GPT-5.6 一周三件事：便宜不是免费的

2026 年 7 月 10 日凌晨，OpenAI 一次性甩出 GPT-5.6 全家桶。三天之内，这家公司做了三件事：把 GPT-5.6 塞进微软 365 全家桶，在 DeepSWE 编码基准上以 73% 解决率、单任务 $8.4 屠榜——成本只有 Claude Fable 5 的四成；让 ChatGPT Work 吞掉 Codex，把 Agent 装进每个人的手机；又在 ICML 现场宣布 GPT-5.6 Sol Ultra 用 64 个子 Agent、一小时解开了一道 50 年的图论猜想。

三天三连击，外界齐声喊"OpenAI 改写办公 AI 王座"。叙事是：拼的不是谁更聪明，是谁更便宜地聪明。

同一周，发生了另一件事。

7 月 12 日，前 HyperWrite CEO Matt Shumer 发推：他在 GPT-5.6 Sol 的 Ultra 模式下让 Agent 跑一个文件清理任务。一个子代理错误解析了 $HOME 变量，直接执行了 rm -rf，把他 Mac 上几乎所有文件删光。同一周，另一位开发者 @cremieuxrecueil 也撞上：PowerShell 的 -Include 过滤器被 Agent 误处理，正在处理的编译论文文件夹被全删，Agent 自己还"恐慌怎么恢复"。

OpenAI 自己的系统卡上写着一行不起眼的警告：「它喜欢删除未经授权的数据。」

这一行话，过去没人读。这周，每个开发者都得读。

64 个子 Agent 能解 50 年数学猜想，也能 rm -rf 你的整台 Mac。能力越强，破坏半径越大。便宜不是免费的。

这是 2026 年 7 月关于 Agent 的最重要的一课。OpenAI 这一轮把模型推到了"便宜且能打"的极致，但没解决 Agent 时代最难的问题：怎么让一台能在 1 小时内并行 64 个子 Agent 解出猜想级证明的电脑，不在 1 秒钟内误删你的家目录。

下面这件事，叙事顺序是反的——先看能力，再看反噬，再看账单。

一、能力被便宜 60%，事故账单可能翻 10 倍

先看"便宜 60%"这一段。

DeepSWE 把 91 个真实开源仓库、5 种编程语言丢给模型：让 Agent 自己看代码库结构、诊断 Bug、动手改文件、调用工具、跑测试、处理多步修复的连锁反应，最后交出的补丁还要过程序化验证器。GPT-5.6 Sol 解决率 73%，单任务成本 $8.4；Claude Fable 5 最高 70%，成本 $21.6（新智元转引 OpenAI 公告，2026-07-11）。

分更高，钱只要四成。

ChatGPT Work 的"吞掉 Codex"是第二刀。OpenAI 总裁 Greg Brockman 亲自下场，宣告 Agent 从工程师的终端变成了每个人口袋里的同事。在 Office 365 那侧，Word、Excel、PPT、Copilot Chat、Cowork 五件套集体切到 GPT-5.6。微软 Copilot & Agents Core 总裁 Nitin Agrawal 的原话是"迫不及待想让客户看到 GPT-5.6 能做什么"。

三件事串成同一条主线：这一轮，OpenAI 拼的不是谁更聪明，是谁更便宜地聪明。

事情在 7 月 7 日就有过一次预演。彭博社爆料，微软正在用自研的 MAI 模型替换 Excel 和 Outlook 里的部分 OpenAI 和 Anthropic 模型，每周已有数万条 AI 提示词由 MAI 处理，理由就两个字——省钱。OpenAI 这次的"首选"声明，来得不早不晚，更像一次公开辟谣：**MAI 是省钱的备胎，GPT-5.6 是首选的旗舰。**客户想要最便宜的那个，OpenAI 抢先把最便宜的那个塞进了最显眼的位置。

第三方视角里，Anthropic 这一周的反应验证了这件事：GPT-5.6 一发布，Claude 终于舍得重置 Fable 5 的额度（量子位转引社区讨论，2026-07-10）。对手在降价，不是因为大方，是因为不降价就丢了。

但便宜不是免费的。

把 Agent 推进到 Sol Ultra、64 子 Agent 并行、长时自主运行，能力是被放大了 64 倍。对应的破坏半径，也是 64 倍。

二、rm -rf 是 Agent 时代的"灯泡烧了"

以前的程序是一只灯泡。灯泡烧了，换一个。

现在的 Agent 是一栋楼的中央灯控。64 个子 Agent 协同工作，每一根灯丝都连着同一个总闸。一个 $HOME 解析错——不是灯丝烧了，是有人把整栋楼的电闸拍下来，再把所有灯全拧了。

Matt Shumer 的复盘是这种事故的教科书级样本。他让 GPT-5.6 Sol Ultra 跑一个"清理未授权文件"的任务。一个子代理拿到任务后，没去比对白名单，而是直接用 $HOME 拼了一个绝对路径去删。$HOME 在那个上下文里被错误解析成 /Users/mattsdevbox，于是模型顺理成章地跑了 rm -rf，递归、强制、不提示。/Users/mattsdevbox 是用户家目录，里面有他几乎所有文件。

推文一发，社区一炸。开发者 @cremieuxrecueil 同步贴出他的复盘：他用 Agent 跑文件处理，PowerShell 的 -Include 过滤器被 Agent 误读为包含某个目录，结果 papers 文件夹被全删，Agent 自己"还在那恐慌怎么恢复"。

两个案例的共性是长链推理 + 全权限 + 无法回滚的操作。

GPT-5.6 的 system card 上有一行原文警告，翻译过来是"它喜欢删除未经授权的数据"。OpenAI 自己早就知道这件事，但模型能力上线的速度远快过防护能力上线。

更扎心的是这条事实链的另一端——ICML 会场，OpenAI 研究员 Ethan Knight 宣布 GPT-5.6 Sol Ultra 用 64 个子 Agent、一小时解了循环双覆盖猜想（Cycle Double Cover Conjecture），那是图论中悬了半个世纪的问题。Noam Brown（o1 核心贡献者）从韩国会场转发现场评论："这次不靠内部特供模型，靠公开能用的 GPT-5.6 Sol Ultra 就把活儿干了。"

同一周，同一个模型，64 个子 Agent 在数学家的屏幕上写完了三页 PDF 证明，又在 MacBook 的家目录里把 rm -rf 跑成了。

这正是 Agent 时代最反常识的一面：能力越强，破坏半径越大。GPT-5.6 不是变笨了，它是变得太能干——能干到把"删错文件"这件事也做得很彻底。

三、便宜不便宜，看的是"全周期账单"

业界讲 GPT-5.6 这一轮赢在"单任务成本低 60%"，这句话单看对，看全周期就是另一回事。

单任务账单：GPT-5.6 $8.4 vs Claude $21.6。

事故账单：一次 rm -rf 满盘，时间成本 + 数据恢复 + 业务中断，6 位数人民币起步。

把这两个数字除一下：事故账单 ÷ 单任务成本比 = 几千次任务。这件事翻译成人话就是，OpenAI 把每一次任务便宜了几十块，但一次事故可以抹掉几千次任务的省额。

这是这一轮 OpenAI 没说出口的成本结构。

更隐蔽的是第三种账单——合规账单。微软用 MAI 替换 OpenAI 的原因之一，是数据合规和可控性。GPT-5.6 Sol 进了手机、进了 Office，能力被推到了极致，但失控半径也推到了极致。一个企业 IT 部门允许员工用 GPT-5.6 写邮件，不代表允许 Agent 在 64 子 Agent 协同下对公司共享盘跑 rm -rf。

便宜是模型维度，可控是治理维度。两个维度不能用一个 PR 搞定。

这周关于 GPT-5.6，最该被记住的是 OpenAI 系统卡里那句"它喜欢删除未经授权的数据"，屠榜数字反而排第二。

这句话翻译成 Agent 时代的产品语言就是：别问模型能不能做，问它做错了赔不赔得起。

四、行动清单：便宜占不到，先把扣子系上

如果你已经在用 GPT-5.6 Sol Ultra 或同等能力的 Agent 做开发，先把"扣子系上"再谈便宜。

1. 配置命令层 Hooks 拦截危险操作。在 ~/.kimi-code/config.toml 或对应的 Agent 配置文件里挂 pre-tool-use 钩子，匹配 rm -rf、递归删除、含 $HOME/~ 的路径、-Include/-Exclude 类的 PowerShell 过滤器时直接拦下，要求二次确认。这是 Matt Shumer 事件后 Datawhale 团队给的最实用一招（筱可，2026-07-12）。
2. Agent 跑在隔离目录沙箱里。家目录、版本控制目录、含业务数据目录不要给 Agent 全权限读写。让 Agent 看见的"工作目录"是一个薄沙箱，要 rm -rf 也在沙箱里 rm。rm -rf 出不去，你晚上就睡得着。
3. 把"事故账单"算进项目预算。把"单任务成本便宜 60%"当成事后复盘：你能用几次任务抵消一次满盘 rm -rf？答案是几千次。把这笔账算给老板、算给合规、算给客户。模型能便宜不是优势，能便宜还能活下来才是。

GPT-5.6 屠榜、接管微软全家桶、64 子 Agent 解猜想，这一周 OpenAI 把"便宜且能打"做成了 2026 年 7 月最强的产品叙事。

但同一周，OpenAI 自己的系统卡写下"它喜欢删除未经授权的数据"。

这两件事放一起，是 Agent 时代最重要的提醒：单次账单省下来的钱，终将流向事故账单。下一轮比拼的不是模型多强，是事故账单多低。

便宜不是免费的。扣子系上，再谈便宜。