芯耀
与非AI
1692
原标题：离谱，GPT-5.6 竟然在后台执行了 rm -rf
大家好，我是 cxuan。
昨天 GPT 5.6 正式公开，某知名社交平台上全是牛批、卧槽、吊打 Fable 5，很多号主也在跟着吹。
但我昨天其实就说过：我要给 GPT 5.6 浇盆冷水。我预感它效果没那么好。
都在吹 GPT 5.6，但我可能得泼点冷水了。
结果发布才一天多，风向就开始变了。。。。。
昨天我没收到 Sol 的推送，所以先测了 Terra。
发布时官方口径大概是：Terra 能力和 GPT-5.5 差不多，更省 token。我之前也按这个理解它——Terra 是 5.5 的省流版。
然后体验过程里，首当其冲就撞上两个低级问题。。。。。。
一个是模型跑完了，界面上几乎看不到任何结果。
一个是流式渲染之后，英文夹着中文一起喷出来，读起来像一坨泔水。
我还分不清，这是 ChatGPT Codex 客户端的问题，还是模型本身的问题。
但结论很简单：体验有些差。
前天 Grok 4.5 刚出来的时候，我写过一篇，说这次 Grok 4.5 效果其实不错。
Cursor 掀桌子了，Grok 4.5 这次要上天了？
对 GPT 5.6，我又泼了冷水。
结果这两个观点，现在都在应验。
一边是 Grok 4.5 被拿去和第一梯队认真比较。
一边是 GPT 5.6 的热度，正在从吊打一切变成寥寥无几的在吹。
不是说 5.6 完全不能用。是在说：发布日的情绪，和真正上手后的体感，不是一回事。
OpenAI 把重置玩明白了
现在 OpenAI 倒是很清楚一件事情了：额度重置，比再发一篇评测稿更管用。
邀请重置，改 bug 重置，奥特曼打个不会赢的赌输了重置，甚至官方毫无理由直接下场送重置。
属实把重置玩明白了。
但是这招的副作用也很明显：用户会逐渐把重置当成产品体验的一部分，而不是福利。
哪天 OpenAI 如果不送重置了之后呢？
用户可是没有忠诚度，哪个模型好用哪个，哪个模型省 token 用哪个，哪个模型性价比高用哪个。
比如我之前天天吹 GPT 5.5 ，现在不也是在上手用上了 Grok 4.5 么。。。
你要是天天靠补额度维稳，那产品本身一定哪里有问题。
A 社也坐不住了
GPT 5.6 这波，连一毛不拔的 A 社都跟着重置额度了。
Fable 5 本来是 7 月 7 号结束订阅内的促销额度，后来延到 7 月 12 号；5.6 一公开，A 社又把 5 小时和 weekly limit 全量重置了一遍。
Tibo 直接在官方帖子下面说：他闻到了一股恐惧的气味。
这话当然带点阴阳了。
不过可以确定的是，A 社确实感觉到了一些压力。否则也不会在 GPT 5.6 刚发布就选择重置额度。
Fable 5 的延迟下线也能证明这一点。
我仍然记得当初用 GPT 5.5 时候的惊艳，但这次 GPT-5.6 Sol，吐槽的人不少。
Simon Willison 写过 GPT-5.6 家族（Luna / Terra / Sol）的梳理，也承认 Sol 很能干，但在他常做的复杂编码任务上，目前还没觉得它比 Fable 更好。
另外一个更刺眼的点是：官方爱打的 Agents’ Last Exam 上 Sol 很亮眼，但在 SWE-Bench Pro 这种更硬的编码评测上，Fable 5 自报大约 80%，Sol 大约 64.6%。OpenAI 还专门发文质疑 SWE-Bench Pro 有大量坏题——这个动作本身，也说明编码榜单已经开始互撕了。
但是，更严重的是 Matt Shumer。
他测试 GPT-5.6 Sol 时，最终执行了类似 rm -rf /Users/mattsdevbox 的操作，把 Mac 上的文件全删光了。
（Matt Shumer 就是写下那篇《有许多大事儿即将发生》的那位）
出了这件事后，我对 GPT-5.6 Sol 的信任直接掉了一截。
Theo（t3.gg）也吐槽了一个很工程的问题：把 gpt-5.6-sol 设成 ultra 之后，它下面的所有 subagent 也会继承 ultra，造成无缘无故的 token 燃烧，而且还无法单独的把 subagent 的 effort 换成 medium。
因为很多人第一天就会把 effort 拉满，一拉满就疯狂烧 token ，然后回头说 Sol 太贵了。。。
这老哥还有一个帖子更直接，说感谢大厂互卷，让 A 社感到恐惧，于是继续延长 Fable 5 的下线节奏。
我甚至觉得，Fable 5 未必会在 12 号就按原计划切到纯 credits。
现在先立个 flag，看看会不会打脸。
我现在真实感觉到现在的测评，其实看一看就行。
真正决定你换不换默认模型的，还是这几件事：
会不会稳定产出结果，会不会乱删文件，会不会无故烧额度，会不会无缘无故降智，会不会有额外的惊喜。
我不是说 GPT 5.6 没有实力，OpenAI 在 agent 长程任务、工具调用、多 agent 编排上确实很突出。
但发布后的第一波真实反馈里，稳定性和可控性，已经压过了再高 10 分的兴奋。
这也是为什么我更愿意先看 Grok 4.5 这类够强、够快、够便宜的选手，而不是只盯着发布会里最顶的那一档。
按照现在的趋势，顶级模型不会用来单纯的干活，而是会整理需求、做设计、拿方案，具体干活，要交给工程能力强，token 消耗没那么快的模型。
如果你实在想用 GPT 5.6，先把 effort 调到 medium，别一上来 ultra 拉满。
这和我之前写过的一篇，以及现在圈里不少人的观点，基本一致：xhigh / ultra 很容易过度思考，还特别废 token，性价比不高。
除非你在做又难又大的攻城略地型任务，否则一般任务里，medium 往往更划算。
还在用 Codex 把 xhigh 拉满跑？
说到底，GPT 5.6 现在最大的问题，是新版 Codex 搭配着 GPT 5.6 还没稳定，bug 比较多，而且大家对 GPT 5.6 的期待值有些过高，导致与实际情况有些差距，所以我感觉这次 OpenAI 还是有些着急了。
我现在的态度很简单：Sol 继续观察，Terra 先当省流备胎（其实并不省），Fable 5 额度能蹬上的话还是最佳选择，Grok 4.5 很值得尝试。
现在最应该做的事儿就是等着 GPT 6.x 的发布了。
如果这篇文章你觉得还不错，谢谢你的三连，也希望可以转发给同样关注 AI / 科技 / 开发效率的朋友。 我是 cxuan，我们下期再见。
