八个字，五天，一个能用的 Excel。
这不是标题党。Matt Wolfe 给 GPT-5.6 发了一句话，make an Excel clone continue until feature parity，翻译过来就是做一个 Excel 克隆，跑到功能对等为止。然后 Codex 就真的跑了五天，直到他手动喊停。
跑出来的东西不是玩具。排序、公式、条件格式、数据验证、数据透视表，全部能用。它甚至打开了 Matt 电脑上的真实 Excel，来回对照着复刻。
Excel 是微软花了几十年打磨的庞然大物。GPT-5.6 用五天和八个字拿到了一个可用的子集。这个信号比任何 benchmark 分数都直接。
榨干最后一滴
GPT-5.6 最本质的东西，是 OpenAI 把 GPT-5 那次训练的每一滴剩余价值都挤了出来。
它不是一个新模型，是同一个模型训练的极限优化版。Matt 的原话是，这不像一个 dot 升级，他们不应该只给它叫 5.6。它的能力跳变程度配得上一个大版本号。
具体强在哪里。browser use 和 computer use。GPT-5.6 操控浏览器和操控桌面的能力，Matt 用了一个词，phenomenal。他甚至已经把 Codex 的浏览器当成自己的主力浏览器在用，排序邮件、改 DNS 记录，一句话搞定。
这种能力直接决定了 AI 能不能从聊天框里走出来，真正替你操作软件。GPT-5.6 在这一点上跨过了一个门槛。
Minecraft 克隆：第一天就长得像了，然后它停不下来
如果说 Excel 克隆展示的是精确复刻能力，Minecraft 克隆展示的是自主扩展能力。
同样的指令格式，一句话让它做 Minecraft。大约一天就拿到了一个看起来像 Minecraft 的东西，有方块、有挖矿、有 3D 动画、有背包、有农作物。但 GPT-5.6 没有停。它继续往深处走，自己生成了原版游戏里的怪物、不同的生物群系，不断逼近功能对等。
Matt 跑了七天，手动喊停。他说这是他用 AI 做过的最好的 Minecraft 版本。
注意一个细节。它不是在做 Matt 告诉它做的事，它在做 Matt 没告诉它但 Minecraft 应该有的事。模型自己知道一个完整的 Minecraft 需要什么，然后自己去补。
这种自主性来自哪里。来自 GPT-5.6 对浏览器和桌面的操控能力。它能打开真实的 Minecraft，看里面有什么，然后回来往自己的克隆版里加。这是一个自己给自己做需求分析的循环。
三个尺寸，一套编排
GPT-5.6 不是一个模型，是三个。Luna 最小，Terra 中等，Sol 最大。每个尺寸内部还有多级推理强度，Sol 一直拉到 Ultra。
这听起来只是产品策略，但实际意义很大。它让你可以按任务复杂度分配算力。
Matt 描述了一个典型工作流。用 Sol 做规划，用 Terra 配高推理强度做主要实现，把部署和低要求工作甩给 Luna。你不需要从头到尾用最贵的模型，而是像一个项目经理一样把任务拆给不同级别的工程师。
这就是最近行业里热炒的 model routing。不是让一个模型干所有事，而是让一群不同能力层级的模型各司其职。GPT-5.6 是第一个把这件事从概念变成开箱即用的模型系列。Matt 甚至专门写了一个 skill 来在 Codex 内部自动做这种分配。
价格砍半，而且用得更少
GPT-5.6 的定价对 OpenAI 自己的 Fable 也形成了压力。
输入 token 每百万 5 美元，Fable 是 10。输出 token 每百万 30 美元，Fable 是 50。但更关键的是，GPT-5.6 完成同样的任务消耗的 token 更少。Matt 说它有一条更直接的路线到达目标，不绕弯。
也就是说，你的实际成本下降不止一倍，因为效率也提升了。
Box 的企业级评测给出了一组有意思的对比。在复杂知识工作评测中，Sol 拿到了最高分，超过了 GPT-5.5 和 Terra。在公共部门、生命科学、医疗三个行业子项中，Sol 全面领先。Luna 的得分和 Terra 差不多，但更快更便宜。
这意味着在绝大多数日常场景下，你不需要拉满 Sol，Luna 就够了。真正需要 Sol 的复杂推理场景是少数。OpenAI 用三个尺寸覆盖了从轻量到重型的完整谱系。
Fable 是另一回事
Matt 在视频里对 Fable 的评价值得单独拎出来。
他说 GPT-5.6 是现有模型的巅峰，每一匹马力都榨干了，轮胎为速度优化，加了尾翼。Fable 则像一辆全新的法拉利，还没被调校过，潜力远大。
这个类比精准地描述了当前 OpenAI 两条线的差异。GPT-5.6 是确定性，你知道它能干什么，它干得很好。Fable 是可能性，它能绕过你没想到的弯，但你还不知道它的天花板在哪。
Matt 说 Fable 对问题的预判能力比 5.6 更强。5.6 是直线快，Fable 是拐弯快。如果你知道任务路径清晰，用 5.6。如果你面对的是一个你自己都没完全想清楚的问题，Fable 可能更适合。
这不是非此即彼的选择。model routing 的思路就是让不同模型各管一摊，规划用 Fable，执行用 5.6 的某个尺寸，部署用 Luna。
真正的变化
单个 benchmark 的提升已经不太能让人兴奋了。GPT-5.6 真正让人注意的是三件事拼在一起。
第一，自主循环能力。八个字跑五天，模型自己知道该干什么、什么时候算完成、缺什么自己补。这不是 prompt engineering，这是任务自主性。
第二，浏览器和桌面操控。AI 能打开你电脑上的 Excel 对照着复刻，能帮你改 DNS，能管理邮件。它从聊天工具变成了操作工具。
第三，模型编排。三个尺寸加多级推理，让你可以像管理团队一样管理 AI 算力。不是一个大模型干所有事，而是合适的模型干合适的事。
这三件事单独看都不是全新的，但拼在一起的时候，AI 从你一句话一句话喂的工具，变成了你可以一句话启动、它自己跑到完的生产线。
五天跑出一个 Excel 克隆只是开始。真正的变化是，你不再需要告诉它每一步该做什么了。
