GPT-5.6 Sol Ultra 值得在错误答案代价高昂、且工作需要多条调查、验证或迭代路径时使用。仅在任务足够重要、能够受益于协调的子代理时使用它。
OpenAI 将 Ultra 描述为一种模式，它让 GPT-5.6 Sol 能够使用子代理来处理复杂工作。这使得 GPT-5.6 Sol Ultra 不同于 Sol、Terra 和 Luna，它们是 GPT-5.6 家族中的持久能力层级。把 Ultra 当作第四个模型，会引出关于价格、访问权限和性能的错误问题。更好的问题是：这项任务是否值得比普通 Sol 更深入、更慢地运行？
选项 | 它是什么 | 最适合 | 成本依据 | 避免使用的情况 |
|---|---|---|---|---|
Luna | GPT-5.6 的最低成本档位 | 快速、高量、范围明确的工作 | 公布的 Luna token 费率 | 任务需要深入调查 |
Terra | GPT-5.6 的平衡档位 | 范围明确的实施和审查 | 公布的 Terra token 费率 | 任务需要旗舰级持久性 |
Sol | GPT-5.6 的旗舰档位 | 要求高的单智能体工作 | 较低档位即可满足验收测试 | |
Sol with | 具有更深推理能力的 Sol | 困难但范围明确的任务 | 取决于产品和总使用量 | 工作需要并行调查 |
Sol Ultra | 使用 subagents 处理复杂工作的 Sol | 错误成本高且有可验证完成线的工作 | 没有单独的官方 Ultra 费率 | 任务快速、可逆或规格不明确 |
Ultra 是一种工作模式，不是 GPT-5.6 的第四个等级
首先要厘清的是命名。在 OpenAI 的 GPT-5.6 Sol preview 中，Sol 是旗舰模型层级；Terra 和 Luna 则是更低成本的层级。同一则公告还表示，Ultra 通过使用子代理来加速复杂工作，其能力超越了单一代理。它还为 Sol 引入了 max 推理努力。这些是不同的控制项：层级描述的是模型家族，而推理努力和 Ultra 则改变系统处理任务的深度。
这个区别对成本很重要。OpenAI 的预览将 Sol 的价格列为每百万输入 token 5 美元、每百万输出 token 30 美元。它并未公布单独的“Ultra 每次请求价格”。一个会委派、检查工作并重试的运行，可能涉及比单次回答更多的总工作量，因此基础 Sol 费率只是一个参考点，而不是 Ultra 任务的报价。
如需面向普通家庭层面的 Sol、Terra 和 Luna 说明，请参考现有的 GPT-5.6 层级和定价指南。本文讨论的是一个更具体的决策：一次 Ultra 运行是否值得其额外的时间和消耗。
max 和 Ultra 不能互换。OpenAI 将 max 描述为 Sol 的推理努力设置，而 Ultra 会为复杂运行添加子代理。产品标签可能会有所不同，因此请使用账户和任务将要运行的界面的官方措辞。
目前 Ultra 的访问方式
OpenAI 的预览公告表示，GPT-5.6 模型最初通过 API 和 Codex 提供给一小部分受信任的合作伙伴，随后计划在 ChatGPT、Codex 和 API 中扩大可用性。该公告并未公布通用的 ultra 模型 ID、API 参数或 UI 开关。不要假设基础 Sol 端点、方案订阅或产品标签会自动授予 Ultra 访问权限。
在分配长任务之前，先用四个具体信号检查访问权限：
阅读产品当前的发行说明或 API 参考，查找是否有明确提及 Ultra-mode。
检查模型选择器、API 模型列表或任务设置中是否有确切的模式名称；不要仅凭通用的 Sol 标签推断可用权限。
阅读与该模式相关的可见配额、使用量或计划限制，并保存初始值。
在分配生产工作之前，先执行一个有明确验收标准、范围受限且非敏感的任务。
如果这些信号都不能确认 Ultra，那么标准 Sol 就是正确的回退选择。下面的决策框架仍有助于判断是否本应进行更深入的工作。
在开启 Ultra 之前，先进行这三个问题的测试
当任务包含足够多可并行调查的环节，以便提升最终结果时，Ultra 的效果最好。开始之前，请书面回答这三个问题。
工作是否需要并行调查或验证？
合适的候选项在得出有用结论之前必须检查多项内容。仓库级 bug 可能需要追踪失败的测试、阅读配置、查找回归、提出补丁，并验证该补丁没有破坏相关路径。研究简报可能需要比较一手来源、解决矛盾，并提供带有证据的建议。
短小的改动通常无法通过这一测试。重新格式化文档、编写一个小型辅助工具、解释一条错误消息，或更改一个孤立的函数，都会让额外的智能体几乎没有可协调之处。一个能力更强的单智能体 Sol 运行，或者用于例行工作的较低层级方案，才是更高效的选择。
较慢的答案会比错误的答案更便宜吗？
Ultra 应该在错误决策代价高昂时被选择，而不是因为任务听起来很厉害。一个有缺陷的迁移计划可能会带来数天的清理工作。一个被忽略的配置问题可能会让服务变得不可靠。一个薄弱的证据综合可能会把团队带入错误的实验。在这些情况下，将调查与验证分开的较慢运行可能会很有价值。
反过来也同样成立。如果一个人会立即检查并重写输出，那么额外的工作可能并不值得。时间敏感的支持回复、粗略的初稿或可逆的实验通常不应使用 Ultra。任务价值必须足够高，才能证明等待并审阅更大结果是合理的。
你能指定验收测试吗？
只有在终点线是可测试时，Ultra 才有更多发挥空间。说明结果必须包含什么、可以使用哪些证据，以及什么情况会导致运行失败。对于代码，这可能意味着命名测试通过、没有无关文件被更改，并且说明中识别出了根本原因。对于研究，这可能意味着每条建议都链接到一手来源，并且将不确定性单独列出。
如果请求只是“把这个做得更好”，在启用 Ultra 之前先停下来。将其转换为目标、约束、非目标和检查项。清晰的验收测试可以让 subagent 的工作保持有明确方向，并使最终审查快得多。
给已完成的任务定价，而不是看 Ultra 标签
评估 GPT-5.6 Sol Ultra 最具误导性的方式，是把它当作单一 API SKU 来询问其价格。官方定价告诉你的是 Sol 的基础 token 费率，而产品方案可能采用配额、限制或访问规则，这些都无法换算成固定的美元金额。相关的衡量指标是完成成本：整次运行消耗了多少，以及与已接受工作的价值相比如何。
在每次重要运行后使用简短记录：
记录 | 需要记录的内容 | 重要原因 |
|---|---|---|
任务价值 | 本次运行本想避免的故障、延迟或人工工作 | 避免为琐碎工作进行昂贵的编排 |
起始简报 | 目标、约束、证据和验收测试 | 使两次运行可比较 |
使用时间 | 直到获得可审查结果所用的经过时间 | 将高价值的深度与可避免的等待区分开来 |
消耗 | 运行前后的 API tokens，或计划配额 | 衡量的是完整运行，而不是某个可见答案 |
已接受输出 | 人工审核后保留的工件 | 将使用情况与真实结果联系起来 |
后续工作 | 修复、缺失的证据或被拒绝的更改 | 显示系统是否确实减少了返工 |
社区报告让这种权衡变得具体，但不应将其用作基准。一个GPT-5.6 Sol Ultra 用户报告描述了一个耗时 61 分钟的任务，消耗了五小时额度的 29% 和每周额度的 4%。另一条用户帖子描述了一个大约三小时的 Rust 操作系统项目，仅基于一个提示完成。这些都是个别体验，不是官方单价、典型延迟指标或输出质量承诺。它们确实说明了为什么在你为有限额度付出很大一部分之前，任务应该有实实在在的回报。
不要把计划配额变成虚构的 API 账单。如果您拥有 API 访问权限，请记录 token 数量和适用的公开费率。如果您使用的是产品计划，请记录可见的配额变动，并将美元字段留空，除非产品明确提供了换算方式。这样可以确保比较结果真实可信。
这是一个示例记录，不是基准测试或真实运行。假设一次配置更改导致跨多个模块的保存操作失败。简要说明列出了受影响的服务、两个失败的测试、涉及的文件，以及对回归测试的要求。只有在解释了根本原因、两个测试都通过，并且补丁未更改无关文件时，结果才被接受。记录审核后的耗时以及实际 token 或额度变化；然后将该成本与已验证修复所节省的工程时间进行比较。没有可测试验收条件的相同任务根本不应用于评判 Ultra。
可获得 Ultra 运行的工作负载
跨仓库实现和调试
Ultra 适用于变更跨越模块、测试和部署边界的情况。工作可能需要一条调查线索来定位故障，另一条来检查数据流，第三条来测试拟议修复对附近行为的影响。最终交付物仍应足够小，便于审查：一个补丁、一项测试结果、对根本原因的简短说明，以及一份剩余风险列表。
这也是单个大请求需要边界的地方。在进行编辑之前先要求一个计划，明确说明范围内的目录，禁止无关的重构，并要求运行测试，或明确标记为未运行。没有这些限制的宽泛任务，可能会把时间花在探索审阅者并不希望看到的选项上。
防御性安全调查
OpenAI 表示 GPT-5.6 Sol 在使用分层防护措施的同时提升了长期网络安全能力。对 Ultra 的一种正当用途是发现配置弱点、审查补丁，或检查所提议的缓解措施是否覆盖了报告的问题。定义授权环境，将范围限定在防御性用途，并要求每项结论都提供证据。当在批准安全修复方案之前，必须协调多个日志、代码路径、控制措施和验证步骤时，就有必要进行更深入的协作。
证据驱动的研究与规划
Ultra 还可以用于需要的不只是收集事实的决策。一次有用的规划运行可以将源材料审查、约束映射、备选方案分析和一致性检查分开处理，然后生成一份其主张可追溯的备忘录。验收测试应明确来源质量、要支持的决策，以及可接受的不确定性水平。
对于这类任务，审核者应预先选择权威来源，并拒绝缺乏可追溯来源的结论。Subagent 的输出看起来可能很完整，但其基础仍可能存在尚未解决的来源冲突。
应当不属于 Ultra 的任务
在更轻量的工作流中保留这些任务：
一个只有一个正确且可快速验证答案的问题。
一个单文件改动，并配有针对性的测试。
一份人们预期会从头重写的草稿。
一个没有明确结果、约束或审核负责人的请求。
一份如果晚到一小时，其大部分价值就会丧失的回应。
建议不是要避开 Sol。Sol 仍然是面向高要求单智能体工作的旗舰层级。实际的界限在于：将 Ultra 保留给那些并行调查和验证本身就是工作内容一部分的任务。若要更广泛地选择层级，可在 GPT-5.6 pricing guide 中将任务与 Sol、Terra 和 Luna 进行比较，然后决定所选层级是否也需要 Ultra。
给 Ultra 一个它可以完成的简报
简短、结构化的简报比充满背景信息的冗长提示更有价值。对于复杂任务，请使用以下格式：
目标：[决策、修复或交付物]
范围内：[仓库、文档、日期、环境]
范围外：[不需要的更改或结论]
证据和工具：[批准的来源、测试、日志、文件]
约束：[时间、兼容性、政策、预算]
验收检查：[交接前必须为真的内容]
返回格式：[计划、产物、证据、风险、后续行动]
时间或配额预算：[停止并报告的节点]
最后一行很重要。时间或配额预算为任务提供了一个受控的退出机制，而不是把更多探索自动视为更好。如果第一个结果未通过验收检查，请判断是否有必要进行有针对性的后续处理。不要只是用 Ultra 模式重新运行同一个含糊的提示。
像工程决策一样审视这次运行
结果到达后，请使用三个检查。首先，检查所请求的工件是否存在：补丁、源列表、测试输出或决策备忘录。其次，检查证据是否支持结论，而不只是听起来合理。第三，将已接受的输出与时间和消耗记录进行比较。
这弥补了标题式基准测试无法回答的问题。一个模型可能在基准测试中表现出色，却并不适合短小、可逆的任务。相反，当一次长时间运行能够避免昂贵的错误，并为审阅者留下可审计的工作成果时，它就是值得的。在将 Ultra 设为团队默认选项之前，先记录几项真实任务。
常见问题
GPT-5.6 Sol Ultra 是一个单独的模型吗？
不是。OpenAI 将 Sol、Terra 和 Luna 描述为 GPT-5.6 模型层级，并将 Ultra 描述为一种基于子代理的复杂工作模式。该模式可以改变 Sol 任务的执行方式，而不会创建第四个公开 API 层级。
GPT-5.6 Sol Ultra 有固定的 API 价格吗？
没有单独发布官方 Ultra API 费率。OpenAI 发布了基础 Sol API 费率，但 Ultra 任务可能涉及比单次响应更多的总工作量。请在您自己的环境中衡量已完成的任务，而不要假设固定的每请求成本。
我什么时候应该选择 GPT-5.6 Sol Ultra 而不是标准 Sol？
当并行调查和验证能显著降低错误结果的成本，并且任务有明确的验收测试时，选择 Ultra。当同一任务可以在一个有边界的工作流中完成并验证时，使用标准 Sol。
Ultra 模式适用于所有编码任务吗？
不。它适用于仓库级别的变更、根因调试，以及在补丁被接受前需要多次检查的工作。在决定某个编码任务需要编排之前，请先应用这三个问题的测试。