OpenAI员工瓦伊巴夫·斯里瓦斯塔夫（Vaibhav Srivastav）公开解释了GPT-5.6 Sol模型配备的五档推理级别，以及它们各自适用的任务复杂度。这种对应关系直观地展现了思考深度如何匹配问题难易。

五个级别中，“Light”（轻量）和“Low”（低级）针对即时、答案明确的提问——比如简单问答或事实核查。上升到“Medium”（中等），模型开始承担规划与分析类工作，适合需要梳理多个因素的任务。而“High”（高级）与“xhigh”（极高级）则应对复杂的多步骤问题，或需要“仔细验证”的精密推演。到了“Max”（最大）和“Ultra”（极致），机制发生转折：“Max”让模型在单一问题上停留更长时间，像反复打磨答案；“Ultra”则会并行启动多个子代理，各自处理任务的不同子项，再汇总结果。级别越高，耗时越长，消耗的代币也越多。

打开网易新闻 查看精彩图片

斯里瓦斯塔夫给出了一条务实建议：从低级别起步，只在确实需要时逐级上调。他强调这些级别与GPT-5.5的层级体系不直接对应，已习惯旧版分级的人切换过来时，应从比预期低一级的档位开始尝试。这背后显然是为了防止用户盲目冲高、浪费计算资源。

这样的分级设计并未让OpenAI更接近它那个让ChatGPT“几乎不需要界面”的初心。相反，分得越细，选择负担越重。而且，Sol系列的专业版档次至今仍未露面——它们曾在一份基因组学基准测试论文中意外泄露，一直未补全。即便是经验丰富的用户，若不经过自己的基准测试反复摸索，也很难精准配对任务与级别。不过，对OpenAI而言，这种设置倒可能来自数据收集的考量：每一次手动调档，都在为模型优化提供行为样本。