最近基模的发布过于猛烈，从 Gemini 3.7 Flash，到 Grok 4.6，然后是 GLM 5.3，让人应接不暇，以至于 OpenAI 也发布了俩更新，不仅被低估，还被忽略了。

这俩更新是两个工程数字：750 Token/s，以及 Codex 解锁百万上下文。

前者是模型 GPT-5.6 Sol 的 Ultrafast 模式，后者是 Codex 为 GPT-5.6 Sol 开放的一项可配置能力，让用户可以默认使用 1M 上下文。

这两个参数其实是改变 Agent 日常使用体验的。一个决定 Agent 跑得多快，一个决定我们能带着多少上下文跑项目。

8 月 13 日，OpenAI 发布了 GPT-5.6 Sol Ultrafast 预览版，给出的上限是标准处理速度的 14 倍，输出最高可达每秒 750 Token，目前只向少量 API 客户开放，订阅用户还需要等等，事实上，toB 的业务更需要这样的速度。

比如实时故障响应、金融研究与安全、语音客服、实时购物，以及交互式科研等等。过去这些场景为了压低延迟，往往要选更小或更专用的模型；Ultrafast 提供了另一种可能：继续使用旗舰模型，同时交付实时反馈。

国内的基模公司，尤其压重注 toB 业务的可以看看，这样的参数未来应该会变成标配。

这种速度对复杂的 Vibe Coding 同样是刚需，Agent 时代的延迟会沿着任务链不断累积，一次复杂工作通常包含思考、调用工具、等待结果、读取结果、重新判断，再进入下一轮。

当旗舰模型的输出进入几百 Token/s，开发者可以在模型生成方案时继续追问，也可以更快看到测试失败的结果，同时调整下一步动作。想象一下，如果速度获得突破，Coding Agent 的范式会再次发生变化，从“提交任务，过一会儿回来验收”，转向人机结对编程和连续协作，非常不可思议。

随后，Codex & ChatGPT 团队成员 Tibo 又公开了一项更低调的能力：在 Codex 中为 GPT-5.6 Sol 启用 100 万 Token 上下文。

打开 ~/.codex/config.toml，在顶层（任何 [section] 标题之前）添加或更新以下设置：

model="gpt-5.6-sol" model_context_window=1000000 model_auto_compact_token_limit=900000

第一个设置选择模型。第二个设置告诉 Codex 使用一百万 token 的上下文预算。第三个设置在约 900,000 token 时开始自动压缩历史记录，留出一些余量。保存后重启 Codex 客户端并开启新会话。

1 M 上下文这个倒不是新鲜事，Opus 5、K3、GLM 5.3 等模型都支持 1 M 上下文，但 GPT 一直只针对 API 用户提供了百万上下文的能力。这次终于把会员订阅的能力解锁了。

更大的上下文相当于给 Agent 一张更大的工作台，让它在一次迁移、一次复杂调试或一次大型代码库梳理中，保留更多现场。对于跨文件、跨工具、跨小时的任务，这种连续性往往比多答对一道测试题更有价值。

但是，大窗口也有代价。上下文越长，计算、配额和信息整理的压力通常越大，窗口里还可能混入重复日志、过期判断和无效输出。

所以 Tibo 特意做了提醒，Codex 当前默认值已经针对性能与成本做过调优，100 万 Token 则更适合必需的那些长任务。上下文容量解决的是“装得下多少”，任务能否保持重点，仍取决于压缩质量、工具设计和 Agent 对信息的取舍。

不过，这次选择权给了用户自己。

未来 Agent 的竞争，模型智力仍然是底座，推理速度、上下文管理、工具延迟和成本控制会共同决定用户体验。我的感觉是，旗舰模型正在同时变得更智能，上下文更长，速度更快，并逐步进入更实时、更复杂的工作链，Vibe Coding 会最早感受到这种变化。