影片筆記：gpt-5.6 真实案例上手体验，慢工出细活，一个真正干活的模型。

一句話總結

主講人透過遊戲優化與 API 計費功能兩個真實案例，實測 OpenAI 發布的 GPT-5.6 模型，指出其雖耗時較長（2-3 小時），但具備主動截圖測試、修復計劃外問題及自動優化的能力，展現出比前幾代模型更接近「真正干活」的工作模式，同時提醒使用者需注意模型可能進行的不必要修改或降級風險。

核心重點

性能與體驗的轉變：

• 與 GPT-5.2 升級至 5.3 時的速度質變不同，GPT-5.6 的進步在於「用時間換空間」。
• 任務完成時間增加，但換取了更全面的優化能力與更細緻的工作細節。
• 主講人認為跑分高不代表實際上手體驗好，GPT-5.6 在實際任務完成度上表現更佳。

工作模式的革新：

• 主動性增強：不再僅是被動「給出頁面讓用戶反覆測試修復」，而是會主動進行截圖、測試、調整。
• 計劃外修復：能發現並修復計劃外的问题，例如靈動島適配、後台暫停邏輯等。
• 流程簡化：省略了以往「給頁面 -> 用戶測試 -> 發現 Bug -> 修復」的繁瑣循環，更接近直接可用的狀態。

實測案例驗證：

• 遊戲項目優化：針對原由 Claude + GPT-5.5 完成的遊戲，GPT-5.6 自動進行了近 20 次修改，包括機型適配（17 Pro, 16E）、UI 美化、增加暫停按鈕及後台邏輯處理。
• API 計費功能：為 Sub2 API 增加計費功能時，不僅調整價格，還主動測試並修復錯誤，展現對模糊請求的細膩處理能力。

使用建議與風險：

• 模式選擇：複雜任務建議使用 Ultra 模式（協調四個 Agent 並行，耗時長但輸出接近可用）；簡單任務建議使用 Max 思考模式。
• 潛在風險：模型可能會自動進行不必要的修改或導致功能「降級」，可能影響現有功能。
• 核對必要性：任務完成後，務必詢問並核對具體修改內容，避免無必要修改導致項目問題。

詳細大綱

一、 GPT-5.6 發布與基本認知

• GPT-5.6 已發布，可在 Codex 環境中直接體驗。
• 主講人指出，雖然跑分必然高於上一代，但跑分與實際上手體驗存在巨大差異。
• 過往模型（GPT-5.3, 5.4, 5.5）之間感覺區別不大。
• 歷史對比：GPT-5.2 升級至 5.3 時，任務完成速度有巨大提升；但 GPT-5.6 的任務時間反而增加，這並非缺點，而是工作模式的改變。

二、 GPT-5.6 的核心體驗變化

• 時間換空間：雖然完成任務時間增加，但並非像 5.2 那樣在單一問題上卡住。
• 主動優化能力：
• 不僅解決提出問題，還會順手優化或解決過程中發現的其他問題。
• 例如開發 APP 時，會主動進行截圖、測試、調整，省略了以往「給頁面 -> 用戶測試 -> 發現 Bug -> 修復」的繁瑣流程。
• 工作細節度：做事更加細緻，更接近真正「干活」的模型。

三、 實測案例一：遊戲項目優化

• 背景：原遊戲由 Claude 模型 + GPT-5.5 共同完成。
• 操作：切換至 GPT-5.6，提問關於項目的改進方面。
• 優化前問題：
• 吃到食物無變化。
• 左上角血量與數字重合。
• 無動畫效果。
• 無遊戲暫停鍵，體驗單調。
• 優化後成果：
• 針對不同機型（如 17 Pro, 16E）進行適配，處理劉海與靈動島位置影響。
• UI 元素美化，食物/金幣/分數/血量顯示邏輯優化。
• 增加右上角暫停按鈕。
• 工作過程分析：
• 模型自動啟動遊戲並截圖。
• 耗時約 2-3 小時。
• 總計進行近 20 個修改。
• 包含計劃外修改：如 APP 進入後台或接電話時自動暫停、避開靈動島等。

四、 實測案例二：Sub2 API 計費功能

• 任務：為 Sub2 API 增加 GPT-5.6 模型的計費功能。
• 對比：
• 一般模型（如 GPT-5.5）僅關注功能實現。
• GPT-5.6 不僅調整價格，還會主動測試，若發現錯誤會順帶修復。
• 結論：對於模糊請求，GPT-5.6 能提供更細膩、更接近可用狀態的結果。

五、 使用建議與潛在風險

• 模式選擇：
• Ultra 模式：協調四個 Agent 並行工作，全面但速度慢，適合複雜任務。
• Max 思考模式：適合不複雜的任務。
• 潛在風險：
• 模型可能會自動進行不必要的修改或「降級」。
• 可能影響實際應用場景中不需要降級的功能。
• 操作建議：
• 任務完成後，務必詢問並核對具體做了哪些修改。
• 避免無必要的修改導致項目出現問題。

工具 / 模型 / 名詞整理

• 三少科技：影片主講頻道或品牌名稱。
• GPT-5.6：影片重點實測的 OpenAI 最新發布模型。
• Codex：GPT-5.6 可體驗的環境。
• GPT-5.2 / 5.3 / 5.4 / 5.5：影片提及的前幾代模型，用於對比性能與體驗差異。
• Claude 模型：影片案例中與 GPT-5.5 共同完成原遊戲項目的模型。
• 17 Pro / 16E：影片案例中提到的手機機型代稱，用於描述適配問題。
• 靈動島：手機設計元素/功能，影片案例中涉及適配問題。
• Sub2 API：影片案例中進行計費功能開發的 API 服務。
• Ultra 模式：Codex 中的一種模式，協調四個 Agent 並行工作，耗時長但輸出接近可用狀態。
• Max 思考模式：Codex 中的一種模式，適合不複雜的任務。

操作流程整理

案例一：遊戲項目優化流程

準備階段：確認原遊戲由 Claude + GPT-5.5 完成，存在 UI 重合、無動畫、無暫停鍵等問題。

執行階段：

• 在 Codex 中切換至 GPT-5.6。
• 輸入關於項目改進的提問。
• 模型自動啟動遊戲並進行截圖測試。
• 模型進行多輪修改（約 20 次），耗時 2-3 小時。

結果驗證：

• 檢查機型適配（17 Pro, 16E）及靈動島避開情況。
• 確認 UI 美化（食物/金幣/分數/血量）及新增暫停按鈕。
• 驗證後台邏輯（接電話/進入後台自動暫停）。

案例二：Sub2 API 計費功能開發流程

任務定義：為 Sub2 API 增加計費功能。

執行階段：

• 使用 GPT-5.6 進行開發。
• 模型不僅調整價格邏輯，還主動進行測試。
• 若發現錯誤，模型順帶修復。

結果驗證：確認計費功能可用且錯誤已修復。

通用操作建議

選擇模式：根據任務複雜度選擇 Ultra（複雜）或 Max（簡單）模式。

任務執行：等待模型完成工作（複雜任務需 2-3 小時）。

事後核對：

• 詢問模型具體做了哪些修改。
• 核對修改內容，檢查是否有不必要的修改或功能降級。
• 確認現有功能未受影響。

值得注意的限制或風險

耗時較長：使用 Ultra 模式處理複雜任務時，耗時約 2-3 小時，效率低於以往追求速度的模型。

不必要的修改：模型可能會自動進行不必要的修改，或對功能進行「降級」。

潛在功能影響：自動修改可能影響實際應用場景中不需要降級的功能，導致現有功能出現問題。

跑分與體驗落差：高跑分不代表實際上手體驗好，需謹慎評估模型在具體任務中的表現。

逐字稿辨識疑點

• GPT-5.6 / GPT-5.2 / GPT-5.3 / GPT-5.4 / GPT-5.5：逐字稿中反覆出現「GPT-5.x」系列名稱。目前公開的 GPT 系列主要為 GPT-4 系列， rumored 的 GPT-5 命名規則亦未完全確立或與此處描述不符。需查證是否為口誤、特定內部版本號、聽寫錯誤，或是影片作者對未來模型的預測性稱呼。
• Sub2 API：需查證是否為特定產品名稱，或為口誤（例如是否為 Substack API 或其他服務）。
• 17 Pro / 16E：需查證是否為特定手機型號的代稱或口誤（例如是否指 iPhone 17 Pro, iPhone 16 等，或為其他品牌機型）。
• Ultra 模式 / Max 思考模式：需查證 Codex 中是否確有此命名，或為口誤（例如是否為 Ultra 模式、Max 模式等）。
• 跑分與實際體驗差異：主講人提到「很多国产模型跑分都很高，但是一上手工作就很难去完成一个任务」，此為觀點陳述，非事實錯誤，但需注意其對跑分價值的否定態度。

可延伸追問

GPT-5.6 的「Ultra 模式」與「Max 思考模式」在技術架構上有何具體差異？

為何 GPT-5.6 需要 2-3 小時才能完成原本可能較短時間的任務？其背後的計算資源分配邏輯為何？

如何有效識別並阻止模型進行的「不必要修改」或「降級」？是否有特定的提示詞（Prompt）技巧可以避免此問題？

影片提到的「17 Pro」與「16E」具體對應哪些手機型號？靈動島適配在開發中有哪些常見技術難點？

Sub2 API 的計費功能具體是如何實現的？GPT-5.6 在測試過程中發現了哪些典型錯誤？