北京時間凌晨，OpenAI 在一場釋出會上正式推出了 GPT 5.6 系列模型，並同步釋出了 ChatGPT Work、全新的 ChatGPT 桌面 App 以及 Hosted Sites 功能。與此前單純聚焦模型引數升級不同，這場釋出會的核心敘事在於系統整合：將 ChatGPT 從一個生成文本的聊天工具，重塑為能夠理解任務、操作環境並交付最終結果的執行系統。
釋出會的產品矩陣清晰地勾勒出了這條技術路線。ChatGPT Work 被定位為任務入口，使用者不再只是輸入一段提示詞，而是可以提交帶有明確目標的工作請求，例如從 Slack 和員工反饋中提取內部案例並安排訪談，或是讀取財務資料、進行差異分析、更新預測並生成彙報材料。這要求系統具備任務編排能力，能自主判斷資料來源的讀取順序、自動執行與人工確認的節點，並全程維護任務狀態。
為了讓模型真正進入工作環境，桌面 App 的升級補上了關鍵一環。網頁端依賴上傳檔案和雲端聯結器，而桌面端可以直接訪問本地檔案、瀏覽器標籤頁和其他應用。釋出會演示了整理 Apple Notes、讀取本地資料夾、分析 Chrome 標籤頁內容以及生成表格視覺化等操作，本質上是在讓 ChatGPT 獲得使用者真實工作環境的感知能力。但這同時也引入了複雜的上下文工程挑戰：模型不可能將所有本地檔案塞入上下文視窗，它需要先進行檔案索引、語義檢索和上下文壓縮，並判斷不同來源資訊（如 PDF、PPT、Excel 和即時訊息）的可信度與時效性，避免因資訊矛盾而產生錯誤。
在交付端，Hosted Sites 補齊了最後一公里。過去大模型的輸出多為文本或程式碼片段，使用者需自行搬運到其他工具中處理。Hosted Sites 則允許將結果直接生成為網頁、看板或互動式原型，更適合臨時儀表盤、專案彙報等輕量級交付場景。為了確保交付層的穩定，Agent 呼叫工具時需遵循結構化的工具協議，明確輸入欄位、返回格式、失敗狀態處理以及操作的只讀或副作用屬性。例如更新 Excel 預測這類高風險任務，更穩妥的做法是拆解為讀取單元格、檢查公式、生成差異對比、等待使用者確認再寫回檔案的步驟。
支撐這套執行鏈路的底層，是 GPT 5.6 系列的模型分層架構。新系列被拆分為三個層級：Soul 面向複雜 Agent 工作流，Terra 面向日常任務，Luna 則針對高頻低成本任務。這種設計的核心在於排程與成本控制。在 Agent 場景下，一次任務可能包含長文件讀取、多輪工具呼叫、程式碼生成和結果校驗，若每一步都呼叫最強模型，費用和延遲將急劇上升；全程使用低成本模型又可能導致規劃與推理不穩定。因此，系統內部需根據任務複雜度動態路由：摘要、分類、格式轉換等簡單操作交給輕量模型，複雜推理、程式碼生成和財務分析等關鍵步驟呼叫強模型，中間狀態則靈活切換。
當單個模型難以覆蓋複雜任務時，多 Agent 協作便進入排程視野。釋出會提及的 Ultra Mode 可將任務拆解給多個 Agent 並行處理，例如一個讀取資料、一個處理表格、一個生成頁面、一個檢查一致性，最後整合結果。這其中的難點在於編排器的設計，它需要決定任務拆分方式、上下文分配、衝突解決機制以及成本控制策略。若排程層不穩定，多 Agent 系統反而會拉長錯誤鏈路，增加排查難度。
隨著系統開始真正執行操作，可信邊界成為關鍵議題。Agent 越靠近真實工作環境，安全風險就越具體，不再侷限於輸出內容是否合規，而是落到動作層面：它讀取了哪些檔案、修改了哪些表格、是否傳送了訊息或提交了程式碼。釋出會提到 GPT 5.6 在網路能力上有明顯提升，既能發現漏洞也能生成補丁，這要求更嚴格的許可權設計。一個可信的 Agent 系統至少需要幾層機制：遵循最小許可權原則，僅開放任務必需的檔案和聯結器；對讀取、生成草稿、修改檔案、傳送訊息等不同風險級別的操作設定差異化的確認邏輯；記錄完整的執行軌跡，包括模型讀了什麼、改了什麼、依據是什麼，以便審計；以及引入事務化執行，先產生變更計劃和差異對比，經使用者或驗證器檢查後再一次性提交，並支援回滾，避免留下不可控的中間狀態。
在企業場景中，執行觀測系統同樣不可或缺。長任務執行過程中，系統應記錄每個子任務的輸入輸出、工具呼叫、模型版本、耗時和失敗原因，否則一旦結果出錯，很難定位問題根源。這種可觀測性正成為 Agent 平台的基礎能力，尤其在多 Agent 並行時，清晰的執行軌跡是控制排查成本的前提。
整體來看，GPT 5.6 釋出會所揭示的技術路線已相當清晰：通過 ChatGPT Work 承接任務、桌面 App 接入環境、Hosted Sites 完成交付，底層依靠 Soul、Terra、Luna 的分層模型與 Ultra Mode 的多 Agent 排程來控制成本與效能，再以許可權、審計、事務和觀測機制構築可信邊界。這三層環環相扣：執行鏈路決定系統能否跑通任務，模型排程決定能否以合理成本持續執行，可信邊界則決定使用者是否敢於將關鍵任務託付給它。最終，這套系統的價值將不由釋出會上的演示效果決定，而取決於在真實工作場景中的穩定性與可靠性。