剛剛，GPT 5.6 發佈會上，OpenAI 暴露了哪些 Agent 技術路線？

OpenAI 今日凌晨舉辦發表會，正式推出 GPT 5.6 系列模型，同時也端出 ChatGPT Work、全新 ChatGPT 桌面應用程式與 Hosted Sites 等多項新產品。這場發表會不僅是模型規格的升級，更清楚揭示 OpenAI 正將 ChatGPT 從單純的問答工具，轉型為能承接任務、操作工具並交付成果的代理（Agent）系統。 傳統聊天產品多半只處理輸入與輸出，使用者提問、模型回答，任務往往只停留在對話框內。但要打造一套能執行任務的系統，就必須處理更複雜的環節，包括任務拆解、上下文管理、工具呼叫、狀態追蹤、權限管控與結果驗證。發表會上展示的財務分析、Excel 更新、PPT 生成、桌面應用操作、網頁託管以及多代理協作，全部可以放進這條 Agent 技術路線來理解。 這條路線的第一步是建立執行鏈路。ChatGPT Work 承擔任務入口的角色，使用者給予的不再只是一段明確的提問，而是帶有目標的工作任務。例如從 Slack 與員工回饋中找到內部使用案例，再結合行事曆安排訪談；或者是讀取財務數據進行差異分析、更新預測、生成彙報資料與可分享頁面。這類任務的難點在於編排：系統必須判斷需要哪些資料來源、先讀什麼、後處理什麼，哪些步驟可以自動執行，哪些需要使用者確認。 任務入口解決後，下一步是環境接入。真實工作很少只存在於一個對話框，更多時候分散在本機檔案、瀏覽器分頁、表格、筆記、郵件與協作工具中。全新推出的桌面應用程式正是因應這個需求而生：網頁版主要依賴上傳檔案與雲端連接器，桌面版則可以接觸本機檔案、瀏覽器分頁與其他應用程式。發表會展示的 Apple Notes 整理、本機資料夾讀取、Chrome 分頁分析與表格視覺化，目的都是讓 ChatGPT 進入使用者真實的工作環境。 不過，接入環境後問題不會自動變簡單，反而多了一層上下文工程。模型不可能把所有檔案、瀏覽器頁面與歷史記錄都塞進上下文視窗，必須先判斷哪些內容與任務相關，再將 PDF、Excel、網頁、PPT、筆記等不同格式轉成可處理的表示方式。背後需要檔案索引、語意檢索、上下文壓縮、引用追蹤與衝突處理。例如同一個專案裡的 PDF、PPT、Slack 訊息與 Excel 表格可能彼此矛盾，Agent 不能只是把材料拼在一起，還要判斷哪些來源較新、哪些可信、哪些只是背景資料。 理解環境之後，結果還需要能夠交付。Hosted Sites 補足的就是這一環。過去大模型輸出多是文字、程式碼片段或靜態檔案，使用者還得把結果搬到其他工具繼續處理。Hosted Sites 能直接將結果變成網頁、儀表板、內部工具或互動式原型，適合臨時報表、專案彙報、產品原型等輕量場景。而交付層要穩定，不能只靠模型自由生成：Agent 呼叫工具時需要結構化的工具協定，明確定義輸入欄位、回傳格式、失敗處理，以及哪些操作是唯讀、哪些會產生副作用。例如「更新預測」這類任務，比較安全的做法是拆成讀取儲存格、檢查公式、產生 diff、等待確認、寫回檔案。 整體來看，執行鏈路可以分成三段：ChatGPT Work 承接任務，桌面應用程式接上環境，Hosted Sites 交付成果。鏈路建起來之後，問題就轉向底層的模型調度，因為這麼多步驟不可能都靠同一個模型硬跑。 GPT 5.6 這次分成 Soul、Terra、Luna 三個層級。Soul 負責複雜的 Agent 工作流程，Terra 處理日常任務，Luna 則針對高頻低成本的需求。在 Agent 場景下，成本與延遲會被放大，一次複雜任務可能包含長文件讀取、上下文壓縮、多輪工具呼叫、程式碼生成、結果驗證與多次修改。如果每一步都召喚最強模型，費用與回應時間會大幅上升；如果全程使用低成本模型，規劃與推理又不穩定。因此更合理的做法是分層路由：摘要、分類、格式轉換與批次處理交給低成本模型；複雜規劃、長上下文推理、程式碼生成與高風險操作則交由較強模型處理，中間步驟再根據任務狀態動態切換。 當單一模型不足以涵蓋複雜任務時，多代理協作就會進入調度系統。Ultra Mode 可理解為將複雜任務拆給多個 Agent 平行處理：一個 Agent 讀取資料，一個處理表格，一個產生頁面，一個檢查一致性，最後再整合結果。這個方向能提高速度，也提供一定程度的交叉驗證。真正困難的是編排者（orchestrator），它必須決定任務如何拆解、每個 Agent 拿到哪些上下文、衝突結果如何處理、何時停止、如何避免重複勞動以及如何控制成本。 模型調度也帶來評估方式的改變。這類系統不能只看傳統問答基準，發表會提到的 Terminal Bench、BrowseComp 與 Agent’s Last Exam，分別更接近程式碼執行、複雜資訊檢索與長週期專業任務。但真實企業環境很難被標準測試集完整覆蓋，因為實際任務經常涉及權限限制、髒資料、歷史包袱與組織內部口徑。對 GPT 5.6 這樣的系統而言，更關鍵的指標應該是失敗率、人工接管率、平均完成時間、工具呼叫成功率、結果可複核程度以及單位任務成本。 Agent 系統越靠近真實工作環境，安全問題就越具體。過去模型安全多半關注輸出內容，例如是否產生錯誤或敏感資訊；進入 Agent 階段後，風險會落到實際動作上：讀取了哪些檔案、修改了哪些表格、呼叫了哪些工具、是否發送了訊息、是否提交了程式碼。發表會提到 GPT 5.6 在網路安全能力上有明顯提升，可以發現漏洞也能產生修補程式，但將這樣的能力放進通用 Agent 產品，也要求更嚴格的權限設計。 一個能讀檔案、寫程式碼、操作瀏覽器、呼叫企業系統的模型，必須被限制在清晰的邊界內。可信的 Agent 至少需要幾層機制：第一是最小權限，任務需要什麼就開放什麼；第二是操作分級，讀取資料、產生草稿、修改檔案、發送訊息等動作的風險級別不同，確認邏輯也應不同；第三是過程審計，系統必須記錄模型讀了什麼、改了什麼、依據是什麼；第四是事務化執行，Agent 如果會修改真實環境，就應該先產生計畫與變更差異，讓使用者或驗證器檢查後再一次性提交，而不是邊想邊改。 在企業場景中，還需要運行觀測系統。長任務執行過程中，系統應記錄每個子任務的輸入、輸出、工具呼叫、模型版本、耗時、失敗原因與人工介入點，否則一旦結果出錯，很難判斷問題出在模型推理、上下文檢索、工具介面還是權限配置。尤其在多代理平行運作時，若沒有清楚的執行軌跡，結果越複雜，排查成本就越高。 整體來看，GPT 5.6 發表會給出的技術路線已經相當明確：先用 ChatGPT Work 承接任務，再用桌面應用程式接入真實環境，用 Hosted Sites 完成交付；底層透過 Soul、Terra、Luna 與 Ultra Mode 進行模型調度；最後用權限、審計、事務與觀測機制控制風險。這幾層環環相扣：執行鏈路決定 ChatGPT 能否把任務跑起來，模型調度決定能否以合理成本持續運轉，可信邊界則決定使用者敢不敢把關鍵任務交給它。GPT 5.6 的價值，最終不會由發表會的頁面效果決定，而是由真實工作中的穩定性來驗證。