GPT-5.6接管微软365 Copilot全家桶：办公AI王座易主，DeepSWE跑分碾压Claude，ChatGPT Work将Agent塞进手机

摘要：2026年7月10日凌晨，OpenAI一口气甩出三张牌——GPT-5.6成为Microsoft 365 Copilot「首选模型」，全面进驻Word、Excel、PowerPoint、Copilot Chat和Cowork；编码代理基准DeepSWE跑分出炉，GPT-5.6 Sol以73%解决率、8.39美元单任务成本碾压Claude Fable 5的70%和21.63美元；ChatGPT Work把Agent装进手机，ChatGPT与Codex合体，让Agent从工程师的终端变成每个人口袋里的同事。三件事串成一条主线——这一轮OpenAI拼的不是谁更聪明，而是谁更便宜地聪明。

一、办公AI，换王了

就在刚刚过去的48小时里，全球办公AI格局完成了一次悄然而剧烈的权力交接。

OpenAI在7月9日-10日的发布窗口里，一口气甩出三张牌，张张打在要害。第一张：GPT-5.6成为微软365 Copilot的「首选模型」，全面进驻Word、Excel、PowerPoint、Copilot Chat和Cowork，数亿打工人每天打开的那几个窗口集体换脑。第二张：编码代理基准DeepSWE跑分出炉——GPT-5.6 Sol解决率73%，单任务成本约8.4美元；Claude Fable 5最高约70%，成本却要21.6美元，分更高，钱只要四成。第三张：OpenAI总裁Greg Brockman亲自官宣——ChatGPT Work把Agent装进了手机，ChatGPT和Codex合体，Agent从工程师的终端，变成了每个人口袋里的同事。

三件事串起来，是同一条主线——这一轮，OpenAI拼的不是谁更聪明，是谁更便宜地聪明。

二、办公全家桶，集体换脑

这次接管的口号只有一句：每个Token更值钱。

翻译成人话：同样一块钱，GPT-5.6干的活更多。在Word里，GPT-5.6可以帮助用户少提示几轮就出稿，支持文档的起草、编辑和精炼；在Excel中，它支持更深度的数据分析，同时更高效地使用Token，帮助用户更快从数据走向洞察；在PowerPoint中，它能把早期想法变成更精致、视觉上更有说服力的演示文稿；在Cowork中，它可以帮助用户完成复杂的跨职能工作，用更少的人工协调产出更高质量的成果。

微软Copilot & Agents Core总裁Nitin Agrawal表示：「我们迫不及待想让客户看到GPT-5.6在Microsoft 365中能做什么，这将使他们在日常使用的工具中与AI更高效地协作。使用由OpenAI最新模型驱动的Copilot，客户将能够在Word、Excel、PowerPoint、Cowork和Copilot Chat中产生更精致的输出，无论是起草文件、分析数据、创建演示文稿还是跨团队协作。」

除了原生接入模型，微软还会直接通过OpenAI API调用GPT-5.6，服务Microsoft 365客户，双通道齐上阵。

但这份公告的真正看点，不在技术，在时机

就在两天前的7月7日，彭博社刚爆了一颗炸弹：微软正在用自研的MAI模型替换Excel和Outlook里的部分OpenAI和Anthropic模型，每周已有数万条AI提示词由MAI处理，理由就两个字——省钱。

OpenAI这份「首选」声明，来得不早不晚，更像一次公开辟谣。但需要澄清的是，彭博社此前从未报道ChatGPT的软件会停止为微软的应用程序提供支持，仅仅报道微软越来越多地依赖自己的软件以降低成本。新的「首选模型」披露似乎并未否定此前的报道。

更深层的背景是，微软与OpenAI的独家协议已于2025年重新谈判，当前协议有效期至2032年，但属非独家技术授权。GPT-5.6成为「首选」而非「独选」，印证了合作仍在、但依赖正在减少。微软不希望核心生产力工具长期建立在第三方模型之上——成本可控性和战略自主性，才是「去OpenAI化」的真正驱动力。

三、8.4美元，修完一个真仓库的Bug

DeepSWE直接把91个真实开源仓库、5种编程语言（TypeScript、Go、Python、JavaScript、Rust）丢给模型：自己看懂代码库结构，诊断Bug在哪，动手修改文件，调用工具执行，跑通测试确认修复，处理多步修复的连锁反应——最后交出的补丁，还要通过程序化验证器这一关才算数。113个任务解决了多少，就是分数。

简单说，这是考你能不能像一个真实的软件工程师那样独立干活。

DeepSWE跑分核心数据

在这张考卷上，GPT-5.6 Sol拿下73%（±3%），平均每个任务只花8.39美元——大约两杯咖啡的钱，修完一个真实仓库的工程任务。平均输出Token 6万，步骤61步，干脆利落。

而Claude Fable 5最高约70%（±4%），单任务却要烧掉21.63美元，输出Token 11.9万，步骤88步。分更低，路更绕，钱花了两倍多。

更狠的是，GPT-5.6 Terra——注意，这只是中间档，也拿到了70%的解决率，成本仅4.95美元。换句话说，OpenAI的二队就已经追平了Anthropic的头牌，而且只花了它四分之一的钱。

对想把Agent批量塞进生产线的企业来说，这道算术题几乎不用算。

Artificial Analysis编码代理综合指数

Artificial Analysis的编码代理综合指数给出了更完整的画面：GPT-5.6 Sol以80分领跑，比Fable 5高3分，输出Token用量不到对手一半，耗时不到一半，成本低约三分之一。这是全方位碾压。

当模型能力过了可用线，竞争焦点就变了：从「谁更强」，变成「谁用最少的钱干最多的活」。这一轮，OpenAI把性价比打成了武器。

需要客观看待的短板

不过，跑分之外也有隐忧。在SWE-Bench Pro编程评测上，Claude Fable 5和Claude Mythos 5都在80%以上，而GPT-5.6 Sol只有64.6%。在纯软件工程极限测试上，Anthropic依然领先。此外，在AA-Briefcase整体评分上，Claude Fable 5以1583 Elo领先于GPT-5.6 Sol的1495 Elo，差距88 Elo。

头部模型的竞争已进入「各有擅长」的阶段——OpenAI在智能体综合能力、网络安全、生命科学等领域建立了显著优势，但Claude Fable 5在编程和数学推理上仍保持领先。

四、Agent，进了口袋

第三张牌来自ChatGPT Work，一个把ChatGPT和Codex合二为一的新物种。

ChatGPT Work由GPT-5.6驱动，内置Codex技术，能跨应用、跨文件、跨数据源执行任务——你给它一个目标，它自己拆解步骤、调度工具、生成成品。OpenAI说它能在一个复杂项目上持续工作数小时。

用Brockman自己的话说，这是可用性和可及性的双升级：不用电脑，手机上直接跑完个人和工作的全套流程。你在手机上启动一个任务，地铁上审草稿，到公司打开电脑继续——设备之间无缝衔接。它还会从你的修改中学习，越用越懂你的偏好。Agent从工程师的终端，变成了每个人口袋里的同事。

ChatGPT Work专为多步骤、长周期的复杂项目设计，用户只需输入终极目标，系统便能自动拆解任务并持续数小时跟进。它整合了聊天、工作与Codex代码执行能力，将ChatGPT从「问答工具」升级为「执行引擎」。

五、三档分层架构：Sol、Terra、Luna

GPT-5.6系列最显著的变化是产品策略的彻底重构。OpenAI放弃了「一个模型通吃所有场景」的策略，转而采用Sol、Terra、Luna三档分层架构，三款模型按能力和用途分层定价：

• Sol（太阳）：旗舰版，定位高端复杂任务，输入5美元/输出30美元（每百万Token），150万Token上下文窗口，支持Max和Ultra两种新运行模式
• Terra（大地）：均衡版，对标GPT-5.5，价格砍半，输入2.5美元/输出15美元，12.8万Token上下文
• Luna（月亮）：轻量版，主打性价比，输入1美元/输出6美元，极速、极低成本，适合高并发场景

GPT-5.6还引入了「max」和「ultra」两种新运行模式。「max」给予模型更多推理时间；「ultra」则默认协调4个并行子智能体（API可配至16个）。OpenAI内部数据显示，agentic token使用增长约22倍。

六、跑分是表象，窗口才是战场

把三件事放在一张地图上看——接管微软365，是抢下数亿打工人每天打开的那个窗口；DeepSWE跑分，是证明自己「成本砍半，性能更强」；ChatGPT Work，是把战线从桌面推进到口袋。

三步棋指向同一个逻辑：AI双雄这一轮争的不是榜单，是工作层——谁住进你每天干活的那个界面，谁就住进了全球生产力的入口。Anthropic有Claude Code和Cowork，OpenAI就用ChatGPT Work和Copilot全家桶来接。武器不同，战场一样。

但GPT-5.6面临的真正考验不在跑分榜上

OpenAI在发布日面临三个维度的压力：

1. 企业端份额已被Anthropic反超：Ramp 2026年5月AI指数显示，Anthropic在企业API市场份额上首次反超OpenAI，34.4%对32.3%。
2. 微软正在去OpenAI化：微软在Build 2026上发布了7款自研MAI模型，称其成本效率较GPT-5.5提升十倍。
3. 版权诉讼与监管审查：《纽约时报》等17家媒体机构在发布当天向联邦法官申请对OpenAI实施「严重制裁」，指控其隐瞒和销毁使用版权新闻内容的证据。

技术领先固然重要，但谁能率先构建起「技术-产品-商业-合规」的完整闭环，谁才能在这场持久战中走得更远。

七、结语：从「卖模型」到「卖服务」的战略转向

GPT-5.6被OpenAI定义为「实用智能」——不再追逐AGI的宏大叙事，而是聚焦于嵌入企业工作流、解决具体问题。Sol、Terra、Luna的命名本身就在暗示这一点——从太阳到地球到月亮，覆盖从高端到普惠的完整光谱。

三档分层的真正意义，不在于性能参数的提升，而在于为OpenAI从「卖模型」转向「卖服务」铺路——通过分层定价覆盖不同规模的客户，同时以ChatGPT Work这样的智能体产品绑定企业深度使用。问题在于，这套策略能否奏效，取决于企业客户是否愿意为「智能体」而非「模型」付费，以及Anthropic和Google在企业端的追赶速度。

当AI从被动回答问题转向主动完成任务，企业采购AI的决策逻辑也将随之改变——不再是「哪个模型更强」，而是「哪个平台能真正解决我的业务流程」。

这一轮，OpenAI把性价比打成了武器，也把办公AI的王座，握在了自己手里。

文章来源：本文综合整理自OpenAI官方博客、TechCrunch、CIOL、钛媒体、新智元、DataLearner、AI Primer、CodingFleet等公开报道与评测数据，由大国AI导航（daguoai.com）编辑整理发布。