GPT-5.6 Sol Ultra：何時值得使用 Ultra 模式

當錯誤答案代價高昂，且工作需要多個步驟的調查、驗證或反覆迭代時，GPT-5.6 Sol Ultra 值得使用。只有在工作量足夠大、能從協調式子代理中受益時，才使用它。

OpenAI 將 Ultra 描述為一種模式，讓 GPT-5.6 Sol 能使用子代理來處理複雜工作。這使得 GPT-5.6 Sol Ultra 與 Sol、Terra 和 Luna 不同；後者是 GPT-5.6 家族中持久的能力等級。把 Ultra 當作第四個模型，會導致對價格、存取權和效能提出錯誤的問題。更好的問題是：這項工作是否值得比一般 Sol 更深入、也更慢的執行？

Ultra 是一種運作模式，而不是第四個 GPT-5.6 等級

首先要釐清的一點是命名。在 OpenAI 的 GPT-5.6 Sol preview 中，Sol 是旗艦模型等級；Terra 和 Luna 則是較低成本的等級。相同的公告也表示，Ultra 透過使用子代理來加速複雜工作，超越單一代理。它還為 Sol 引入了 max 推理努力。這些是不同的控制項：等級描述的是模型家族，而推理努力與 Ultra 則改變系統在某項任務上工作的深入程度。

這個區別對成本很重要。OpenAI 的預覽將 Sol 標示為每百萬輸入 tokens 5 美元、每百萬輸出 tokens 30 美元。它並未公布獨立的「Ultra 每次請求價格」。一個會委派、檢查工作並重試的執行流程，可能涉及比單次回答更多的總工作量，因此 Sol 的基礎費率只是參考點，而不是 Ultra 任務的報價。

如需了解 Sol、Terra 和 Luna 的家庭層級說明，請參閱現有的 GPT-5.6 等級與定價指南。本文探討的是更具體的決策：一次 Ultra 執行是否值得其額外的時間與消耗。

max 和 Ultra 不能互相替代。OpenAI 將 max 描述為 Sol 的推理努力設定，而 Ultra 則會為複雜執行加入子代理。產品標籤可能會有所不同，因此請針對任務將執行的帳戶和介面使用官方措辭。

目前 Ultra 的存取方式

OpenAI 的預覽公告表示，GPT-5.6 模型最初透過 API 和 Codex 觸及一小部分受信任的合作夥伴，並計劃在 ChatGPT、Codex 和 API 上提供更廣泛的可用性。該公告並未公布通用的 ultra 模型 ID、API 參數或 UI 切換。請不要假設基礎 Sol 端點、方案訂閱或產品標籤就能自動獲得 Ultra 存取權。

在分配長時間任務前，先透過四個具體訊號檢查存取權限：

1. 閱讀產品的最新版本說明或 API 參考文件，確認是否明確提及 Ultra-mode。

2. 檢查 model picker、API model list 或 task settings，確認確切的 mode 名稱；不要僅憑一般性的 Sol 標籤推斷是否有存取權限。

3. 閱讀與該 mode 相關的可見 quota、usage 或 plan limits，並保存起始值。

4. 在指派 production work 之前，先執行一項有明確 acceptance test 的、有限制且非敏感的 task。

如果那些信號都無法確認為 Ultra，則標準 Sol 是正確的備用選項。下面的決策框架仍有助於判斷是否有理由進行更深入的工作。

在開啟 Ultra 之前，先進行這三道問題測試

當任務具有足夠多的可並行調查的環節，能讓平行研究提升最終結果時，Ultra 的效果最佳。在開始之前，請以書面形式回答以下三個問題。

這項工作是否需要平行調查或驗證？

優秀的候選者在得出有用結論之前，必須先檢查多件事項。倉庫層級的錯誤可能需要追蹤失敗的測試、閱讀設定、找出回歸、提出修補程式，並驗證該修補程式沒有破壞相關路徑。研究簡報可能需要比較第一手來源、解決矛盾，並根據證據提出建議。

短暫的轉換通常無法通過這個測試。重新格式化文件、撰寫一個小型輔助工具、解釋錯誤訊息，或更改一個獨立的函式，都幾乎沒有讓多個代理需要協調的空間。對於這類工作，更有效率的選擇是讓一個能力足夠的單一代理執行 Sol，或者使用較低層級來處理例行工作。

較慢的答案會比錯誤的答案更便宜嗎？

Ultra 應該因為錯誤決策的代價而被選擇，而不是因為任務聽起來很厲害。一個有缺陷的遷移計畫可能造成數天的修復工作。遺漏的設定問題可能使服務不可靠。薄弱的證據整合可能讓團隊走向錯誤的實驗。在這些情況下，將調查與驗證分開、較慢的執行方式可能會有價值。

反過來也是成立的。如果某個人會立即檢查並重寫輸出，額外的工作可能不會物有所值。時間敏感的支援回覆、粗略的初稿，或可逆的實驗，通常應該避免使用 Ultra。任務價值必須高到足以證明等待並審閱較大成果是合理的。

您可以指定一個驗收測試嗎？

只有當終點是可測試的時候，Ultra 才有更多空間發揮。說明結果必須包含什麼、它可以使用哪些證據，以及什麼情況會導致執行失敗。對於程式碼而言，這可能表示命名的測試通過、沒有無關檔案變更，而且說明會指出根本原因。對於研究而言，這可能表示每項建議都連結到主要來源，且不確定性會另外列出。

如果請求只是「讓這個變得更好」，在啟用 Ultra 之前先停下來。將其轉換為目標、限制、非目標與檢查項。清楚的驗收測試能讓 subagent 的工作保持明確方向，並讓最終審查快得多。

為完成的任務定價，而不是 Ultra 標籤

評估 GPT-5.6 Sol Ultra 最具誤導性的方式，就是把它當作單一 API SKU 來詢問其價格。官方定價只會告訴你 Sol 基礎 token 費率，而產品方案可能會使用配額、限制或存取規則，這些都無法換算成固定的美元金額。真正相關的指標是完成成本：整個執行過程消耗了多少，與已接受工作的價值相比如何。

每次重要執行後使用一筆簡短記錄：

社群回報讓取捨變得具體，但不應被用作基準。一則GPT-5.6 Sol Ultra 使用者回報描述了一個 61 分鐘的任務，耗用了五小時額度的 29% 以及每週額度的 4%。另一則使用者貼文描述了只用一個提示詞就完成的一個約三小時的 Rust 作業系統專案。這些都是個別經驗，不是官方單價、典型延遲指標，或輸出品質的承諾。它們確實顯示了，為什麼在你花掉有限額度中大筆的一部分之前，任務應該要有實質的回報。

不要將方案配額變成捏造的 API 帳單。如果你有 API 存取權，請記錄 tokens 與適用的公開費率。如果你使用的是產品方案，請記錄可見的配額變化，並將美元欄位留空，除非產品明確提供換算。這樣可以讓比較保持誠實。

以下是一筆示意性的記錄，並非基準測試或真實執行。假設某項組態變更導致儲存動作在多個模組中失敗。簡述會列出受影響的服務、兩個失敗的測試、相關範圍內的檔案，以及對回歸測試的要求。只有在說明根本原因、兩個測試都通過，且修補程式未變更無關檔案時，結果才會被接受。在審查後記錄耗時以及實際的 token 或配額變更；接著將該成本與經驗證修正所節省的工程時間進行比較。沒有可測試驗收條件的相同任務，根本不應用來評估 Ultra。

適合獲得 Ultra 執行資格的工作負載

跨儲存庫實作與除錯

Ultra 適合於變更跨越模組、測試與部署邊界的情況。這項工作可能需要一條調查線來描繪故障，一條用來檢查資料流，另一條用來針對鄰近行為測試擬議的修正。最終交付成果仍應足夠小，便於審查：一個修補程式、一個測試結果、對根本原因的簡短說明，以及一份剩餘風險清單。

這也是單一大型請求需要界線的地方。在進行編輯前先要求一個計畫，說明在範圍內的目錄，禁止無關的重構，並要求執行測試或明確標示為未執行。沒有這些限制的廣泛任務，可能會把時間花在探索審查者不想要的選項上。

防禦性安全調查

OpenAI 表示 GPT-5.6 Sol 在採用分層防護措施的同時，提升了長期網路安全能力。Ultra 的正當用途包括找出組態弱點、審查修補程式，或確認所提議的緩解措施是否涵蓋已回報的問題。請先定義授權環境，將範圍限定在防禦用途，並要求每項結論都要有證據支持。當必須在多個日誌、程式碼路徑、控制措施與驗證步驟之間進行比對，才能批准安全的修復計畫時，就會出現需要更深入協調的情況。

以證據為基礎的研究與規劃

Ultra 也適合需要超越單純蒐集事實的決策。一個有用的規劃流程可以將來源審查、限制條件映射、替代方案分析與一致性檢查分開進行，然後產出一份其論點可追溯的備忘錄。驗收測試應明確指出來源品質、要支援的決策，以及可接受的不確定程度。

對於這類任務，審查者應預先選擇權威來源，並拒絕那些缺乏可追溯來源的結論。Subagent 的輸出看起來可能很完整，但其實仍建立在尚未解決的來源衝突之上。

應該留在 Ultra 之外的任務

在較輕量的工作流程中保留這些任務：

• 一個只有一個正確、可迅速驗證答案的問題。

• 一個單檔變更，並搭配一個聚焦的測試。

• 一份人們預期會從頭重寫的草稿。

• 一個沒有明確成果、限制或審閱負責人的請求。

• 一個若晚一小時送達，其大部分價值就會流失的回應。

建議並不是要避免使用 Sol。Sol 仍然是針對高要求單一代理工作的一線旗艦方案。實際上的界線是，將 Ultra 保留給那些平行調查與驗證本身就是工作內容一部分的任務。若要做更廣泛的方案選擇，可在 GPT-5.6 pricing guide 中將任務與 Sol、Terra 和 Luna 進行比較，然後再判斷所選方案是否也需要 Ultra。

給 Ultra 一個它可以完成的簡報

一份簡短、結構化的簡報，比充滿背景資訊的較長提示更有價值。針對複雜任務，請使用以下格式：

目標：[決策、修正或交付成果]
範圍內：[儲存庫、文件、日期、環境]
範圍外：[不希望的變更或結論]
證據與工具：[核准的來源、測試、日誌、檔案]
限制：[時間、相容性、政策、預算]
驗收檢查：[交接前必須成立的事項]
回傳格式：[計畫、產出物、證據、風險、後續行動]
時間或配額預算：[停止並回報的時點]

最後一行很重要。時間或配額預算讓任務有一個可控的結束點，而不是把更多探索自動視為更好。如果第一個結果未通過驗收檢查，請判斷是否值得進行一次有針對性的後續處理。不要只是用 Ultra 模式再次執行同一個含糊的提示。

像工程決策一樣審視這次執行

結果到達後，使用三項檢查。首先，檢查所要求的產物是否存在：patch、source list、test output 或 decision memo。其次，檢查證據是否支持結論，而不只是聽起來合理。第三，將已接受的輸出與時間和消耗記錄進行比較。

這就補上了標題式基準無法回答的問題。某個模型在基準測試中表現出色，卻可能並不適合一項短暫且可逆的任務。反過來，當一段較長的執行能避免昂貴的錯誤，並為審核者留下可稽核的工作成果時，這樣的投入就很值得。在將 Ultra 設為團隊預設之前，先記錄幾個真實任務。

常見問題

GPT-5.6 Sol Ultra 是一個獨立的模型嗎？

不是。OpenAI 將 Sol、Terra 和 Luna 描述為 GPT-5.6 模型等級，並將 Ultra 描述為一種基於子代理的複雜工作模式。此模式可以改變 Sol 任務的執行方式，而不會建立第四個公開 API 等級。

GPT-5.6 Sol Ultra 是否有固定的 API 價格？

沒有公布獨立的官方 Ultra API 速率。OpenAI 公布的是基礎 Sol API 速率，但 Ultra 任務可能涉及比單次回應更多的總工作量。請在您自己的環境中衡量已完成的任務，而不是假設固定的每次請求成本。

我應該在什麼時候選擇 GPT-5.6 Sol Ultra，而不是標準版 Sol？

當平行調查與驗證能明顯降低錯誤結果的成本，且任務具有明確的驗收測試時，請選擇 Ultra。當同一任務可在一個有界工作流程中完成並驗證時，請使用標準 Sol。

Ultra 模式適合所有編碼任務嗎？

不。它適合倉庫層級的變更、根因除錯，以及在補丁被接受前需要多次檢查的工作。在決定某個編碼任務需要協調之前，先套用三個問題測試。

相關閱讀

• GPT-5.6：方案、定價與如何存取

• GPT-5.6 Luna：定價以及何時使用快速方案