OpenAI披露GPT-5.6自优化技术：推理成本降20%，Token生成效率提升超15%

OpenAI于近日集中披露了旗下GPT-5.6系列模型在自我优化方面的多项技术进展，覆盖推理服务降本、智能体调度改进以及基准测试表现等多个维度。同期，公司还曝出核心人才动向、产品规模纪录与硬件研发信号，显示出其在模型、算力、人才层面的全线推进。

推理服务降本：GPT-5.6 Sol优化GPU内核与推测解码

GPT-5.6系列本月正式发布，旗舰版本GPT-5.6 Sol在Artificial Analysis编程智能体评测中表现优于Claude Fable 5，调用成本约为后者的2/3；均衡模型Terra对标GPT-5.5，费用仅为前者的1/2；轻量模型Luna定价较Sol降低80%。

OpenAI将效率提升拆解为两条技术路径：

• 推理服务体系：通过负载均衡、推测解码、缓存机制与内核算子优化，在硬件不变前提下提升有效输出量。
• 智能体调度基座：针对上下文膨胀、工具调用逻辑与重复计算冗余进行专项优化。

具体而言，GPT-5.6 Sol借助Codex分析线上真实流量，定位算力失衡并迭代路由规则；同时自主重新编写并优化了OpenAI核心计算代码，使端到端推理服务成本降低20%。在推测解码方面，GPT-5.6 Sol围绕配套预测模型开展数百组架构对比实验，并自主值守全流程训练，整体Token生成效率提升超过15%。

智能体调度：减少冗余、保留缓存前缀

Codex在单次交互中往往需要查看源代码、检索部署记录、查阅故障报告、编辑文件、运行测试等多步操作，每一步都需发起一次模型调用，耗时与算力消耗在数十次调用中不断累积。

OpenAI的优化思路围绕三种手段：

• 管控上下文膨胀：采用延迟加载检索机制，集成组件、MCP工具等仅在被实际调用时才载入上下文；工具返回输出默认限制在10000 Token以内。
• 保留提示缓存前缀：将模型可见的历史数据设为仅追加写入模式，新消息、工具返回、环境变更信息只接续在上下文末尾，避免插入修改破坏缓存命中。
• 复用已有计算成果：通过上下文压缩、推理记忆留存等技术减少重复计算。

ARC-AGI-3评测：API配置而非模型能力才是关键短板

GPT-5.6 Sol此前已攻克圈复覆盖猜想等数学难题，但在ARC-AGI-3二维解谜基准中正确率仅为7.8%（GPT-5.5仅0.4%）。OpenAI研究发现，这一表现并非模型本身缺陷，而是ARC-AGI-3配套的极简调度框架所致——该框架每步操作后清空私有推理思考过程，并采用滚动截断窗口机制，导致早期操作记录逐步丢失。

启用ChatGPT与Codex内部默认的两项API配置（推理记忆留存与上下文压缩）后，GPT-5.6 Sol在公开测试集上的得分提升至原来的3倍，输出Token消耗缩减为原来的1/6。基于自家Responses API重构调度框架后，GPT-5.6 Sol得分从7.8%提升至13.3%，若同时保留原有推理机制和压缩技术，分数可达38.3%。

OpenAI建议API开发者在评估不同模型时，选用能模拟ChatGPT与Codex实际应用场景的配置，以获得更客观的横向对比结果。

人才、用户与硬件三线推进

伴随技术披露，OpenAI同步传出三项重要动态：Thinking Machines Lab联合创始人翁荔（Lilian Weng）被曝将回归OpenAI，助其开展AI自进化研究；用户规模首次突破10亿人，服务企业达200万家；总裁格雷格·布罗克曼（Greg Brockman）透露OpenAI正在打造AI硬件，认为用户"绝大多数情况下"会选择与电脑对话的设备形态。

上述进展表明，大模型竞争已从单纯的参数比拼迈入全栈工程化优化阶段，低成本、高效率、可规模化的产业落地能力正成为各家厂商角力的核心方向。