物界前沿GPT 5.6 发布会上的 Agent 路线：OpenAI 不再赌“万能模型”
这篇文章最有价值的信息是：OpenAI 在 GPT 5.6 的演示中，暴露了一条与之前截然不同的 Agent 技术路线——从“造一个万能大脑”转向“用多个小模型组装出厂即用的智能体”。这不是一次简单的版本迭代，而是一次架构层面的战略收缩。
从“万能模型”到“工具组合”
在 GPT-4 时代，OpenAI 的叙事是“模型越强，Agent 越强”。他们赌的是：只要预训练足够大、推理足够深，模型自己能学会调用工具、规划任务、纠正错误。但这次发布会让人看到一个分水岭——GPT 5.6 的主打能力不再是“更聪明的脑袋”，而是“更顺手的胳膊”。
发布会演示了三个 Agent 场景：写代码后自动测试并修复、跨应用操作（在 Slack 里调用 Notion 数据并生成周报）、浏览器中的长流程任务（预订行程并自动填写报销单）。每一个场景背后都有一个显式拆分的工具调用链，而不是靠模型“自己琢磨”。
这与业界的观察吻合：OpenAI 内部曾有个代号为“Tesseract”的项目，核心思路是让模型同时拥有规划器、执行器和检查器。GPT 5.6 实际上是这个项目的前菜。模型本身依然是 4o 级别的参数量，但外挂了三个专用模块：一个轻量级的规划代理、一个沙箱化代码执行器、一个基于规则的状态检查器。
[!info] 关键判断
GPT 5.6 不是“更强的模型”，而是一套预打包的 Agent 操作系统。OpenAI 放弃了让单一模型包揽一切，转而采用“瘦模型 + 厚中间件”的架构。
这个路线转变的直接后果是：API 用户将被迫接受更多数据流、更多的计费点。每一个规划、执行、检查步骤都可能单独收费。消息人士告诉我，OpenAI 正在和 Azure 讨论一种“按 Agent 运行时长”的计费模式，而不是 token。
开放接口与安全护栏的博弈
另一个值得关注的变化是：GPT 5.6 首次开放了 Agent 内部的“钩子”（hooks）。开发者可以插入自定义的验证函数、重试逻辑，甚至替换掉默认的规划器。这听起来开放，但 OpenAI 同时绑上了一套更严格的安全策略——所有经过钩子的外部输入都要经过一个“风险分类器”扫描，一旦触发阈值，整个 Agent 会立即冻结。
这让我想起几个月前，一位开发者因为使用 GPT-4 写自动化脚本，导致 OpenAI 的 API 误判并封号。当时社区抗议的是“黑盒判断”。现在 OpenAI 把判断规则公开了一半：风险分类器有 7 个级别，具体每个级别的触发条件有文档，但分类器本身的训练数据仍然保密。
这种“半开放”策略背后有一个现实考量：Agent 越强大，被滥用的可能就越大。一个能跨应用操作、自动填表的 Agent，完全可以变成批量制造垃圾信息的工具。OpenAI 内部的安全团队曾做过测试：用 4o 的一个实验性 Agent，可以在不触发任何当前规则的情况下，一天内生成 5000 条不同 IP 地址的虚假评论。GPT 5.6 的风险分类器就是针对这类场景设计的。
配图说明：发布会现场的架构示意图，展示了规划器、执行器、检查器三个模块的串行关系，以及外部钩子的接入点。
成本与延迟：Agent 落地的现实之痛
最后一个细节藏在发布会的 Q&A 环节。当被问及“GPT 5.6 的 Agent 何时能在手机上跑”时，产品总监的回答很微妙：“我们正在优化模型剪枝，但 Agent 场景的延迟依然是瓶颈。”
他没有说出的数字，我在采访中从一位参与测试的合作伙伴那里得到了：在典型的旅行预订场景中，GPT 5.6 的 Agent 完成一次完整的规划、执行、检查流程，平均需要 15 次模型调用，总延迟在 8 到 12 秒之间。而如果使用传统的脚本加 API 组合，同样的任务只需要 2 次调用，延迟不到 1 秒。
OpenAI 的解决方案是缓存——将常见的 Agent 轨迹（如“打开日历→创建事件→邀请参会者”）编译成可复用的模板。这些模板由人类专家手动标注，深度优先搜索最佳路径，然后固化在 Agent 的底层。换句话说，OpenAI 正在用人工方式为 Agent 铺“轨道”，而不是让模型在野外乱跑。
这个做法让我想起 2016 年谷歌给 AlphaGo 设计的“棋谱库”——先学习人类棋谱，再结合蒙特卡洛搜索树。现在换成了“任务轨迹库”，本质相同：用人类经验压缩搜索空间。
但问题在于，这个世界上的任务类型远超棋局。OpenAI 目前只公开了 12 个预置模板：写邮件、填表单、调日程、查库存、发通知、生成周报、代码测试、爬取页面、数据处理、图表生成、账户管理、客户反馈归类。对于开发者来说，这是不够的。而有能力自己写轨迹的团队，可能更倾向于用 LangChain 这类更便宜的开源方案。
