Sam Altman 顯然意識到，如果再不掏出點什麼，大家都要跑去研究 Juggler 了。這次扔出來的 GPT-5.6，光是型號命名就透著一股子急躁。在技術圈眼裡，這種跳過整數、直接在小數點後兩位做文章的行為，通常只有兩種可能：要麼是底層架構發生了質變，但他們還沒膽量叫它 GPT-6；要麼就是他們發現，如果不趕緊更新一下版本號，這屆用戶快要忘記誰才是矽谷的造物主了。
這次最唬人的數據莫過於那個所謂的「Agents’ Last Exam」。在 55 個專業領域的長程工作流評估中，GPT-5.6 Sol 跑出了 53.6 分。這個數字之所以讓開發者圈子炸開鍋，是因為它直接把 Claude Fable 甩開了 13 個百分點。這不是微調，這簡直是把對手按在地上摩擦。我們都知道，在處理複雜的 API 調用鍊、或者是跨度長達數小時的異步任務時，大模型的注意力衰減一直是個死穴。過去我們嘲笑 Gemini 雖然窗口大但總是「忘東忘西」，或是諷刺 Claude 雖然優雅但遇到大規模代碼重構就開始優柔寡斷。現在，OpenAI 試圖用這 13 分的差距告訴所有人：邏輯推理的馬力，是可以靠暴力計算和更精巧的「中等推理」邏輯來換取的。
細看 GPT-5.6 的 API 行為，最有趣的點在於它的 Token 消耗策略。在執行同樣的長程工作流時，它雖然號稱成本只有 Fable 的四分之一，但實際上它在「預思考」階段停留的時間明顯拉長了。這其實是一種很雞賊的置換。它不再像之前的版本那樣急著吐出第一個字，而是把更多的算力浪費在了我們看不見的後台推理路徑上。對於那些習慣了 Claude Code 流暢感的重度開發者來說，這種「先悶頭想、後噴湧而出」的節奏其實很反直覺。有些人開始懷疑，這到底是智能的進步，還是僅僅把原本該由用戶等待的延遲，包裝成了某種深思熟慮的假象？
在這種技術軍備競賽的背景下，市場的反應卻顯得有些冷淡，甚至帶著點犬儒的味道。當 OpenAI 忙著刷新 Benchmark 的時候，隔壁的 Grok 依然在玩它的推特數據餵養，試圖用更具攻擊性的語氣來掩蓋它在邏輯嚴密性上的短板。相較於 Juggler，OpenAI 選擇了一條更為傳統且昂貴的護城河，即通過不斷墊高推理門檻來維持統治力。這種做法固然穩健，卻也讓它顯得越來越像當年的微軟——強大、準確，但讓人提不起勁。
現在最尷尬的其實是 Claude 的老用戶。他們在享受了長達半年的「最優代碼助手」紅利後，突然發現對面的新模型在處理跨文件關聯、邏輯閉環檢測上表現得更有侵略性。如果說 Claude 的優勢在於它像一個懂你意圖的資深架構師，那麼現在的 GPT-5.6 就更像一個不知疲倦、且腦袋轉速快得驚人的初級極客。它不一定懂你的美學，但它能在你眨眼間跑完 55 個測試案例。這種純粹性能上的碾壓，往往比功能上的創新更讓人感到不安。
我們是否已經進入了一個「參數通貨膨脹」的時代？當一個模型僅僅因為小數點後的數字變動，就能在特定榜單上提升兩位數的百分點時，我們真正該問的是：這些被優化出來的指標，到底有多少能轉化為我們在深夜 Debug 時的救命稻草，又有多少只是為了在財報會議上給投資人一點心理安慰？
如果 GPT-5.6 的這種「中等推理」模式真的成為主流，那麼未來的模型競爭，是否會演變成一場關於「誰能把用戶晾在那裡等得更有價值」的心理戰？當推理成本降低到原來的四分之一，但我們卻需要花更多的時間去審核它生成的那些看似完美、實則充滿邏輯陷阱的代碼時，我們到底是在節省時間，還是在為更高級的混亂買單？下一次，當小數點跳到 5.7 或 5.8 的時候，我們還會像今天這樣激動嗎？還是說，我們早就習慣了這種被數字餵養的虛假繁榮？