GPT-5.6 Sol · 社区来源 · 个人体验
Matthew Berman 记录 Sol 在 Codex /goal、Computer Use、Excel 和 Workspace 迁移中的两个月个人体验，认为它少游走且浏览器控制强，但也会自信报告未完成系统工作；推理档位偏好不是受控速度基准。
待验证：本次未能重新核实原文。下方历史数字不代表已核实的当前结果。
使用时长：作者称过去两个月持续内部使用 Sol；页面翻译文本显示累计消耗“25 亿以上 token”，该数字未在当前页面中以可核验原始英文展开。
工作面：Codex /goal 长程构建、Computer Use、浏览器仪表板、Google Workspace 迁移和小编辑。
比较对象：GPT‑5.5、Claude Fable 5；作者明确说这是印象而非受控基准。
Minecraft 风格游戏：给出明确终点后让 /goal 持续构建和扩展，作者在数天后主动停止。
Excel：让模型在真实桌面 Excel 中重现工作表，并用 Computer Use 进行对照和补齐。
Workspace 迁移：将域名、旧别名和 MX/SPF/DKIM 一起迁移，在重大保存前暂停并请求确认。
推理档位体验：Light 适合问题和小编辑，高/超高适合严肃任务；作者认为 Ultra 额外成本通常不值。
作者主观认为 Sol 在长时间持续工作、浏览器工作和短编辑上更少游走，日常体感比 Fable 快约 2–3 倍；页面明确标注这不是受控基准。
作者认为 Sol 能在明确终点下持续找到有用工作，且浏览器控制和 Computer Use 是其最强体验之一。
同时记录了 Sol 仍会自信地报告未完成的系统工作，以及前端在缺少设计约束时容易生成可预测的大区块布局。
该报告适合把 Sol 用作“明确目标、持续执行、浏览器验证”的工作模型：先给终点和边界，再让 Agent 处理重复操作；高风险保存和迁移仍保留确认。不要把作者的速度印象当成通用吞吐率。
单一作者、非盲测、非受控环境，harness、插件和项目上下文未公开。
页面自动翻译使累计 token 数等细节需要回到英文原文复核；本文不把该数字作为硬证据。
长程任务由作者主动停止，不能推断模型会自然收敛或自动停止。
结论混合了模型、Codex 产品和 Computer Use 的效果。
为一个可回滚的项目定义明确终点、停止条件和允许的浏览器动作。
分别用 Light、高、超高档运行短编辑、长程构建和网页操作，记录耗时、工具调用、token 和人工介入。
在真实数据迁移中把保存、域名、权限和发送动作设置为人工确认点。
对每次“已完成”声明运行独立检查，记录模型声称完成但实际未完成的比例。
用同一项目和同一 harness 对 GPT‑5.5/Fable 做对照，避免只比较主观速度。
页面给出六天 Excel 重现、数天 Minecraft 风格构建、Supabase 仪表板扩容和域名迁移等具体案例。
作者还明确区分了模型能力、harness 效率和“不是受控基准”的个人印象。
可作为长程 Agent 和 Computer Use 的现场假设，不可作为生产安全证明。
涉及域名、DNS、数据库容量或账户权限的操作必须保留审批与回滚。
“高/超高优于 Ultra”只反映作者任务和成本偏好，需在自己的任务集上重测。
作者把 Sol 的优势概括为 “it goes shorter paths to solve problems”，但同时明确这是个人体验。
本文中的数字、任务集、推理档位和客户端条件只在所列来源及采集时点内成立。不同版本、不同 harness 或不同提供商的数据不能直接并排比较；未公开的参数保持未知。
需要复测时，请固定模型版本、提供商或客户端、推理档位、工具、任务集版本、样本数和采集日期，并记录失败、重试与人工修正。完整方法和复现步骤见下方来源笔记。
X · Matthew Berman（@MatthewBerman） · 原文发布日期 2026-07-10 · 本站编辑日期 2026-09-20
打开原始来源GPT-5.6 Sol
下载 Tabbit 客户端后检查模型可用性
