GPT-5.6 不只是换一个默认模型。Sol、Terra、Luna 的成本、速度和任务边界不同，生产迁移要先做任务分层、样本评测、缓存核算和回滚。
- 01先读摘要，判断是否与你的场景相关。
- 02再看来源，保留继续查证的路径。
- 03最后看步骤、风险和可复用动作。
GPT-5.6 已进入 ChatGPT、Codex 和 OpenAI API。真正影响生产系统的不是“新模型更强”这句话，而是 Sol、Terra、Luna 三档怎么分工，哪些请求值得开更高推理档位，缓存写入成本和多代理调用会不会把账单放大。直接替换模型名，通常看不到这些问题。
更新依据与适用边界
更新日期：2026-07-15。OpenAI 7 月 9 日公布 GPT-5.6：Sol 面向高难任务，Terra 主打日常工作与成本平衡，Luna 是更快、更便宜的一档。官方同时公布 max、ultra、Programmatic Tool Calling、多代理 beta 和新的 prompt caching 计费方式。本文只用官方公开信息，不把发布方基准当成你自己业务的验收结果。
适用场景
- 你已有 GPT-5.x、Codex 或 Responses API 工作流，想迁到 GPT-5.6。
- 同一产品里同时存在批量轻任务、普通知识工作和少量高难推理。
- 工具返回很大，需要在模型侧先过滤中间结果，减少反复传输。
- 团队想试 max、ultra 或多代理，但需要成本上限和人工确认。
不适用场景
- 只有少量人工对话，没有固定样本和预算记录，先不必做复杂路由。
- 受监管流程尚未批准新模型，继续使用已验收版本。
- 你需要严格复现旧输出格式，却没有契约测试和回滚开关。
迁移前准备
- 收集最近 7 至 14 天的真实请求，至少覆盖短问答、长文档、代码修改、工具调用、失败重试和敏感拒答。
- 记录旧模型的成功率、人工返工率、输入输出 token、延迟和单任务成本。
- 把模型 ID、effort、缓存策略、工具清单放进配置，不写死在业务代码里。
- 准备 5% 灰度入口和一键回退变量，确保旧模型至少保留两个发布周期。
任务分流步骤
- 把任务分成三组。规则明确、可快速校验的批处理先测 Luna；日常写作、资料整理和常规开发先测 Terra；高风险代码审查、复杂分析和长链路代理再测 Sol。
- 每组挑 20 至 50 条真实样本。相同输入分别跑旧模型和候选模型，隐藏模型名，让业务负责人按正确性、完整性、可执行性和返工量评分。
- 把 max 当单独产品能力测试，不要给所有 Sol 请求默认开启。只有普通 effort 明显失败、且任务价值覆盖额外成本时才升级。
- 工具密集流程评估 Programmatic Tool Calling。让模型在内存中筛选工具结果时，重点核对被丢弃的数据是否真不影响决策。
- ultra 和多代理先放在只读研究、代码审查或材料整理。四路并行会提高 token 使用量，任何外部写入都要保留单独确认。
- 按 5%、20%、50%、100% 灰度。每一档至少观察一个完整业务周期，再扩大流量。
验收清单
- 关键字段、JSON schema、引用和工具参数没有回归。
- 人工返工率不高于旧模型，不能只看一次展示效果。
- P50/P95 延迟、超时率和失败重试次数有记录。
- 缓存命中、缓存写入和普通输入分别核算。GPT-5.6 的缓存写入与读取价格不能混在一起估算。
- max、ultra、多代理均有预算上限、超时和降级路径。
- 安全拒答或权限边界改变时，有可读日志和人工复核。
可复用示例：内容站自动化
一个内容站每天要做 200 条标题去重、20 篇资料归纳和 2 次复杂发布审计。标题去重结果能被规则校验，可先测 Luna；资料归纳需要稳定结构，放到 Terra；跨来源事实核对、代码改动和发布前审计交给 Sol。只有审计样本在普通 effort 下仍遗漏关键风险，才升级 max。这样能把强模型留给高价值环节，而不是让所有请求一起涨价。
任务类型：
当前模型：
候选模型：Luna / Terra / Sol
样本数量：
正确率：
人工返工分钟：
P95 延迟：
单任务成本：
缓存命中率：
失败时降级模型：
负责人：常见坑与排错
- 只比较官方基准，不跑自己的数据。基准说明能力上限，不能代替字段契约和业务验收。
- 把 Sol、max、ultra 当成线性升级。更高 effort 和更多代理会改变延迟、成本与失败模式。
- 迁移模型同时改 prompt、工具和输出格式。一次改太多，回归时无法定位原因。
- 发现成本升高：先拆缓存写入、缓存读取、普通输入和输出，再检查是否无意开启多代理或高 effort。
- 工具结果遗漏：保留抽样原始响应，核对 Programmatic Tool Calling 的筛选代码。
判断规则
- 如果 Luna 的正确率与返工时间达到旧模型基线，且 P95 延迟更低，就把可规则校验的批量任务迁过去；任何关键字段回归都先留在旧模型。
- 如果 Terra 已达到业务标准，不因 Sol 的单次样例更漂亮就升级。只有返工成本持续高于模型差价时才考虑 Sol。
- 如果 max 只改善少数边缘样本，把它做成失败后的二次处理，不设为默认。
- 如果多代理任务包含外部写入、付款、发布或删除，改成只读收集加人工确认，不能依赖最终答案替代权限控制。
发布后复查
迁移后第 1 天看错误和费用，第 7 天看完整业务周期，第 30 天重新跑固定样本。业务量、提示长度、缓存命中和模型价格都会变化，路由表应跟着真实数据更新。若连续两天 P95 延迟或单任务成本超出预设上限，立即退回上一个灰度档。