刚刚，GPT 5.6 发布会上，OpenAI 暴露了哪些 Agent 技术路线？
AI 深度解读
背景
北京时间凌晨一点，OpenAI 在 GPT 5.6 发布会上同时推出了多个产品与模型，标志着 ChatGPT 从传统对话工具向 Agent 执行系统的转型。发布会没有仅围绕单一模型展开，而是同时发布了 ChatGPT Work、全新的 ChatGPT 桌面 App、Hosted Sites，以及 GPT 5.6 系列模型 Soul、Terra、Luna。这些看似独立的功能，实则共同指向一个目标：让 ChatGPT 从“生成回答的工具”变成“能接任务、读上下文、调工具、操作环境并交付结果的执行系统”。
传统聊天产品主要处理“输入”与“输出”，用户问、模型答，任务大多停留在聊天框内。而执行系统需要处理任务拆解、上下文管理、工具调用、状态跟踪、权限控制和结果校验。发布会中展示的财务分析、Excel 更新、PPT 生成、桌面应用操作、网页托管以及多 Agent 协作，均属于这条技术路线的具体体现。
核心内容
GPT 5.6 发布会揭示了 OpenAI 在 Agent 技术路线上的完整布局，可从产品链路与底层模型调度两个层面理解。
产品链路
-
ChatGPT Work —— 任务入口
用户向 ChatGPT Work 提交的不再是简单的文本请求，而是带有明确目标的工作任务。例如：从 Slack 和员工反馈中提取内部典型案例，结合日程安排进行访谈；或者读取财务数据，进行差异分析(variance analysis)、更新预测(forecast)、生成汇报材料与可分享页面。这类任务的难点在于编排：系统需要判断所需数据源、读取顺序与处理顺序、哪些步骤可自动执行、哪些需要用户确认。普通问答仅处理当前输入，Agent 工作流则必须维护任务状态——已使用哪些材料、得出哪些中间结论、哪些假设尚未确认。 -
ChatGPT 桌面 App —— 环境接入
真实工作通常分散在本地文件、浏览器标签页、表格、笔记、邮件与协作工具中，而非局限在聊天框。桌面 App 可以接触本地文件、浏览器标签页和其他应用，而网页端主要依赖上传文件与云端连接器。发布会展示的 Apple Notes 整理、本地文件夹读取、Chrome 标签页分析与表格可视化，本质上是在让 ChatGPT 进入用户真实工作环境。 -
上下文的工程化处理
接入环境后，模型需要判断哪些内容与任务相关，并将 PDF、Excel、网页、PPT、笔记等不同格式转换为可处理的表示。背后涉及文件索引、语义检索、上下文压缩、引用追踪与冲突处理。例如同一项目中 PDF、PPT、Slack 消息与 Excel 表格可能并存且信息矛盾，Agent 需要判断哪些来源更新、可信，哪些只是背景材料。 -
Hosted Sites —— 结果交付
过去大模型输出多为文本、代码片段或静态文件，用户需将结果搬运到其他工具继续处理。Hosted Sites 将结果直接变为网页、看板、内部工具或交互式原型，适合临时 dashboard、项目汇报、产品原型等轻量场景。交付层需依赖结构化工具协议，例如“更新 forecast”任务应拆分为读取单元格、检查公式、生成 diff、等待确认、写回文件等步骤，降低风险。
模型调度
GPT 5.6 拆分为三个层级：
- Soul：面向复杂 Agent 工作流
- Terra：面向日常任务
- Luna：面向高频低成本任务
分层的重点在于调度。Agent 场景下，一次复杂任务可能包含长文档读取、上下文压缩、多轮工具调用、代码生成、结果校验与多次修改。如果全程调用最强模型，费用与响应时间上升；全程使用低成本模型，规划与推理可能不稳定。合理的方式是分层路由：摘要、分类、格式转换、批处理用低成本模型；复杂规划、长上下文推理、代码生成、财务分析、高风险操作用更强模型；中间步骤根据任务状态动态切换。用户看到的是同一个 ChatGPT，系统内部实际进行模型选择、上下文分配与工具调度。
当单个模型不足以覆盖复杂任务时，多 Agent 进入调度系统。Ultra Mode 将复杂任务拆给多个 Agent 并行处理：一个 Agent 读取资料，一个处理表格，一个生成页面，一个检查一致性，最后整合结果。这能提高速度并做交叉检查。真正的难点是 orchestrator，它需要决定任务如何拆分、每个 Agent 拿到哪些上下文、冲突结果如何处理、何时停止、如何避免重复劳动、如何控制成本。
评估这类系统不能仅靠传统问答 benchmark。发布会提到 Terminal Bench、BrowseComp 与 Agent’s Last Exam，分别更接近代码执行、复杂信息检索与长周期专业任务。但真实企业环境还有权限限制、脏数据、历史包袱与组织内部口径。更关键的指标应是失败率、人工接管率、平均完成时间、工具调用成功率、结果可复核程度及单位任务成本。
信任与安全
Agent 系统越靠近真实工作环境，安全问题越聚焦于动作层面：读取了哪些文件、修改了哪些表格、调用了哪些工具、是否发送消息、提交代码、更新业务系统。GPT 5.6 在 cyber 能力上有提升（可发现漏洞、生成补丁），但也要求更严格的权限设计。可信 Agent 至少需要四层机制：
- 最小权限：任务需要访问什么就开放什么。
- 操作分级：读取、修改、提交等动作风险不同，确认逻辑应不同。
- 过程审计：记录模型读了什么、改了什么、依据是什么，区分原始数据与模型推断。
- 事务化执行：生成计划和变更 diff，经确认后一次性提交，而非边想边改。例如修改 Excel、移动文件、发送消息、提交代码都应具备 dry run、diff、确认与 rollback。
在企业场景中还需运行观测系统，记录每个子任务的输入、输出、工具调用、模型版本、耗时、失败原因与人工接管点。这种 observability 将成为 Agent 平台的基础能力。
关键要点
- 产品链路三阶段：ChatGPT Work 接任务 → 桌面 App 接入环境 → Hosted Sites 交付结果。
- 模型分层调度：Soul（复杂工作流）、Terra（日常任务）、Luna（高频低成本）；Ultra Mode 实现多 Agent 并行。
- 上下文工程挑战：需处理文件索引、语义检索、冲突解决，而非简单吞入所有信息。
- 安全可信四层机制：最小权限、操作分级、过程审计、事务化执行。
- 评估指标转变：从传统问答 benchmark 转向失败率、接管率、工具调用成功率、可复核程度、单位任务成本。
- 真实企业环境复杂性：标准测试集无法覆盖权限限制、脏数据、历史包袱；稳定性比演示效果更重要。
意义与影响
GPT 5.6 发布会展示的技术路线已较为清晰：通过产品链路让 ChatGPT 具备执行能力，通过模型分层调度实现成本与性能平衡，通过安全机制构建可信边界。这三层相互依赖——执行链路决定能否跑起来，调度决定能否以合理成本跑下去，信任边界决定用户敢不敢把关键任务交给它。
对于企业用户，该路线若能稳定落地，将极大改变工作流：财务、市场、研发等团队可能将重复性数据操作、周报生成、竞品监测等任务交给 Agent，释放人力投入更高价值工作。但实际价值将由真实工作中的稳定性决定，而非发布会展示的页面效果。
对于 Agent 行业，OpenAI 的设计思路——任务入口 + 环境接入 + 模型分层 + 安全事务——可能成为重要参考范式。尤其是事务化执行与运行观测系统的引入，标志着 Agent 从“实验性玩具”向“企业级生产力工具”迈进的关键一步。同时，多 Agent 调度与 orchestration 的复杂性也提示：未来 Agent 平台的核心竞争力可能不在于单个模型的能力，而在于编排、安全与可观测性等系统工程能力。