用 Responses API 设计可复核的多代理工作流
将判断任务与确定性处理分开，用程序化工具调用、并行子代理和提示缓存构建可记录成本、延迟与失败状态的长任务流程。
- 准备输入
- 用户目标、工具 schema、代理分工、缓存边界、验收标准
- 运行环境
- OpenAI Responses API；生产 Agent harness；需自行定义工具调用和人工复核点
在 Tabbit 中使用 GPT-5.6 Sol
在 Tabbit 中使用 GPT-5.6 Sol
GPT-5.6 Sol · 模型速览
先看资源与证据，再决定怎么用
这里集中放置已审核的任务指南、公开测评和证据边界。客户端是否开放模型，仍以当前账户为准。
任务指南11
测评来源17
来源已核对7
编辑精选8
Tabbit 模型与权限需以当前账户核实。
按任务找指南
把资料整理成结构化结果，制作视觉原型，或开始一个编码任务。
按任务在 ChatGPT 切换 Sol 思考档位
用同一任务在较快与较高思考档之间做对照：短问答先追求速度，多步骤规划、研究、写作、编程和决策再提高思考投入；官方的 68% 数字是内部相对变化，不是公开准确率。
- 准备输入
- 任务类型、固定验收标准、速度与质量偏好、客户端和日期记录
- 运行环境
- ChatGPT 网页、移动或桌面客户端；不外推到 Codex 或 API 参数
为 Codex 配置百万上下文与自动压缩
来源给出 config.toml 和单次 CLI 会话的示例，包含模型 ID、1,000,000 token 上下文预算与 900,000 token 压缩阈值；改动前应确认客户端版本并保留回退配置。
- 准备输入
- Codex 版本、模型 ID、配置备份、上下文目标、只读验证任务
- 运行环境
- Codex CLI；需确认客户端版本、模型支持和本地配置文件位置
用预测、规划、评审和验证交付代码
把长程编码拆为预测、规划、实现、对抗评审和独立验证，逐项对照计划、测试与停止条件；这是评论者报告的个人工作流，不是 Codex 默认配置。
- 准备输入
- 代码库、任务目标、风险清单、测试命令、验收信号、停止条件
- 运行环境
- Codex、OpenCode 或可保存计划并运行测试的代码 Agent；阶段需映射到实际 hook 或命令
阅读证据与选型边界
公开结果来自不同版本、档位和测试方法；未知值保持未知。
OpenAI 发布说明：Sol 在长程工作、编程与知识任务中的官方结果
OpenAI 报告 Sol 在 Agents’ Last Exam 得分 53.6、Artificial Analysis Intelligence Index 接近 Fable 5、Coding Agent Index 为 80，并给出 BrowseComp 92.2% 与 OSWorld 2.0 62.6%；这些是厂商自报且受基准条件限制。
- 证据类型
- 厂商自报
- 边界
- 不支持独立复现、统一跨模型排名或当前产品可用性。
Artificial Analysis：Sol 的智能、编程 Agent 与单位任务成本
Artificial Analysis 记录 Sol max 的 Intelligence Index 为 59、每任务约 1.04 美元、Coding Agent Index 为 80，并报告约 1.5 万输出 token/任务；模型与 Codex 等完整 harness 绑定，不能当作裸模型排名。
- 证据类型
- 独立测量
- 边界
- 不支持把 59、80 或每任务成本外推到其他客户端、实时价格或所有任务。
CodeRabbit：Sol 在长任务代码代理与代码审查中的取舍
CodeRabbit 报告 Sol 长程编码通过率 63.7%，平均每完成任务输出 20,968 token；审查中命中 69/99 个可行动案例、precision 31.6%，并产生 231 条评论，显示召回与噪声并存。
- 证据类型
- 独立测量
- 边界
- 不支持独立于 CodeRabbit harness 的普遍成功率或精确率。
OpenAI
在 Tabbit 中使用 GPT-5.6 Sol
整理 GPT-5.6 Sol 的官方构建指南、Agent 编排方法、代码测评与真实社区反馈，帮助你理解它适合的长任务。