芯耀
与非AI
636
原标题：Codex退场，GPT-5.6上位，Claude被动挨打
大家好，我是小林。
之前就看到 OpenAI 内部数据说，ChatGPT 的调用基本都来自于 Codex 了，很少是网页 Chat 的方式了。
今早起来，一打开 Codex ，发现 Codex 和 ChatGPT 合并为一个 APP 了。
我第一反应是：OpenAI 这是连 Codex 的名字都不准备留了？
仔细看完更新说明才发现，Codex 并没有消失，只是被塞进了新的 ChatGPT 桌面应用。
现在的样子长这样：
曾经 Chat 模式也被压缩到了一个小小的窗口。
主页面就要是 ChatGPT work 和 ChatGPT codex 模式了，你可以在右上角切换工作模式，Work 负责研究资料、制作文档和网站，Codex 继续负责写代码、看 diff 和跑测试。
看来，OpenAI 想做的，是把聊天、研究、执行和交付，全塞进一个工作台里。
和新应用一起上线的，还有最新的 GPT-5.6 模型。
GPT-5.6 这次分成三档：Sol、Terra 和 Luna，分别对应太阳、地球和月亮。
Sol 是旗舰；Terra 平衡能力、速度和成本；Luna 最快，也最便宜。
更有意思的是，GPT-5.6 前脚刚发布，Claude 后脚就宣布：所有用户的 5 小时和每周额度，全部重置。
你说这是巧合吧，这个时间点又卡得过于精准。
反正我的理解很简单：GPT-5.6 已经把压力打到 Anthropic 家门口了，Claude 一看情况不对，先把 Fable 5 的粮仓打开再说。
这种朴实无华的商战，我希望每天都来一次。
跑分很强，但远没有全面吊打
我把 OpenAI 官方发布页里最有代表性的几项成绩拉到了一张图里。看完就会发现，GPT-5.6 的跑分很强，但「全面吊打」四个字还真说不出口。
▲ GPT-5.6 Sol 与 Claude Fable 5 官方跑分对比
GPT-5.6 Sol 在 Agents' Last Exam 上拿到 52.7%，Fable 5 是 40.5%；Coding Agent Index 上，GPT-5.6 Sol 是 80，Fable 5 是 77.2。
长任务和 Coding Agent，确实是 GPT-5.6 最亮眼的地方。
但只挑赢的跑分就没意思了。
在更硬核的软件修复测试 SWE-Bench Pro 上，GPT-5.6 Sol 只有 64.6%，Fable 5 是 80%，还有 Toolathlon 这一项，Fable 5 也略高。
所以更准确的说法是，GPT-5.6 在 Agent、速度和成本效率上往前走了一大步，但不是所有能力都把 Fable 5 打穿了。
价格方面，先放完整对比：
- GPT-5.6 Sol：每百万 token 输入 5 美元、输出 30 美元GPT-5.6 Terra：输入 2.5 美元、输出 15 美元GPT-5.6 Luna：输入 1 美元、输出 6 美元Claude Fable 5：每百万 token 输入 10 美元、输出 50 美元
对比下来差距很直观：旗舰 Sol 输入价只有 Fable 5 的一半，输出仅六成，入门 Luna 成本更是远低于 Fable 5，定价攻击性拉满。
API 价格确实很有攻击性，但单价便宜，不代表 ChatGPT 或 Codex 的订阅额度一定更耐用。推理档位、上下文、工具调用和并行 Agent 数量，都会影响真实消耗。
官方说更省，用户体感到底省不省，还是得跑任务。
开始实测
接下来，我直接就来实测一波 OpenAI 和 Anthropic 两家最强的旗舰模型，看看哪家更强。
首先，我把 GPT-5.6 Sol 的推理强度直接拉到最高，这次 ChatGPT更新，还针对推理强度的设计一个UI设置，还挺炫酷的，直接往右拖，拉到最顶。
claude fable 5也是一样，直接把推理强度直接拉满，虽然claude code 是终端，但是拉到最满的时候，也是有炫酷的效果的，这能量直接溢出来了，有一种自己变成超级赛亚人的感觉了，无所不能！
先来做一个游戏，提示词就这么下面这一句话
● ● ●
做一个类似《地铁跑酷》的 3D 网页跑酷游戏，角色能左右变道、跳跃、下滑、吃金币和躲障碍，直接给我一个可以玩的成品。
先看 GPT-5.6 Sol 出来的效果。
GPT-5.6 Sol 干了 30 多分钟终于把游戏做好了，强度越高的话，干活的速度就会越慢，因为需要考虑的事情会比较周全，毕竟慢工出细活。
我点击开始奔跑，游戏就可以开始玩了。
就一句提示词就完成可玩的游戏，我都没有二次修改过，吃金币的计躲避障碍物的操作、碰撞障碍物游戏结束，这些啥的都没有问题，就冲这个完成度，还是值得点赞的。
玩的过程中，我以为只能左右躲避，没想到还有跳跃和下滑的操作，我跑了一分钟，后面的速度也越来越快了，还是蛮刺激的呢。
对了，让我比较惊喜的是，它还适配了手机端竖屏的模式，这我提示词可是没有说明的，是它额外考虑的事情，不愧是把推理强度拉满得到的效果，考虑确实周全。
但是，推理强度拉满干，我就干了这一个游戏，我的 ChatGPT Plus 套餐 5小时的使用额度，直接就用完了，这消耗速度确高的可怕啊。
好在，我还有一次 chatgpt 重置使用额度的机会。
但是但是，当我转头看 claude fable5干的怎么样的时候，我发现 claude 5x max 套餐 5小时额度直接用完了，这消耗速度太恐怖了，问题是一个小游戏还没有开发完，就用完额度了。
没办法了， 额度用完了，fable 5 的测试也没办法继续进行，还开始就结束了，笑死。
突然有点后悔了，我为什么要开 ultracode 去测试，还是低谷了推理强度拉满的情况下，这token消耗速度，也是长一智了。
你们千万不要在一天刚开始工作的时候，把模型的推理强度拉到满，可能你干完一个活，额度就没了，接下来 5 小时你都没办法用了，这种被封印之后的感觉，瞬间觉得我就是纯废人一个，有一种从超级赛亚人变成战五渣的落魄感。
但是好在，ChatGPT 我重置了额度，还可以继续测试 ChatGPT 5.6 的效果。
这次我就投降了，把推理强度拉回到高级的程度。
第二个，我来测试一波这个，最近刚好台风天气比较频繁出现，搞一个大屏来跟踪台风态势，也是一句话提示词。
● ● ●
调用公开接口获取 2026 年第 9 号台风“巴威”的最新路径、强度和风圈数据，生成一个单 HTML 文件的台风态势可视化大屏。
出来的效果，数据这些显示没有啥问题，获取到的是实时最新的数据，数据也显示的很全面。
但是我还是要吐槽一下，这个大屏的 UI 有点不够炫酷，过于简洁了，所以我就多嘴了一句，让他继续优化一下 UI
优化之后，效果是稍微好了一些，也有一些动态的效果，但是画面整体的颜色，感觉还是灰鸭鸭一片，有点一言难尽。
我就不继续优化了，说明 GPT-5.6 Sol 的前端审美确实一般般。
趁着还有额度，继续测测第三个任务看看。
这次我安排 3d 炫酷的效果看看：
● ● ●
做一个电影级的 3D 黑洞引力模拟器，让恒星、行星和粒子被黑洞捕获或弹射，支持调节黑洞质量、时间速度和观察视角。
出来的效果还是很炫酷的
测到这的时候，我的第二轮 chatgpt 的额度也彻底消耗完了。
写在最后
这次的claude fable 5 和 chatgpt 5.6 sol 的对比实测还是很残酷啊。
fable 5还没有开始就直接宣布结束了，一个任务都没有完成，额度就给他耗光了，而且还是 max 的套餐，真的是不争气啊。
而只有 plus 套餐的 chatgpt 5.6，在第一轮额度用完之前至少还是完成了一个小游戏的任务，并且再加上chatgpt之前还送了我们重置额度，让 chatgpt sol 还有机会参与后续任务的测试。
所以，我宣布本场实测，chatgpt 5.6 sol 赢了，赢在了成功跑完了任务
这次的惨烈的教训就是，别随意把推理强度拉满，不然「天才程序员」的buff，可能就只有不到 1 小时的体验时间。
体验时间一结束，你将要吃瘪 5 小时，才能续上「天才程序员」的buff。
这等待的过程，极其难熬，所以你们在开发过程中，一定要谨慎控制额度的消耗。
PS：可能这篇会有一些错别字或者语句不通顺的地方，望见谅，因为纯手搓的，我的claude和chatgpt额度都榨干净了，就没有机会让 ai 帮我排查错别字了。
