模型七月：GPT-5.6、LongCat-2.0 与中国开源的新牌局

一、七月，模型也扎堆发布

2026 年的七月，AI 圈热闹得不像话。

OpenAI 在经历了美国政府为期两周的安全审查后，于 7 月 9 日正式向全球推出了 GPT-5.6 系列模型。美团在同一天宣布将万亿参数大模型 LongCat-2.0 全面开源，成为业界首个在五万卡国产算力集群上完成全流程训练与推理的万亿参数模型。与此同时，硅谷的 AI Engineer World's Fair 刚刚落幕，"Prompt 已死，Loop 当立"成了会场上出现频率最高的一句话。

这不是巧合。上半年的技术积累在七月集中释放，而释放的方向出奇一致：AI 正在从"能聊天"拐向"能干活"。

二、GPT-5.6：OpenAI 的不再追求"最聪明"，开始追求"最划算"

GPT-5.6 这次发布最让我意外的，不是参数有多大、benchmark 有多高——而是 OpenAI 把卖点押在了"效率"上。

整个系列分三档：旗舰 Sol、均衡 Terra、轻量 Luna。名字取自拉丁语的太阳、地球和月亮，梯度明确。定价上，Sol 每百万 token 输入 5 美元 / 输出 30 美元，Terra 分别是 2.5 和 15，Luna 只要 1 和 6。

有意思的是 Terra。它的综合性能对标上一代旗舰 GPT-5.5，但价格直接砍半。山姆·奥特曼在太阳谷会议上的原话是："GPT-5.6 Sol 在智能体编码任务上的 token 效率提升了 54%，这是我最看重的变化。现在每个企业都在考虑支出以及他们从 AI 中获得的价值。"

这句话点破了 2026 年 AI 行业的底层逻辑：模型能力的边际收益在递减，性价比成了新战场。跑分再高，如果企业用不起，就没有商业意义。

另外两个更新值得关注。一是 Sol 引入了"max"和"ultra"两种推理模式——max 让模型投入更多时间深度推理，ultra 则默认协调 4 个智能体并行处理，最高可扩展到 16 个。二是独立的 Codex 应用被正式合并进了 ChatGPT，取而代之的是一个整合了 Chat、Work 和 Codex 的桌面超级应用。OpenAI 在悄悄地把自己从一个"模型公司"变成"生产力平台"。

三、LongCat-2.0：万亿参数，纯国产算力，全面开源

如果说 GPT-5.6 代表的是闭源阵营的"效率升级"，那 LongCat-2.0 就是开源阵营扔出的一颗重磅炸弹。

1.6 万亿总参数，MoE 架构，平均激活约 480 亿参数，原生支持 100 万 token 上下文。这些数字放在任何模型上都足够硬。但 LongCat-2.0 真正的叙事不在参数规模上，而在于三件事：

第一，国产算力全流程。 这是业界首个在五万卡国产算力集群上完成从预训练到推理的万亿参数模型。团队从模型架构、芯片适配到部署策略做了深度协同优化——Super Kernel 减少算子启动开销、Weight Prefetch 隐藏 I/O 延迟、PD 分离部署与 KV-cache 切分缓解显存压力。说人话就是：在国产芯片上把万亿参数模型跑通了，而且跑稳了。

第二，专为 Agentic Coding 设计。 架构上引入了 LongCat 稀疏注意力机制 (LSA) 和 N-gram Embedding，后训练采用多教师在线蒸馏 (MOPD)，将专家分为 Agent、推理和交互三类，分别负责工具调用与自纠正、多跳推理与自适应计算、指令遵循与幻觉抑制。在 SWE-bench Pro 上得分 59.5，领先 GPT-5.5 (58.6) 和 Claude Opus 4.6 (57.3)；在 Terminal-Bench 2.1 上得分 70.8。

第三，全面开源。 模型权重、推理代码、部署指南全部开放。美团技术团队的博客里写得很直白："我们希望以真实 Agentic Coding 任务中的稳定表现为依托，通过开源将模型能力与推理优化成果完整开放，盘活更多存量国产算力。"

从战略层面看，LongCat-2.0 的开源不只是技术分享，它是中国 AI 生态在"算力自主"道路上的一个标志性节点。

四、Prompt 已死？Loop Engineering 来了

七月还有一条暗线：Prompt Engineering 的退场。

6 月底，Claude Code 之父 Boris Cherny 在推特上说："我不再给 Claude 写提示词了，我的工作就是写循环。"OpenAI 几乎同步发文："别再给编程智能体写提示词了，你应该设计一套循环机制，让这些循环去提示你的 Agent。"黄仁勋跟着表态："Nobody writes prompts anymore. The new job is to write and handle loops."吴恩达更直接：三到六个月后，prompt 将消亡。

背后的逻辑其实很简单。单次问答解决不了复杂任务。一个供应链 Agent 要检测库存、分析销量、预测需求、生成补货单、发送审批——这不是一个 prompt 能搞定的。你需要的是一个循环：Agent 执行 → 检查结果 → 如果不对就自己改 → 再执行。这就是 Loop。

从 Prompt 到 Context 到 Loop，AI 交互的演进在三年内走了三个阶段：2023 年研究怎么把问题问清楚，2024 年研究怎么给足上下文让模型理解复杂任务，2026 年研究怎么放手让它自己干活、出问题还能自己修。

五、写在最后

七月这一波密集发布，把 2026 年 AI 行业的三条主线都摊在了台面上：模型效率取代模型能力成为核心竞争维度，中国开源生态在全球牌局中找到了自己的位置，AI Agent 从 demo 走向生产级部署。

作为开发者，我的感受是：现在可能是过去三年里入局 AI 最好的时机。不是因为模型更强了——而是门槛更低了、工具更成熟了、算力更便宜了。LongCat-2.0 开源了，GPT-5.6 的 Terra 只要一半价格就能跑出上一代旗舰的水平，Loop Engineering 把 Agent 开发从"写 prompt"变成了"设计流程"。

牌局还在继续，但筹码已经换了。