跳转至

不止是GPT-5.6！Codex正式上位替换ChatGPT

Ch01.732 不止是GPT-5.6！Codex正式上位替换ChatGPT

📊 Level ⭐⭐ | 8.5KB | entities/不止是gpt-56codex正式上位替换chatgpt.md

不止是GPT-5.6！Codex正式上位替换ChatGPT

→ 原文存档

不止是GPT-5.6！Codex正式上位替换ChatGPT

source: wechat source_url: https://mp.weixin.qq.com/s/ZS93ELLYH4zyfeFu8jPJRw

ingested: 2026-07-10

source_published: 2026年7月10日 05:59

不止是GPT-5.6！Codex正式上位替换ChatGPT

这两天新模型跟不要钱一样往外冒。7月8日Grok 4.5，7月9日更热闹，GPT-5.6和Meta的Muse Spark 1.1挑了同一天发。我人在纽约，头一回不用熬夜蹲发布，白天在街头逛着逛着就能被新模型的消息chuachua往脸上糊的。这大概是我这辈子离AI前沿最近的一次。

不过要说这两天最让我觉得好玩，不是这三个模型里的任何一个。是我打开Codex的时候，它弹了个窗。

没看错，Codex桌面app直接变成了新的ChatGPT app 。原来那个聊天界面的ChatGPT，改名叫「ChatGPT Classic」。它还挺贴心，问你要不要保留Codex的应用图标，那语气像公司改组时新领导安抚老员工：工位还是你的，就是门牌换了。

改的只是Mac和Windows的桌面端，手机和网页上的ChatGPT一个像素没变。但这事越想越有意思。一个给程序员写代码的agent工具，成了ChatGPT在桌面上的主力；那个定义了整个AI时代的聊天框，成了经典版。

要理解OpenAI为什么这么做，得先看这三个模型。有意思的是，看完你会发现，它们和这次改名说的是同一件事。

Grok 4.5：便宜到分数不重要

先注意一个有趣的细节：发布方不叫xAI了，叫SpaceXAI（这读起来也太别扭了。xAI今年2月并入SpaceX，6月SpaceX完成史上最大IPO（募资750亿美元，上市估值1.77万亿），紧接着甩出600亿美元宣布收购Cursor。所以Grok 4.5身上挂着两个第一：SpaceXAI改名后的第一个模型，也是官方口径「与Cursor团队共同训练」的第一个成果。

对于在美国的这几家不差钱的模型公司来说，他们缺的不是算力，是带反馈的真实数据。而Cursor手里正是全世界最大的一批：几百万开发者每天在里面写代码、改代码、骂模型、回滚重来。哪个补全被接受了，哪个agent方案被人推翻了，全是别家拿不到的信号。这批数据开始喂进Grok，意味着Grok的coding能力从这一代起真的可以认真看一看了 。我以前对Grok写代码的印象基本是凑数选手，这次得重新校准。SpaceXAI的官宣推文也把这点当成第一卖点，直接说他们是专为编程和agent训练，并且是与Cursor共同训练。两个原本被A社和OpenAI分别打得找不着北的loser，合作起来还是挺优势互补的。

|
---|---

分数确实够到了第一梯队的门槛。Artificial Analysis的智能指数54分，168个模型里排第4，前面只剩Fable 5、Opus 4.8和GPT-5.5；其中agentic工具调用这一项是全榜第一。AA独立复测的Terminal-Bench 2.1上它拿81.6%，排在这三家后面，差距3个点以内。但纯写代码还是露怯：SWE Bench Pro只有64.7%（官方数据），Fable 5是80.3%（Anthropic自报口径），差15个点不是误差，是断层。这不奇怪，收购6月中旬才官宣，数据飞轮刚接上水管，红利恐怕要到下一代才兑现。这一段是我的推测，我们可以到时候回来验证。

它真正的杀手锏算是价格...定价$2/$6每百万token，甚至可以和几家中国头部模型竞争了。而且AA统计过，同样解一道SWE Bench Pro的题，它平均用1.6万个输出token，Opus 4.8要6.7万个。干同一件事，花销差4倍 。The Decoder的标题把话说透了：便宜到benchmark上的差距可能都不重要了。Cursor CEO Michael Truell站台说这是「我们做过的最大一步提升」。当然，他刚以600亿把公司卖给人家。换我收了这笔钱，我也觉得是最大一步提升。

所以它适合什么？批量跑agent工作流、成本敏感、有人兜底验收的活，它是眼下性价比最高的选择。拿它查资料写东西？54%的幻觉率，还是先算了...当然，大多数人拿Grok写的也不是什么正经玩意儿，可能幻觉是个好的feature？

Muse Spark 1.1：不砌墙，想当包工头

Meta的模型，Alexandr Wang接手后第一个开放API的作品。它最大的新闻点不在能力，在商业模式：这是Meta历史上第一次对模型访问收费 。做了三年开源Llama的Meta，这次不开源了，彭博社直接把「Meta starts charging」做成标题。扎克伯格为了宣布这件事，时隔3年回X发了帖。跑到马斯克的地盘上给自家模型吆喝，这本身又成了一条新闻，光第一条帖子就840万浏览。上一次这两人靠这么近，还是约笼斗那回。这次小扎没练柔术，带了张benchmark表。

分数很偏科，但偏得有性格。扎克伯格帖子里贴的就是官方对比表（注意对比对象是GPT-5.5，不是同天才发的5.6）。工具编排类是真领先：MCP Atlas 88.1，Opus 4.8才82.2；带工具的Humanity's Last Exam 62.1，也是第一；金融、医疗这类专业agent评测同样压过Opus 4.8。但纯写代码立刻掉下来，SWE-Bench Pro 61.5，比Opus 4.8低了近8个点；长上下文检索MRCR被GPT-5.5甩开20个点。

看出来了吗？它压根没想跟别人卷写代码。它想当的是包工头：自己不砌墙，负责给一群子agent派活 。官方专门强调它训练过给并行子agent分发任务，上下文1M（Grok 4.5的两倍）还带自动压缩管理，定价$1.25/$4.25，输入价只有GPT-5.6旗舰的四分之一。

社区反应，HN上最多的声音是「便宜到不敢信」。还有人给了个我很认同的评价：它把agent推向了「正常软件的习惯」，便宜的API、工具调用、子agent、计算机使用，全是工程化的路数。Simon Willison拿到几天预览权限，跑了他那个经典的鹈鹕骑自行车SVG测试，结论是「有点方正但可认」。总体共识是Meta还在追赶Anthropic和OpenAI，但这次追的姿势对了。

想想小扎这一年多砸出去的钱：上百亿美元把Alexandr Wang连人带公司请进门，九位数的薪酬包挖遍各家实验室，Llama 4还折腾得灰头土脸。Muse Spark 1.1不是最强的模型，但它有清晰的定位、有真领先的单项、有让HN喊「不敢信」的定价。砸了这么多钱，小扎终于算是上桌了 。

如果你在搭多agent流水线，让一个便宜、能管1M上下文、专门练过调度的模型当中枢，把贵的模型留给关键工序，这个组合蛮合理。可惜API目前只对美国开发者开放预览，国内朋友先看着。

GPT-5.6：一家三口，正面刚Fable 5

OpenA

关联