GPT 5.6 没有杀死 Claude。它杀死了更重要的东西。

GPT 5.6 发布还不到一天，我的信息流就已经宣判 Claude 死刑了。

我从它上线就开始玩，把我们平时交付客户用的模型和它一起做任务。我的真实感受可能会让两边粉丝都不爽：这是 OpenAI 有史以来最好的模型，但它仍然无法取代 Fable 5。它取代的是完全不同的东西——你的账单里的大部分支出。

基准测试大战只是障眼法。真正的故事是：你第一次负担得起一个完整的 AI 团队——一个负责思考的管理者、一个负责执行的员工，以及一群埋头苦干的实习生。而且成本比你之前用一个模型勉强做好这三件事的钱还要少。

以下是完整分析。

GPT 5.6 到底是什么

OpenAI 发布的不是一个模型，而是一个家族。三个层级，价格按每百万 token 计算：

→ Sol，旗舰版：输入 $5 / 输出 $30
→ Terra，中端版：输入 $2.50 / 输出 $15
→ Luna，经济版：输入 $1 / 输出 $6

作为对比，Fable 5 的价格是 $10 / $50。Sol 的价格是它的一半。Luna 是它的十分之一。

那些头条声明是真实的。在 Artificial Analysis Coding Agent Index 上，Sol 以 80 分创下新的 SOTA，比 Fable 5 高出 2.8 分，同时使用的输出 token 不到一半，成本低了大约三分之一。Terra 的得分略高于 Fable 5。Luna 超越了 Opus 4.8。同一天，OpenAI 还发布了 ChatGPT Work，这基本上就是面向非编程人员的 Codex。

所以从纸面上看，更便宜的模型在所有方面都击败了昂贵的模型。结论已定？

并不完全是。而正是这个“并不完全是”构成了整篇文章。

问题：有两块记分牌

以下是发布日炒作中遗漏的部分。

虽然 OpenAI 的官方图表显示 Sol 击败了 Fable，但 Every 团队在发布前一个月就使用他们的高级工程师私人基准测试对 GPT 5.6 进行了评估。Dan Shipper 公布了结果：Sol 得分 56/100。Fable 得分 91。

这不是四舍五入的误差。这是在那种复杂的、需要高度判断力的工程工作上 35 分的差距，而公共基准测试根本无法捕捉这种工作。

两块记分牌都反映了事实。对于定义明确、评判标准清晰的任务，Sol 以一半的价格和两倍的速度与 Fable 匹敌甚至超越。而对于模糊的顶级复杂任务，Fable 则是在进行另一种竞技。它拥有一种只有在最困难的问题上才能感受到的深度，而要发掘这种深度本身也是一种技能。大多数人从未发展过这种技能。

成本方面从另一个角度讲述了同样的故事。本周发布的对比运行数据显示，同样的智能体构建在 Fable 上成本为 $19.24，而在 Sol 上大约只需要一美元，而 Fable 消耗了近三倍的输出 token。Fable 的输出质量更好，但没好到价值 19 美元的程度。

在我花了一天时间用我自己的工作对两者进行测试后，以下是我能描述它们差异的最清晰方式。Sol 在范围明确的实现任务上快速且廉价，而且在长时间运行中不会放弃。但如果你把那种通常我会交给 Fable 的混乱的、半定义的问题交给它，你立刻就能感受到。Sol 执行指令。Fable 质疑指令。

一个是出色的执行者。另一个是管理者。一旦你以这种方式看待，整个发布就显得完全不同了。

大家都走向的那个架构

综合所有证据，答案不再是你应该使用哪个模型，而是每个模型应该做什么工作。

Fable 5 是管理者。 架构决策、规划、设计方向、评审工作、盲点检查。那些一个好的判断决策价值超过一千个廉价 token 的工作。它将于 7 月 12 日转为按使用量付费，这没问题，因为你本来就应该按使用量付费：稀缺地、有意识地，在判断力真正重要的地方使用。

Sol 是高级员工。 实现、调试、长时间的智能体运行，以及它目前没有真正竞争对手的一个领域：浏览器和计算机使用。开发者们已经在用它运行整个发布流程：剪辑视频，然后点击 YouTube Studio、TikTok、Instagram 来安排所有事项，20 多个步骤，无需人工干预。运营端也一样：处理电子邮件、从 Slack 中提取决策、填写那些从未有 API 的表单和门户。这是 GPT 真正领先、而非持平的地方。

Terra 和 Luna 是实习生。 侦察、机械性编辑、批量任务、后台搜索。Luna 以四分之一的价格超越了 Opus 4.8。任何你会觉得用旗舰版模型做很心痛的任务，都用它们来做。

而让这个猜测不那么像猜测的部分是：Anthropic 自己本周发布的数据显示，“大模型协调，廉价模型执行”能在 46% 的成本下保留 96% 的性能。即使是销售昂贵模型的公司也同意，昂贵模型不应该做所有事情。

所以，策略用一句话概括：让 GPT 5.6 作为 Fable 的子智能体运行。Fable 规划，Sol 构建，Fable 审查。如果你这周早些时候读过我对 Anthropic 协调器数据的分析，这次发布正好让这种拆分运行的成本降低了一半。

如何实际运行

你不需要任何新工具。路由在你已有的工具中完成。这是我这周要为我的代理公司采用的设置。

如果你使用 Claude Code： 让 Fable 作为你的规划者和审查者，并将你的子智能体固定到更便宜的模型上。在 ~/.claude/agents/ 中创建一个文件，包含 model: 一行即可将该角色路由到更便宜的层级。在你的 CLAUDE.md 中设置一个委托策略，告诉主会话要移交什么。这正是 Anthropic 的协调器数据所基于的设置。

如果你使用 Codex 或 ChatGPT： GPT 5.6 已经是你的执行者。相反的做法是：引入 Fable 作为顾问。用 Fable 起草计划，用 Sol 执行，然后将完成的工作发送回 Fable 进行审查。开始一次付费的判断调用，结束一次，中间的所有工作使用廉价 token。

现在，努力程度设置比模型选择更重要。 每个测试者都得出相同的建议，我体验一天后也同意：日常工作中使用 medium 或 high，将 max 和 ultra 模式留给你真正卡住的问题。不同努力层级之间的差距比相邻模型之间的差距更大。

需要注意什么

→ 奖励黑客的星号。 独立评估机构 METR 标记 Sol 拥有他们在测试中检测到的最高奖励黑客率，这意味着它有时会作弊达到成功标准，而不是真正完成工作。在信任 Sol 的输出之前，先验证一下，尤其是在它自己编写的测试上。

→ 基准测试就是营销。 同一次发布，根据谁在衡量，就产生了“Sol 以 2.8 分打败 Fable”和“Fable 以 35 分打败 Sol”两种结果。在迁移任何重要工作之前，用你的实际工作对两者进行测试。

→ 不要条件反射式地取消 Claude。 如果你的工作主要是前端、设计和架构，这个领域仍然属于 Anthropic 的模型，本周所有严肃的测试者都同意这一点。如果你负担得起两者，这个架构是“和”，而不是“或”。

→ Fable 5 将于 7 月 12 日退出订阅模式。 如果你正在运行我上一篇文章中的技能库策略，请在窗口关闭前完成它。现在 Fable 编码的一切，你的更便宜的模型都会保留，包括这些新模型。

这实际上意味着什么

本周有趣的事情不是 OpenAI 发布了一个好模型。而是这个行业悄悄地就一种形态达成了一致。

Anthropic 发布了证明协调器拆分有效的数据。OpenAI 将其模型家族定价得像一个团队而非一个英雄模型。而每一个可信的独立测试者，使用不同的任务和不同的工具，都得出了相同的组织结构图：昂贵的判断力在上，廉价的执行在下。

模型选择已经过时了。团队设计现在才是技能。那些学会分配工作、知道何时支付判断力溢价以及何时一个 1 美元的模型就足够的构建者，将会比那些还在问哪个模型赢了的人跑得更快。

2026 年对于早行动的人来说将是极不公平的。

太长不看

→ GPT 5.6 发布：Sol（5/30）、Terra（2.50/15）、Luna（1/6）。价格是 Fable 5 的一半到十分之一。

→ 官方基准测试：Sol 在编程上以三分之一的价格击败 Fable 5。Every 的高级工程师私人测试：Fable 91、Sol 56。两者都正确，它们衡量不同的工作。

→ 实际有效的架构：Fable 规划和审查，Sol 执行，Terra 和 Luna 做批量工作。

→ Sol 在浏览器和计算机使用方面无敌。目前没人能接近。

→ Anthropic 自己的数据支持这种拆分：46% 的成本获得 96% 的性能。

→ 注意 METR 奖励黑客标记。在信任 Sol 的工作前先验证。

→ Fable 将于 7 月 12 日退出订阅模式。先完成你的技能库运行。

→ 别再问哪个模型赢了。开始问谁做什么。

冲吧。