真相内核：OpenAI称GPT-5.6 Sol可自行降低成本
内容提要
OpenAI发布GPT-5.6模型系列，通过模型、推理、API栈和代理框架四层优化实现性能与成本平衡。旗舰模型Sol在编码基准上超越Anthropic的Claude Fable 5，且输出令牌减少54%。优化包括内核重写、推测解码、负载均衡和缓存管理，使服务成本降低20%，端到端执行速度提升40%。
延伸解读
优化思路可迁移
文章强调，OpenAI的优化技术并非仅适用于其自身，许多方法如追加式上下文、确定性工具排序、限制工具输出长度等，可直接用于企业自建代理系统。这些措施直接减少令牌消耗，对控制推理成本有实际帮助。
成本与性能的平衡
GPT-5.6系列通过模型、推理、API栈和代理框架四层优化，在提升性能的同时降低成本。例如，Sol模型在编码基准上超越竞品，且输出令牌减少54%；服务成本降低20%，端到端速度提升40%。这表明前沿模型竞争已从单纯智能转向效率与智能并重。
自主优化的风险与验证
模型自主重写内核带来效率提升，但正确性风险不容忽视。OpenAI为此投入验证工具，如开源的FpSan，确保生成内核在投产前经过严格校验。这提醒开发者，在采用类似自主优化时，必须建立完善的验证机制。
Q&A
OpenAI的GPT-5.6模型系列包含哪几个模型？它们之间有什么区别？
GPT-5.6系列包含三个模型：旗舰模型Sol、Terra和Luna。Sol性能最强，在编码基准上超越Claude Fable 5；Terra在智能基准上与GPT-5.5相当，但价格减半；Luna最快且最便宜，价格比Sol低80%。
GPT-5.6 Sol在编码基准上相比Claude Fable 5有什么优势？
在Artificial Analysis Coding Agent Index上，GPT-5.6 Sol（最大推理）超越Claude Fable 5，并且输出令牌减少54%。
OpenAI通过哪些层面的优化实现了GPT-5.6的成本降低？
OpenAI通过四个层面的优化：模型训练（提高每令牌的工作效率）、推理（负载均衡、KV缓存管理）、API栈（增量tokenization、WebSocket集成）和代理框架（Rust编排、上下文管理）。这些优化使服务成本降低20%，端到端执行速度提升40%。
GPT-5.6 Sol如何参与优化自己的推理过程？
GPT-5.6 Sol在Codex中自主重写和优化生产内核，使用Triton和Gluon语言；它还改进推测解码的草稿模型，通过设计实验、启动和监控训练过程，并在硬件故障或训练不稳定时自主干预，使令牌生成效率提升超过15%。
OpenAI如何确保模型重写内核的正确性？
OpenAI投资了验证工具，包括开源浮点消毒器（FpSan），用于在GPT-5.6 Sol生成的内核进入生产环境前进行验证。
OpenAI在API栈中如何减少tokenization开销？
OpenAI通过WebSocket集成将tokenization状态提升到服务器，首次调用渲染并tokenize完整提示，后续调用只发送新输入和对话引用，使操作接近O(1)，类似增量构建系统。对于20次以上工具调用的场景，端到端执行速度提升约40%。
OpenAI在代理框架中如何控制上下文膨胀？
代理框架采用延迟发现，只在需要时展示集成、MCP工具、技能和插件；默认限制工具输出为10,000令牌；将模型可见历史视为仅追加，新消息和工具结果添加到末尾；工具顺序确定，运行时设置在执行时应用。这些措施提高了提示缓存命中率。
OpenAI在硬件层面发现了什么问题，并如何解决？
OpenAI发现相同实例类型的节点可能搭载不同代际的CPU，旧处理器消耗约两倍的CPU资源。通过将流量重新分配给较新的处理器，TTFT改善了约20%，并将CPU代际纳入容量规划。
