GPT-5.6发布，ChatGPT把聊天框缩小了
ChatGPT 诞生 1317 天后，Codex 正式并入 ChatGPT。
2022年11月30日，ChatGPT发布。AI 第一次以足够简单的聊天框形态进入大众生活。人们开始习惯向AI提问，让它解释一个概念、改一段文字、总结一份材料，或者写一个方案初稿。
后来，DeepSeek-R1让“深度思考”替代“百度一下”，进入更多人的日常。
再后来，Codex、OpenClaw一批Agent工具开始让普通人意识到，交给AI的可以不只是一个问题，也可以是一项任务。
今年年初的“龙虾热”，更是一个清晰的标志性事件：普通人第一次大规模练习，把任务交给AI。
到了昨晚， 2026年7月9日，OpenAI发布GPT-5.6，并宣布Codex开始并入新版ChatGPT桌面端。
从AI聊天，到AI办事，ChatGPT 走了1317天。
这次更新带来了更强的推理、编码、工具调用和计算机操作能力。但这一次真正值得关注的地方，已经不只是模型能不能回答一道更难的问题。
GPT-5.6可以从文档和工作环境中获取零散信息，将其整理成文档、表格、演示稿和应用。ChatGPT Work可以跨文件和应用搜集信息，把目标拆成多个步骤，持续推进较长任务，并交付完整成果，Codex则保留独立的编码Agent能力，同时进入新版ChatGPT桌面端。
表面上看，这是 Chat、Work和Codex被放进了同一个应用。更深的变化是，一项工作从提出、理解、研究到执行和交付，可以开始被同一个AI产品连续承接。
过去，聊天框是AI的主界面。现在，聊天正在被收进一个小小的窗口，任务工作台开始走到前台。
01
这次更新的重点
不只是模型更聪明了
昨晚发布的GPT-5.6，按照本次发布信息，会在 24 小时内推送给用户，并提供 Sol、Terra、Luna三个型号：Sol旗舰，Terra均衡，Luna更快也更便宜。定价上，Sol每百万token输入5美元、输出30美元；Terra为2.5/15；Luna为1/6，缓存价格为一折。
这些参数当然重要。模型更强、成本更细、速度更快，都会影响开发者和企业的使用选择。但如果只看模型参数，很容易错过这次更新真正的信号。
OpenAI展示的重点，已经从“AI能不能理解需求”转向“AI能不能直接完成任务”。
聊天时代的典型任务是：“帮我分析这些数据，这些客户反馈。”
AI给出一段分析，用户再复制答案，整理数据，做表格，写报告，做演示稿，必要时再找人开发一个页面。
Agent时代的任务会更像：“读取这个文件夹里的客户反馈，按渠道和问题分类，找出主要流失原因，生成分析报告，再做一个可以筛选数据的页面。”
前者交付一个回答，后者交付一项工作结果。
过去，AI更像一个陪你思考的对话对象。你提出问题，它生成答案。中间的整理、复制、转换、执行、检查和交付，仍然主要由人完成。
现在，AI开始进入工作本身。它不只是在聊天框里告诉你应该怎么做，还能读取资料、调用工具、拆解步骤、生成文件、处理数据、写代码、搭页面，并把结果交到你面前。
AI工具的能力正在从说得对、想得对，走向做得出、做得好。
Codex并入ChatGPT，意味着代码正在变成后台能力，让AI能够更好办事。
过去，代码是程序员的专业工具。普通用户如果想做一个页面、处理一批数据、连接一个工具、自动化一个流程，通常需要找开发，或者至少需要理解一点技术逻辑。
但在Agent时代，代码可能会逐渐变成AI执行任务时的内部手段。普通用户不需要看懂Agent写下的代码，需要做的，只是说清目标，提供资料，设定边界，检查结果是否可用。
比如你想分析客户反馈，不一定要知道怎么写脚本清洗数据。你只需要告诉AI数据在哪里，分类维度是什么，最终想看什么结论，哪些字段不能碰，输出要给谁看。
AI可以在后台写代码、跑脚本、生成图表、搭出页面。人负责判断：分类对不对，结论有没有业务意义，页面能不能支撑决策，数据有没有风险。
这意味着AI产品不再把“聊天”“写作”“编码”“工具调用”“文件处理”拆成互不相干的能力，而是开始把它们压进同一个工作入口。
用户说出目标，AI直接执行。
聊天时代训练的是提问，Agent时代训练的是交付。
过去几年，很多人所谓的使用AI，仍然停留在聊天。
解释概念、修改文案、总结材料、写方案、列标题、生成话术，这些用法当然有价值，但它们更像是把AI当成一个更聪明的搜索框和写作助手。
模型不断更新，很多人交给AI的任务尺度却没有明显变化。
Agent时代需要改变的，首先是使用思路。
不要只让AI写一段活动文案，可以把产品资料、目标用户、历史版本和发布渠道一起交给它，让它完成信息梳理、初稿生成、风格检查和版本改写。
不要只问AI如何分析客户反馈，可以把真实数据交给它，让它完成分类、统计、归因和报告，甚至设定为一个规律的定时动作。
不要只问“能不能做一个页面”。可以让Agent直接做出第一版看看，再根据效果继续修改。
这时候，人和AI的分工会变得不一样，人要更会定义目标，更会提供上下文，更会设置边界，也更会检查结果。AI负责承担更多执行过程，人负责判断方向、确认关键动作、识别风险和决定是否继续。
聊天时代，最重要的是会不会问。Agent时代，最重要的是会不会交代任务。
这听起来只是表达方式的变化，实际上是工作方式的变化。因为当AI可以持续推进任务，人类的角色就不再只是“等一个答案”。你更像是在带一个执行力很强、但仍然需要明确目标和边界的协作者。
你要告诉它要去哪里，也要检查它有没有走偏。
AI在进化，人也要快点下场
AI产品的变化速度，已经远远超过传统软件。
传统软件通常是在一个相对稳定的形态上增加功能。AI产品会随着模型能力变化，不断改写自己的边界。
昨天，人们还在研究怎样写好提示词；今天，Agent已经可以自己拆解目标、选择工具、执行任务并检查结果。
所以，等待一个“稳定版本”再开始，可能会变成一种很危险的拖延。
AI领域过去几年没有一套永远不变的标准使用方法。熟悉的入口会被合并，刚掌握的技巧可能被新的能力替代，今天看起来很高级的工作流，明天可能变成产品内置功能。
这也是为什么很多人会产生一种被时代甩开的感觉。
之前在小红书看到一个帖子，有人说自己从来没用过AI Agent，看到这些工具就像“清朝人”一样，感觉正在被时代抛弃。
这种感觉很真实，但现在更重要的，就是要尽早形成与AI协作的工作直觉。
什么任务适合交给它，需要提供哪些背景，哪些步骤可以让它自主完成，哪些结果必须亲自检查，哪些动作需要权限和确认，这些东西很难只靠看教程学会。
很多工具已经没有想象中那么复杂。你不需要先弄懂所有原理，才开始使用它。更好的方式，是把AI当作一个功能全面、自由定制的高适配性玩具，先拿一个真实任务进去「玩」。
让它整理一次会议纪要，让它分析一批客户反馈，让它重写一组销售话术，让它搭一个活动页面，让它把一个模糊想法拆成可执行步骤。你会在使用中发现它擅长什么，也会发现它在哪些地方容易犯错。
Agent仍然会误解需求，也可能交付看似完整却无法使用的结果。人仍然需要检查关键数据、控制权限、确认重要动作。但什么任务适合交给Agent，人应该在哪一步介入，只有在真实使用中才能慢慢形成判断。
对个人来说，新的分水岭在于谁更早把真实任务交给AI。
对企业来说，也不必一开始就设计一套覆盖全公司的终极方案。更现实的方式，是从一个岗位、一条流程或一项高频任务开始，让AI进入真实业务，观察它能解决什么问题，会在哪里出错，需要怎样的人机协作和安全边界。
有效就扩大、复制经验，无效就调整，快速验证。
新的办公时代，已经从聊天框外面开始了。
过去我们问 AI：“这个问题怎么看？”
接下来，我们会越来越多地说：“这件事帮我推进到一个可检查的结果。”
新的Agent办公时代已经开始。试着把真实任务交给AI，看看它究竟能推进到哪一步。
