ChatGPT 真追上 Claude 了吗？一篇看懂两大办公 Agent 正面对决

写在前面

7 月 9 日，OpenAI 一口气发了三样东西：新模型 GPT-5.6，一个把 Chat、Work、Codex 装进同一个壳的新桌面应用，以及本文的主角 ChatGPT Work。官方的说法是，ChatGPT 从此不再只是回答问题，而是把活真正干完，交出来的不是聊天记录，而是表格、文档、PPT，甚至一个能直接分享的网站。

这就是冲着 Claude Cowork 来的。

Anthropic 今年 1 月开创了 cowork 这个品类，7 月 7 日刚扩展到网页和手机，48 小时后 ChatGPT Work 就上线了。与此同时，GPT-5.6 也正式发布，OpenAI 不只在产品入口上正面撞向 Claude，还在模型性能和成本上狠狠干了一把。

所以真正的问题已经不是“ChatGPT Work 能不能用”，而是：它到底追上了没有？如果你现在真要雇一个 AI 员工，OpenAI 和 Anthropic，谁更像已经过了试用期的人？

行业正在发生什么变化：AI 办公入口，开始从聊天框升级成“雇员入口”

过去大家争的是聊天体验：谁答得更聪明，谁更像搜索框，谁写文案更像人。

但现在争的已经不是这个了。真正的竞争，开始从“一个会回答问题的模型”转向“一个能跨应用收集信息、持续推进任务、最后交付成品的工作入口”。

一边是 OpenAI 把 Chat、Work、Codex 直接塞进同一个桌面 App，希望把普通用户、办公人群和开发者全部收进一个壳里；另一边是 Anthropic 把 Cowork 和 Code 也一步步塞进 Claude 的统一桌面结构里。两家路线不完全一样，但方向已经高度一致：都在抢“办公入口”和“工作流入口”，而不只是聊天入口。

这意味着，AI 产品的下一轮战争，正在从“谁更会答”升级成“谁更能把一整段工作链路做完”。

OpenAI 这次到底扔出了什么？

先把盘面摆清楚。

1. GPT-5.6 系列正式开放

当地时间 7 月 9 日，OpenAI 正式推出 GPT-5.6 系列模型，包括旗舰模型 Sol、面向日常工作的均衡型 Terra，以及最具成本优势的 Luna。即日起在 ChatGPT、Codex 及 OpenAI API 中逐步开放，全球推送将在一天内完成，Pro 和 Enterprise 用户还可选择“顶配” GPT-5.6 Sol Pro。

据介绍，GPT-5.6 Sol 在智能水平与运行效率上均大幅提升，还新增了最高性能的 ultra 模式，可协调多个智能体并行处理任务流，大幅缩短复杂任务完成时间。

OpenAI CEO 山姆·奥特曼表示：“这毫无疑问是我们迄今为止最强的模型。”

2. Codex App 并入 ChatGPT 桌面端

与此同时，独立的 Codex App 正式并入 ChatGPT 桌面应用。原来的桌面端被重做成一个三合一结构：Chat、Work、Codex 同处一个壳里。

这一步表面看是合并产品，实质上是在改写入口结构——Codex 不再被放在开发者角落，而是被直接灌进了 ChatGPT 这个最大流量入口里。

3. ChatGPT Work 上线

ChatGPT Work 被定位成一个真正意义上的通用型智能体。它不只是会回答问题，而是可以操作应用程序、处理复杂文件，并持续工作数小时，只要给它一个最终目标，任务分解、步骤执行和成品产出都能自己推进。

这三件事一起看，意思就很明确了：OpenAI 不是只想发一个新模型，而是想同时把能力、价格、入口和执行方式重做一遍。

模型层面，OpenAI 这次确实追上了，甚至在某些地方已经压过去了

如果只看硬实力，GPT-5.6 这一轮很能打。

OpenAI 称，在训练 GPT-5.6 时，团队致力于让每一个 token 都产生更多实用价值。Sol 在编程、知识工作、网络安全及科学研究等领域以更少的 token 消耗和更低的预估成本，超越此前的旗舰模型及竞品。这意味着更高的“每美元性能”：同样的预算能获得更多成功交付的任务，或以更低总成本获得相当的结果。

在长周期智能体 Agents’ Last Exam 工作流评估中，GPT-5.6 Sol 以创下新高，在中等推理强度下也以约四分之一的预估成本领先 Claude Fable 5。而 Terra 和 Luna 以约十六分之一的成本即可超越 Fable 5。

在综合衡量自主任务执行、编程、科学推理及通用能力的 Artificial Analysis Intelligence Index 中，开启最大推理强度的 GPT-5.6 Sol 落后 Fable 5 一分，但任务完成时间缩短 61%，成本降至约一半。

编程能力方面，最大推理强度的 5.6 Sol 在 Artificial Analysis Coding Agent Index 中刷新纪录，领先 Fable 5 2.8 分，输出 token 数减少一半以上，耗时减半，成本降低约三分之一。

这背后的信号非常清楚：模型竞争已经不是“谁更强”而已，而是“谁更强还更便宜”。企业和重度用户真正会买单的，从来不是跑分截图，而是同样一段工作流，谁能更省 token、跑得更快、交付更稳。

也正因为如此，OpenAI 现在强调的已经不是“更高的智力天花板”，而是“每美元性能”。这比单纯宣称“最强模型”要更有商业杀伤力。

真到办公任务里，ChatGPT Work 这次确实没掉队

真正决定一款办公 Agent 有没有未来的，从来不是跑分，而是它交上来的活能不能直接用。

于是有人拿了三个相对真实的任务，让 ChatGPT Work 和 Claude Cowork 用同一套提示词正面对打，中途不救场、不补充背景。

第一轮，做 WAIC 会前功课

给两边的任务是：提前做好 WAIC 参会攻略，判断每天重点看什么、时间怎么分配，最后给出一份到现场能直接用的安排。

ChatGPT 跑了 18 分 50 秒，交上来的是一张能点开翻页的交互卡片。它给出的策略很激进：每天只跑一个片区，准备了一份明确的“跳过清单”，把排队超过 12 分钟的机器人表演、只放预录视频的“世界模型”、没有产品负责人在场的大牌展台统统放弃。每个展位只给 10 分钟，按五个问题打分，4 分以上当场约采访，连邀约话术都替你拟好了。

Claude 用了 6 分钟，交上来的是一份 Markdown 文档，风格更大而全，三地四馆全覆盖，知道 Hi WAIC App 是唯一购票渠道、展览票限时 168 元、19 日晚的创作者之夜值得去社交，甚至提醒你带两个充电宝。

但在核对信息后，两边都有坑。ChatGPT 漏掉了整个张江片区，提前押注了“AI 视频”选题主线；Claude 则会让人白跑一段芯片和算力相关路线。也就是说，即使是顶级 AI 做出来的会前攻略，也还不能不看就直接信。

不过就第一轮交付完成度来说，ChatGPT 略胜，它交上来的东西更像是“拿起就能直接用”。

第二轮，给罗永浩写一份“使用说明书”

第二个任务更有意思：让两边基于公开资料，生成一份《罗永浩使用指南》，假设你下周要去给罗永浩当下属，需要知道些什么、注意些什么、怎么和他共事。然后再把结果做成一个美观网页。

ChatGPT 交的像一篇商业特稿，衬线字体、克制墨色排版，写的是“坏消息要早”“异议翻译成约束”这类职场语言，还给不同岗位分别划了重点，文末列了 9 个资料来源，每条标了年份和可信度。

Claude 交的是典型新媒体爆款，圆角卡片加 emoji，“真还传”时间线，按杀伤力排序的雷区清单，第一条就是“永远别对他说差不多就行了”。

做成网页后，差距被进一步拉开。ChatGPT 那份更像定制化成品：纸色打底、墨黑配暗红，章节编号像刊物栏目，甚至写了打印样式，可以直接打成纸质手册，入职清单能打勾，进度存在本地，刷新不丢，汇报模板旁边还有一键复制。

Claude 的网页则更像标准现代卡片流，读起来轻松，但模板感更强。

这轮下来，ChatGPT Work 的一个优势被放大了：它不只是“能生成内容”，而是更像在围绕交付场景做收尾。成品感，是它这次明显追上来的一环。

第三轮，让它们调研它们自己

最后一个任务，是让两边分别做一份 ChatGPT Work vs Claude Cowork 的对比调研 PPT。

ChatGPT 交了 16 页，更像真 PPT，标题几乎全是结论，还单独把“Work 上线仅 1 天”拎出来，明确提醒目前只能评价早期信号，不能宣称已有稳定口碑。

Claude 交了 12 页，更像塞进 PPT 的研究报告，定价、市场份额、企业采用数据全在里面。风格上两份差不多，都不算能直接投屏，但都已经是很不错的初稿。

有意思的是，这一轮两边都没护短。ChatGPT 直接在结论页写：“Cowork 更成熟，Work 更宽”；Claude 也把 Cowork 误删 11GB 文件、被演示提示注入攻击的事故原样写了进去。

整体测下来，至少在这组任务里，GPT-5.6 Sol + ChatGPT Work 已经不比 Fable 5 + Cowork 差了。它更慢、更烧 token，但交付完成度普遍更高。再加上生图、多模态和 Sites 这样的独有能力，20 美元的 Plus 能拿到的东西，已经超出了很多人的心理预期。

但问题也是真的：它追上来了，不代表它已经稳了

短板同样明显，而且很真实。

首先是额度体验太容易翻车。几个任务就能跑完订阅额度，临时充值的几美元也会很快烧光。账单又藏在订阅之外，用户极容易出现“本来只是想试试，结果发现一直在烧”的失控感。

其次，这次三合一的合并，对只想安静聊天的老用户并不友好。旧应用被改名成 ChatGPT Classic，聊天入口缩在新应用角落里，社区怨气不小。

再就是跨设备体验。Claude Cowork 的任务已经可以在桌面、网页和手机之间流转；而 ChatGPT Work 目前仍存在明显割裂：网页端和桌面端的 Work 对话不互通，桌面端的本地线程和文件也留在那台设备上。这意味着它虽然在交付完成度上追上来了，但在“真正像一个随时接手工作的云端同事”这件事上，Claude 仍然更顺一步。

换句话说，OpenAI 这次是真的追上来了，但还没有把体验磨平。

Chat、Work、Codex 到底怎么分？这次终于可以说清楚了

很多人到现在仍然搞不清楚 ChatGPT、Work、Codex 到底有什么区别，也不知道它们的额度是不是共享的。

最简单的一句话就是：

Chat 回答问题，Work 帮你干活，Codex 帮你写代码。

把这个边界想明白，后面很多困惑都会消失。

Chat：给答案

Chat 就是最熟悉的问答和内容生成入口。它读取的是当前对话和你主动提供的材料，交付的是一段回答、一篇内容、一份思路。适合快速问答、讨论和即时生成。

Work：交成品

Work 面向的是跨应用知识工作。它可以去读邮件、文档、聊天记录、日历和业务系统，最后交付表格、文档、PPT、网页应用等成品。

它和普通 Chat 最大的不同，不是更聪明，而是会自己去拉上下文、整合信息、推进一整段流程。你甚至可以把日常工具接进去，比如 Slack、Gmail、Google Drive、SharePoint、Teams、CRM、项目管理工具等，然后用 @ 指定它从哪里抓材料。

这就是为什么有人说，Work 的本质不是“帮我写一段报告”，而是“帮我把交付一份报告这整件事做掉”。

Codex：改代码

Codex 则是面向代码仓库的模式。它读取项目文件、代码、测试和 Git 上下文，最后交付 diff、测试结果、PR。它不是围绕文档和流程组织信息，而是围绕软件开发过程组织信息。

这也解释了为什么 OpenAI 后来会把 Work 和 Codex 并排摆出来：底层 Agent 能力相近，但场景不同。一个面向办公执行，一个面向工程执行。

它们的额度是怎么算的？

这个点特别容易踩坑。

Chat 与 Work/Codex 不共享，但 Work 与 Codex 彼此共享。

Chat 对话有独立的消息限额，图片生成和语音也有各自限额。Work 和 Codex 则共用另一个池子，OpenAI 叫它“智能体用量”（agentic usage）。Codex、ChatGPT Work、ChatGPT for Excel 和 Workspace Agents 都会从这个池子里扣减。

这意味着：你白天拿 Work 跑了一堆复杂任务，晚上再切到 Codex 写代码，很可能就会发现智能体额度已经不多了。聊天没超限，不等于 Work 和 Codex 也还安全。

这也是为什么很多人第一次上手 Work，会有一种“明明没聊几句，怎么额度就见底了”的错觉。因为真正烧 token 的，不是聊天本身，而是后台持续跑任务、跨应用收集信息、反复生成和修订交付物的整条过程。

Work 要额外付费吗？

Work 不是一个独立付费产品。它和 Codex 共用智能体额度，已经包含在现有 ChatGPT 订阅里。所有计划都能用，从免费版到企业版，区别在于额度、模型档位和功能边界。

简单看：

• Free 可以试用 Work 和 Codex，但额度非常有限。
• Go 是低价升级版。
• Plus 是第一个无广告且功能完整的档位。
• Pro 面向重度用户，额度明显更高。
• Business 与 Enterprise 则开始加入 SSO、合规和更精细的组织控制。

额度从 4 月开始按 Token 消耗来算。模型越强、模式越重、任务越复杂，烧得越快。Plus 和 Pro 用户额度用完后，还可以额外买 credits 继续跑。

OpenAI 的策略很明显：不是把 Work 单独卖成新产品，而是把它作为现有订阅体系的一部分，再通过额度和模型分层，把真正的重度使用者往更高价格带推。

GPT-5.6 的 Sol、Terra、Luna 怎么选？

这也是个必须想明白的问题。

• Sol：能力最强，适合复杂推理和高难度编程。
• Terra：能力与成本居中，适合作为日常默认选择。
• Luna：最快、最便宜，适合简单任务或对速度敏感的场景。

简单说：难题、长链路、复杂代码，用 Sol；日常任务用 Terra；大批量轻任务用 Luna。

很多人喜欢问“哪个最强”，但真正该问的是“我这个任务值不值得上最贵那档”。因为现在模型已经不是只有强弱之分，而是越来越像一套成本结构清晰的生产工具。会路由，往往比会追求“最强模型”更重要。

最后怎么选？

如果只看这轮合并后的产品形态，结论其实已经很清楚：

• 只是问问题、讨论想法、快速生成内容：用 Chat。
• 需要跨邮件、文档、聊天和业务系统收集信息，并交付完整成品：用 Work。
• 需要读取代码仓库、改代码、跑测试和提交 PR：用 Codex。
• 更看重同一个智能体任务在桌面、网页和手机之间流转：当前 Claude Cowork 仍然更顺一步。

真正要记住的不是产品名，而是任务边界：Chat 给答案，Work 交成品，Codex 改代码。

这次更新到底意味着什么？

如果只把这波动静看成“GPT-5.6 发布了、ChatGPT Work 上线了”，其实会低估它。

真正的变化是：OpenAI 正在把模型、Agent、桌面入口和插件生态拧成一个更完整的工作系统。GPT-5.6 提供更高的每美元性能，Work 负责把跨应用知识工作串起来，Codex 负责开发任务，而桌面端则想成为它们共同的入口。

这已经不是 Copilot 式的代码补全，也不是传统聊天式问答，而是越来越接近一个自主 Agent 体系：可以读写文件、跨系统抓信息、持续跟进任务，并最终把结果交付出来。

根据 OpenAI 官方帮助中心和定价页，ChatGPT Plus 目前是 20 美元/月，Work 与 Codex 共享智能体额度池，GPT-5.6 的 Sol、Terra、Luna 则对应不同成本档位。对真正想把这类工具接进工作流的人来说，接下来更重要的不是“它聪不聪明”，而是“它到底该在哪一层用、怎么控制成本、怎么选模式、怎么避开最容易翻车的边界”。

常见问题

1. ChatGPT Work 这次真的追上 Claude Cowork 了吗？

至少在交付完成度和多模态成品能力上，已经不落下风，甚至在某些任务里更像“直接能用的成品机器”。但在跨设备连续流转和长期任务顺滑度上，Claude Cowork 仍然更成熟一些。

2. GPT-5.6 这次最大的优势是什么？

不是单纯更强，而是“更强还更便宜”。OpenAI 这轮明显在强调每美元性能，而不是只拼模型上限。

3. Work 和 Codex 最大区别是什么？

Work 面向办公和业务场景，交付文档、表格、幻灯片、网页应用；Codex 面向代码仓库，交付 diff、测试结果和 PR。

4. 为什么很多人第一次上手 Work 会觉得特别烧额度？

因为真正消耗额度的不是聊天，而是后台持续跑任务、跨应用抓取信息、反复生成和修订成果物的整条链路。Work 和 Codex 还共用同一个智能体额度池。

5. 如果只想继续像以前一样聊天，Work 上线后受影响吗？

原来的 Chat 还在，你完全可以继续像以前一样用它。只不过 OpenAI 现在把更多工作模式塞进了同一个入口里。