GPT-5.6发布，在企业复杂任务上比GPT-5.5提升明显

GPT-5.6 现已发布。我们一直在 Box AI Complex Work 评测集上评估这个模型家族，该评测会通过 Box AI Agent 测试模型处理各类基于企业文档集的超高难度任务。

Sol 相比 GPT-5.5 有大幅提升，尤其是在需要深度推理和分析的复杂数据导向任务上，提升恰好集中在企业工作难度最高的领域。以下是我们在测试中观察到的几个例子：

* 金融服务（76% vs 71%）：在多年预测任务中，Sol 锚定了正确的初始资产负债表日期，没有默认从1月1日开始，之后逐年推导出正确的营收、收益和利息数据——如果前期假设出错，错误会放大到每一个下游单元格。

* 医疗保健（58% vs 46%）：在重症病例回顾任务中，Sol 识别出了正确的诊断和干预方案，避开了在时间紧迫的手术前安排影像学检查的危险错误，而 GPT-5.5 就掉进了这个陷阱。

* 公共部门（74% vs 63%）：拿到一个班级的原始成绩册和新的评分要求后，Sol 将每一项作业映射到正确的权重分组，按照要求将家庭作业视为零权重练习，它重新计算出的每个学生成绩误差都在千分之一以内，而 GPT-5.5 计算到一半就开始出错偏移。

* 生命科学（60% vs 51%）：在四个独立的化合物数据集上，Sol 精确匹配了排序后的目标列表（区分大小写，没有走捷径），找到了四个数据集共有的生物靶点，捕捉到了 GPT-5.5 遗漏的共享靶点。

Sol 会从源定义出发推理，并核对文档，而非直接采信表面信息，在数字驱动真实决策的场景中它的可靠性最高。这对于使用非结构化企业数据的企业智能体来说会非常重要。

GPT-5.6 很快就会向客户开放，可在 Box AI Studio 中用于构建自定义智能体。