實測GPT5.6，分享三個超實用Prompt，跟Fable5分工合作

這次OpenAI沒跳票，

GPT 5.6全家桶來了，之前說的會把Codex內(nèi)置ChatGPT應(yīng)用也兌現(xiàn)了，就是兌現(xiàn)的方式有點想不到。

OpenAI直接把CodeX改名成了ChatGPT。

是的，沒聽錯。Codex這個名字沒了，整個產(chǎn)品改叫ChatGPT了，原來的ChatGPT改名ChatGPT Classic了。然后在里面分了三個區(qū)，一個是原來的Codex，展示代碼差異和合并請求。一個是新的ChatGPT Work，把中間的代碼輸出過程藏起來，定位有點像Claude的Cowork。原來的ChatGPT的聊天也移到了左側(cè)欄。

主打一個大而全。

還加了個站點功能。我們跟Codex對話生成的可視化網(wǎng)頁，可以直接部署成一個可分享的網(wǎng)站。我在試用這個的時候，也順手打開了新的內(nèi)置瀏覽器。現(xiàn)在支持導(dǎo)入所有的密碼和Cookie了，多標簽頁和文件下載也都有了。

再來說說模型，

GPT 5.6現(xiàn)在分三個級別。Sol是超大杯，主打復(fù)雜推理和長時間自主工作，上下文從272k提升到了372k。Terra是大杯，性能接近GPT-5.5但價格只有一半。Luna是中杯，輕量快速。

API定價我直接搓一個表格出來看，Sol每百萬token輸入5刀，輸出30刀，比Fable5便宜43.5%左右。我在測試的過程中發(fā)現(xiàn)，這次5.6 sol應(yīng)該是還調(diào)校了對于內(nèi)置插件調(diào)用的主動性。之前讓GPT5.5生成圖表的時候，它是不會主動調(diào)用Canvas Design的。

Sol還新增了兩個推理檔位。

max讓模型花更多時間深度思考，ultra會調(diào)用多個子Agent并行處理任務(wù)，重型任務(wù)開max到ultra，日常任務(wù)用High就夠了。

比較可惜的是GPT5.6的UI是比5.5要好了但是還是沒有追上Fable5和Opus4.8。

但在其他地方補回來了。發(fā)布前已經(jīng)有很多早期測試者在爆料了，基本上大家的判斷是一致的。

Fable 5更聰明，但比5.6 Sol更容易犯錯。Fable 5更適合規(guī)劃，5.6 Sol更適合執(zhí)行。5.6 Sol的目標驅(qū)動和閉環(huán)做得更好，特別擅長長時間任務(wù)，幾個小時甚至幾天那種。而且速度這次上一把大分。在Cerebras芯片加速下跑出了750 tokens/s，比Fable 5快了10倍。

OpenAI還有狠活，準備跳過5.x，直接發(fā)GPT6。

GPT6會基于一個全新的、規(guī)模大得多的預(yù)訓(xùn)練底座。目前5.5和5.6共用一個代號叫「Spud」的底座，大概4T token，OpenAI原本打算沿用Spud一路做到GPT-6。

但他們臨時改了主意。改主意的原因，所有爆料者幾乎用的同一個詞。

Mythos，GPT-6就是OpenAI對標Mythos的下一代模型。

國內(nèi)這邊也沒閑著。DeepSeek V4正式版大概率7月中旬上線，能力可能追平甚至超過GLM-5.2。同時DeepSeek還在研發(fā)更大的新模型，跟MiniMax即將推出的2.7T的M3 Pro競爭。

只能說Scale Law還沒到頭，

大就是好，好就是大啊。

這波大更新和爆料還把Claude Fable 5嚇得連夜額度充值了。加油加油，我完全支持新的GPT6一把抓住Fable5，頃刻練化。

再多說一句，

GPT-5.4會在7月23日下線，OpenAI之前推的Atla瀏覽器也會關(guān)停了，現(xiàn)在改成瀏覽器插件的形式了。

回到實操這塊。

這次升級之后有幾個我自己在用的提示語，覺得挺值得分享的。我基本上把現(xiàn)在公開的，還有沒發(fā)布的skill全部優(yōu)化了一遍。

第一個，純黑盒自查。

Codex的瀏覽器自動化升級后，我們可以讓GPT 5.6完全不讀代碼，像真實用戶一樣去點擊每個按鈕、填每個表單，來判斷第一次打開這個產(chǎn)品的人會不會產(chǎn)生疑惑。

我自己的痛點很明確，ai news radar這個AI熱點skill優(yōu)化到了瓶頸，我就想多收集一點意見，特別是跟信息源質(zhì)量相關(guān)的。

因為自己本身就是開發(fā)者，我總是想當然地操作界面，但實際上我們就是要模擬一個完全不了解產(chǎn)品的人去看一下來挑毛病。我以前是每天要找好幾個人測新功能，有了這個純黑盒走查提示語的話，交給團隊之前就可以先自過一遍。

## 真實用戶走查提示語
使用瀏覽器或電腦控制功能打開 [網(wǎng)址]，像真實用戶一樣，把以下流程逐一完整走一遍：[注冊]、[結(jié)賬]、[修改設(shè)置]。
不要通過閱讀代碼來猜測結(jié)果。每一步都要真實地點擊、輸入、等待并截圖。
記錄所有可能讓第一次使用的人感到困惑或受阻的問題，包括：
- 頁面加載緩慢
- 報錯
- 文案讓人看不懂
- 找不到按鈕
- 當前狀態(tài)不明確
- 返回上一頁后數(shù)據(jù)丟失輸出一份按嚴重程度排序的報告。每個問題都要包含：
- 復(fù)現(xiàn)步驟- 你判斷的根本原因
- 建議的修復(fù)方案
然后直接修復(fù)這些問題，再把完整流程重新走一遍，確認沒有引入回歸問題。
把我當成一個第一次打開這個產(chǎn)品、從未讀過代碼的普通用戶。

第二個，紅隊審查。

5.6 sol的模型能力升級后，我可以在出計劃階段讓Sol反證我們原有的開發(fā)計劃。這跟從頭開始開發(fā)一個項目不一樣，更多的是通過我們已有項目的數(shù)據(jù)，來去驗證我們后續(xù)的迭代計劃的可行性。

## 紅隊審查提示語
在開始制定這份計劃之前，先充當我的紅隊。你的判斷力就是最重要的武器。 把我的計劃當成一個需要被攻擊和證偽的假設(shè)。
首先完整復(fù)述一遍我的計劃，確認你理解無誤，然后開始質(zhì)疑它。
假設(shè)六個月后，這個計劃已經(jīng)失敗。從失敗結(jié)果倒推最可能的三個原因：
- 哪項未經(jīng)驗證的假設(shè)被我直接當成了事實？
- 哪種失敗情形是我從未考慮過的？
- 我為了省事，在哪個地方過于樂觀？
- 有沒有更簡單的辦法可以實現(xiàn)同一個目標？針對每個原因，分別給出：
- 觸發(fā)條件
- 失敗代價
- 一個能夠盡早證偽它的最小實驗最后給出明確結(jié)論：
- 可以直接做
- 先做某項實驗，驗證后再做
- 推倒重來

拿我自己的真實案例來說。

我最近在做一個讓Claude和Codex協(xié)同干活的工作流，叫做搭子Skill，簡單說就是Claude出計劃，Codex后臺跑實現(xiàn)，跑完Claude再驗收。想法是挺好，但從昨天晚上測到現(xiàn)在，總覺得慢，就是說不上來慢在哪。

于是我把整個優(yōu)化計劃丟給Sol，讓它紅隊審查。

它給我指出了三個點。

第一個，我把「慢」歸在了錯誤的環(huán)節(jié)。我一直以為是啟動腳本拖了后腿，實際上是我把多次調(diào)用codex，以及claude code讀取修改的時間都算在了一次對話里。

第二個，它發(fā)現(xiàn)我在不同Agent上跑的其實不是同一個版本，Codex和Claude Code上版本已經(jīng)悄悄漂移了，我自己完全沒注意到。

第三個，它會質(zhì)疑我「所有任務(wù)都走同一套重型交付流程」的設(shè)計。有些小活讓Claude Code做完可能比走一圈協(xié)作流程更快。

后來我又拿同一個紅隊提示語去審了另一個PPT生成Skill的迭代計劃，

給humanize ppt做了一個版本升級，花50分鐘把ppt master兼容到下游的生成路徑了，在動手之前就被Sol指出了我沒注意到的假設(shè)盲區(qū)，實現(xiàn)的時候都是一次過，省了不少返工。

第三個，說一個更大的，

GPT 5.6和Fable 5的聯(lián)動。

簡單版是把Fable 5的提示語總結(jié)成行動規(guī)范，塞在給Sol的提示語前面。加了之后Sol的執(zhí)行風格明顯利索。我覺得體感上最明顯的就是，在做頁面設(shè)計的時候，就不會再把自己的思考過程塞在頁面文字里了。

開始之前，按以下方式工作：
1. 信息足夠時，直接行動。不要重復(fù)推導(dǎo)已經(jīng)確定的事實，也不要羅列那些你根本不會采用的選項。如果需要權(quán)衡，請直接給我你的建議，而不是丟給我一份選擇菜單。
2. 采用能夠解決問題的最簡單方案。不要添加任務(wù)之外的功能，不要進行無關(guān)的重構(gòu)或抽象，也不要為尚未出現(xiàn)的未來需求提前設(shè)計。
3. 匯報進度前，逐項核對你的每個結(jié)論，確保它有本次任務(wù)中的實際結(jié)果作為依據(jù)。只匯報能夠拿出證據(jù)的工作。如果某件事失敗了或尚未驗證，請明確說明。
4. 只有在確實需要我介入時才暫停，例如操作可能造成破壞、任務(wù)范圍發(fā)生實質(zhì)變化，或者缺少只有我才能提供的信息。
5. 先說結(jié)果。第一句話直接回答“發(fā)生了什么”，然后再補充細節(jié)。具體任務(wù)：做一個HTML版的我的世界

進階版是我搞的一套四模型編排。

Anthropic出過一個數(shù)據(jù)，Sonnet 5執(zhí)行加上Fable 5當計劃顧問，在SWE-bench Pro上能拿到Fable 5大約92%的分數(shù)，成本只有63%。Fable每個任務(wù)大概只需要調(diào)用一次來把方向，Sonnet執(zhí)行大部分工作。

但我覺得還能再往前走一步。

讓Fable 5出計劃，Opus4.8做深度推理的子Agent。Sonnet5做一些簡單開發(fā)活的子Agent。Codex單獨作為一個有獨立視角的高級工程師。遇到高風險決策讓Opus和Codex背對背做同一個問題，互不看對方答案，F(xiàn)able來綜合最優(yōu)解。

設(shè)置不復(fù)雜，直接在CLAUDE.md里寫好編排規(guī)則就行了。

用這個工作流我甚至可以只讓fable5出一次計劃，就讓gpt5.6把一個我自用的待辦清單從頭優(yōu)化了一版。提前預(yù)告下周開源！

我現(xiàn)在的期待完全放在一個月后的GPT-6上。

Fable 5證明了新一代模型的上限可以非常高。

GPT 5.6 Sol的執(zhí)行力治好了Fable5又貴又封號的臭毛病。

如果GPT-6用上了比Spud大得多的新底座，

再配上Sol的執(zhí)行力。。。

那我只能說這下半年將徹底瘋狂！

@ 作者 / 卡爾