度層，只會讓錯誤鏈路更長，排查也更困難。
模型調度還帶來另一個問題：怎么評估它到底有沒有變好。
這類系統不能只看傳統問答 benchmark。發布會里提到 Terminal Bench、BrowseComp 和 Agent’s Last Exam，分別更接近代碼執行、復雜信息檢索和長周期專業任務。它們比單輪問答更貼近 Agent 場景，因為模型需要持續規劃、查找信息、執行操作，并在中途修正。
但真實企業環境很難被標準測試集完整覆蓋。真實任務里經常有權限限制、臟數據、歷史包袱和組織內部口徑。對 GPT 5.6 這類系統來說，更關鍵的指標應該是失敗率、人工接管率、平均完成時間、工具調用成功率、結果可復核程度，以及單位任務成本。
模型調度解決的是“用什么模型、用多少成本、用什么方式完成任務”。當系統開始真的執行任務，下一個問題就變得更重要：用戶能不能放心讓它做。
03
Agent 系統越靠近真實工作環境，安全問題越具體。雷峰網(公眾號：雷峰網)
過去模型安全更多關注輸出內容，例如是否生成錯誤信息、敏感信息或危險內容。進入 Agent 階段后，風險會落到動作上：讀取了哪些文件，修改了哪些表格，調用了哪些工具，是否發送了消息，是否提交了代碼，是否更新了業務系統。
發布會提到 GPT 5.6 在 cyber 能力上有明顯提升，可以發現漏洞，也能生成補丁。這個能力用于防御有價值，但放進通用 Agent 產品里，也要求更嚴格的權限設計。一個能讀文件、寫代碼、操作瀏覽器、調用企業系統的模型，必須被限制在清晰邊界內。
可信 Agent 至少需要幾層機制。
第一是最小權限。任務需要訪問什么，就開放什么，避免因為一個簡單任務暴露過多文件、連接器或應用。
第二是操作分級。讀取資料、生成草稿、修改文件、發送消息、提交代碼、更新財務模型，這些動作的風險級別不同，確認邏輯也應該不同。
第三是過程審計。系統需要記錄模型讀了什么、改了什么、依據是什么、哪些結論來自原始數據，哪些內容屬于模型推斷。財務、法務、安全和醫療這類場景尤其依賴審計鏈路。
第四是事務化執行。只要 Agent 能修改真實環境，就應該先生成計劃和變更 diff，讓用戶或驗證器檢查，再一次性提交，而不是邊想邊改。修改 Excel、移動文件、發送消息、提交代碼，都應該有 dry run、diff、確認和 rollback。
這和數據庫事務的思路類似。關鍵不是保證每一步都不出錯，而是出錯后不能留下不可控的中間狀態。Agent 如果沒有事務機制，就很難處理高價值任務，因為用戶無法判斷它到底改了什么，也無法安全撤銷。
在企業場景里，還需要運行觀測系統。長任務執行過程中，系統應該記錄每個子任務的輸入、輸出、工具調用、模型版本、耗時、失敗原因和人工接管點。否則一旦結果出錯，很難判斷問題出在模型推理、上下文檢索、工具接口，還是權限配置。
這類 observability 會成為 Agent 平臺的基礎能力。傳統軟件看日志、鏈路追蹤和監控指標；Agent 系統也需要類似的執行軌跡。尤其在多 Agent 并行時，如果沒有清楚的 trace，最后結果越復雜，排查成本越高。
可信邊界也是財務 Demo 比 3D 頁面更值得關注的原因。生成頁面主要考驗代碼和交互能力，更新財務模型則涉及數據一致性、公式正確性、假設透明度和責任歸屬。
模型改了哪個單元格，PPT 里的數字是否與源表一致，forecast 的變化是否有明確依據，這些問題決定它能不能進入企業核心工作流。
整體看，GPT 5.6 發布會給出的技術路線已經比較清晰：先用 ChatGPT Work 接任務，再用桌面 App 接入真實環境，用 Hosted Sites 完成交付；底層通過 Soul、Terra、Luna 和 Ultra Mode 做模型調度；最后用權限、審計、事務和觀測機制控制風險。
這幾層是連在一起的。執行鏈路決定 ChatGPT 能不能把任務跑起來，模型調度決定它能不能以合理成本跑下去，可信邊界決定用戶敢不敢把關鍵任務交給它。
GPT 5.6 的價值，最終不會由發布會里的頁面效果決定，而會由真實工作中的穩定性決定。
上車，帶你看遍全球 AI 頂會精華
可獨家暢覽：
專家演講PPT
大會報告全文
熱門論文解讀
學術新星訪談
掃描上方二維碼
或點擊「閱讀原文」關注專區。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
