GPT-5.6 效率背后：ARC-AGI-3 得分翻三倍

OpenAI 同日发布两篇技术文章，内核信息一致：GPT-5.6 的“低分”主要源于 harness 设置，而非模型能力问题。在 ARC-AGI-3 基准上，GPT-5.6 Sol 使用官方 harness 仅得 13.3%，但开启保留推理和压缩后，得分跃升至 38.3%，接近人类基线 48%，输出 token 减少 6 倍。官方指出，默认 harness 丢弃推理记录并采用滚动截断窗口，导致模型每次行动都如同“失忆”后从头推理。

另一篇文章串联起整个效率栈：GPT-5.6 Sol 在 Artificial Analysis 编码智能体指数上成本仅为 Claude Fable 5 的一半；Terra 性能匹敌 GPT-5.5 但价格减半，Luna 比 Sol 便宜 80%。

💡 为什么值得看保留推理与压缩后得分升至 38.3%，token 减少 6 倍；GPT-5.6 也在推理栈与代理框架中持续降本。