三个模型，一套系统
北京时间 7 月 21 日凌晨，OpenAI 召开发布会，发布 GPT 5.6 系列模型。这次不是一个模型，而是三个——Soul、Terra、Luna，分别面向不同场景。
发布会还同步推出了几个新东西：ChatGPT Work（任务入口）、新的 ChatGPT 桌面 App（环境接入）、以及 Hosted Sites（结果交付）。
把这些放在一起看，OpenAI 的思路很清楚：让 ChatGPT 从一个聊天工具，变成能接任务、读文件、调工具、操作桌面、最后交付结果的执行系统。
Soul / Terra / Luna 怎么分工
GPT 5.6 三个模型分工明确：
- Soul：面向复杂 Agent 工作流，处理长上下文推理和多步规划
- Terra：日常任务，对话和轻量分析
- Luna：高频低成本任务，摘要、分类、格式转换
这套分层设计的核心在于调度。Agent 场景下，一个复杂任务可能涉及长文档阅读、多轮工具调用、代码生成、结果校验。如果每步都用最强模型，成本太高响应太慢。如果全程用低成本模型，关键步骤又不稳定。
所以 OpenAI 的方案是分层路由。简单任务交给 Luna 和 Terra，复杂推理和代码生成走 Soul，中间步骤动态切换。用户看到的只是一个 ChatGPT，系统内部在反复做模型选择、上下文分配和工具调度。
ChatGPT Work：从问答到任务
ChatGPT Work 改变了交互方式。用户给的请求不再是一段文本，而是一个任务。系统需要判断需要哪些数据源，先读什么，后处理什么，哪些步骤自动执行，哪些地方需要用户确认。
发布会里展示的例子包括：从 Slack 和员工反馈里找内部用例、安排访谈；读取财务数据做 variance analysis、更新 forecast、生成汇报材料和可分享页面。
这类任务的难点在于编排和状态维护。普通问答只需处理当前输入，Agent 工作流必须跟踪已经用了哪些材料、得出过什么结论、哪些假设还没确认。
桌面 App 接入真实环境
网页端主要靠上传文件和云端连接器。桌面 App 可以直接接触本地文件、浏览器标签页和其他应用。
发布会展示的能力包括：整理 Apple Notes、读取本地文件夹、分析 Chrome 标签页、在表格里做可视化。
但接入环境后问题不会自动变简单。模型不可能把用户电脑里所有文件都塞进上下文。它要先判断哪些内容与任务相关，再把 PDF、Excel、网页、笔记等不同格式转成可处理的表示。这背后涉及文件索引、语义检索、上下文压缩、引用追踪和冲突处理——同一个项目里的 PDF、PPT、Slack 消息和 Excel 内容可能互相矛盾，Agent 需要判断哪些来源更新、更可信。
Hosted Sites：结果直接上线
过去大模型输出大多是文本或代码片段，用户还要搬到其他工具里继续处理。Hosted Sites 把结果直接变成网页、看板、内部工具或交互式原型，适合临时 dashboard、项目汇报这类轻量场景。
交付层需要稳定协议。Agent 调用工具时，输入字段是什么、返回结果怎么表示、失败状态怎么处理、哪些操作只读、哪些有副作用——都需要结构化约定。比如"更新 forecast"这个任务，不能直接让模型改 Excel，而是拆成读取单元格、检查公式、生成 diff、等待确认、写回文件这几步。
Ultra Mode 和多 Agent 并行
当单个模型不够用时，Ultra Mode 把复杂任务拆给多个 Agent 并行处理。一个 Agent 读资料，一个处理表格，一个生成页面，一个做一致性检查，最后整合结果。
最难的是 orchestrator。它要决定任务怎么拆、每个 Agent 拿到什么上下文、冲突结果怎么处理、什么时候停止、怎么避免重复劳动和控制成本。多 Agent 系统没有稳定的调度层，错误链路只会更长。
安全和可信边界
Agent 越靠近真实工作环境，安全问题越具体。过去模型安全关注输出内容，到了 Agent 阶段，风险落在动作上——读了哪些文件、改了什么表格、调了哪些工具、是否发送了消息。
发布会提到 GPT 5.6 的 cyber 能力有明显提升，能发现漏洞也能生成补丁。但这个能力用于防御有价值，放进通用 Agent 产品也要求更严格的权限设计。
OpenAI 设计的四层安全机制：
- 最小权限：任务需要什么就开放什么，不暴露多余文件或连接器
- 操作分级：读取资料、生成草稿、修改文件、发送消息的确认逻辑不同
- 过程审计：记录模型读了什么、改了什么、依据是什么
- 事务化执行：生成计划和 diff 让用户确认后再一次性提交，支持回滚
新的评测基准
发布会提到几个新 benchmark：Terminal Bench（代码执行）、BrowseComp（复杂信息检索）、Agent's Last Exam（长周期专业任务）。它们比传统问答测试更贴近 Agent 场景。
但对真实企业环境来说，更关键的指标是失败率、人工接管率、平均完成时间、工具调用成功率和单位任务成本。
竞品格局
Anthropic 的 Claude Fable 5 最近在 Agent 场景也有不少更新，强调 Code 能力和长上下文。两家在 Agent 化方向上正在正面竞争。GPT 5.6 这次用三档模型分层和 Ultra Mode 多 Agent 调度作为差异化方向，而 Fable 5 侧重代码执行质量。
总结
GPT 5.6 发布会的技术路线很清晰：ChaGPT Work 接任务，桌面 App 接入环境，Hosted Sites 交付结果；Soul/Terra/Luna + Ultra Mode 做模型调度；权限和审计机制控制风险。
这几层连在一起看，OpenAI 不是在发布一个更强的聊天模型，而是在搭建一套 Agent 操作系统。最终价值不取决于发布会的 demo 效果，而取决于真实工作中的稳定性。