默认调度4个子智能体协同：GPT-5.6 Sol靠这套机制，拿下Terminal-Bench 91.9%

91.9%——这个数字最早出现在6月26日限量预览阶段，7月10日正式发布后被反复提及。Terminal-Bench 2.1编程评测里，GPT-5.6 Sol开Ultra模式91.9%，压过Claude Mythos 5的88.0%；即便标准模式，88.8%也已经领先，Ultra再抬3.1个百分点。

3.1分看着不多，但在这种高难度基准里，每抬一分都得从模型底层架构里抠。

Terminal-Bench：不是答题考试，是全真工作任务

先搞清楚这项测试在考什么。

Terminal-Bench 2.1不是让模型写个单函数就完事。它评的是一整套工作流：理解需求、拆步骤、调工具、跑命令、核验结果、修正错误，最终在命令行环境里把任务落地。比起标准化试题，它更贴真实开发场景。

换句话说，考的不是"模型知不知道答案"，是"模型能不能像工程师一样在终端里把活干完"——任务规划、迭代调试、工具协同，缺一不可。

标准模式下的Sol已经够强，但Ultra模式彻底换了种执行方式。

Ultra模式：不是"想更久"，是"组队分头打"

OpenAI给GPT-5.6 Sol新增两档高阶推理：Max​ 和 Ultra。

• Max：同一个智能体砸更长时间深度推演，多探路径、反复自校；

• Ultra：让这个智能体牵头组队，分派多个子智能体并行推进。

Ultra默认调4个子智能体协同，最高扩到16个。主模型自主完成：拆任务→派子项→调度并行→汇总输出。这里有个关键区别——Anthropic的Agent Teams要开发者预先设计协作规则，Ultra是自己拆、自己派、自己收。

Max是纵向深挖（一个脑想更久），Ultra是横向铺开（多个脑一起想）。

91.9%从哪来：并行不等于堆算力

Ultra在Terminal-Bench多出的3.1分，不是"粗暴堆卡"堆出来的。

Terminal-Bench对应的任务，本质是多步骤、多工具、易反复试错的工作流。标准模式下Sol像个独立工程师，决策→执行→校验一路串行，出错得原路回溯；切Ultra后Sol转成技术负责人——把整体拆成可并行的子项分出去：

• 子智能体A跑测试用例；

• 子智能体B查技术文档；

• 子智能体C修缺陷；

• 子智能体D做验证；

• 主线程只管协调和收口。

这类高度依赖规划、迭代、工具协同的活儿，并行的价值不在"人多"，而在"多子项同一时间交错推进"，整体交付时长被压缩。有开发者实测，一项原本耗一整天的数学证明，64子智能体协同下压到一小时。

跑分只是门面：64子智能体一小时啃下悬置50年的猜想

Terminal-Bench 91.9%只是一组参考数。Ultra真正的威力，在更重的科研任务里才露出来。

7月10日GPT-5.6发布不到24小时，OpenAI研究院Ethan Knight公布：GPT-5.6 Sol Ultra调64个子智能体，一小时内独立完成图论"环形双覆盖猜想"完整证明——这猜想已经悬了50年。OpenAI同步公开了完整的700词提示词。

这次证明没用任何内部专属模型，就是对外开放的GPT-5.6 Sol Ultra。o1核心贡献者Noam Brown给的评价：和此前厄尔多斯单位距离问题攻关不同，这次没走特殊后门。

Ultra真正的价值：不是更强，是会"派活"

跑分是对外展示的门面，分工能力才是内核。

开发者可以预先在 AGENTS.md里写一套分工规范：给不同角色配对应的模型、推理档、操作权限，然后交给Sol Ultra读规则→拆任务→调子智能体→收输出→验收。

长文本深度调研→Terra中档；短内容整理→Codex Spark中档；高风险独立审查→Sol高档。

这套机制最关键的变革：工作模式从"每次手动切不同模型调用"，升级成"协作规则写进项目，后续自动重复执行"。Sol Ultra不再只是一个"更强的模型"，而是能统筹全局、把不同活派给不同"智能脑"的技术负责人。

91.9%只是个数字。真正让竞品坐不住的，是Ultra背后这套"模型调度模型"的协同架构——当模型能自主拆任务、派活、验收、核验，基准跑分，只是附带成果。

对企业和重度开发者来说，Sol Ultra这套"默认4子智能体、最高16/64扩展"最爽也最烧——Sol本身30美元/百万token输出，Ultra多智能体并行一开，账单跳得比跑分还快。​ 想把GPT-5.6 Sol/Terra/Luna、Gemini、Claude、DeepSeek这些全球最新模型接进自有产品，又不想被Ultra多Agent账单调崩，可以看看 UseAIAPI——平台覆盖上述全系主流模型，支持企业级定制接入；在OpenAI已减半的Terra/Sol档基础上，优惠后最低可再到官方价的5折，相当于Sol Ultra同款多Agent协同以"折上折"成本跑，高强度代码生成、长链路智能体、64子智能体级科研任务这类重负载都能接着扩，不用在"追Sol Ultra"和"扛账单"之间二选一。