這篇導讀整理自 NiceKate AI 的原始影片。影片內容是 Kate 對「GPT 5.6 Sol」與新 ChatGPT App / Codex 整合的一輪實測。由於影片本身帶有大量個人體驗與產品觀察，下文會把模型能力、成本與 benchmark 數字都歸屬為「影片稱」或「講者觀察」，不把它們寫成未經查證的官方結論。
010. 從模型發布到產品合體｜這次真正的主角不是單一模型
Kate 在影片開頭給出一個很清楚的定位：她關心的不只是 GPT 5.6 Sol 這個模型本身，而是 ChatGPT、Work 模式與 Codex 之間的邊界正在重畫。過去我們比較容易把 ChatGPT 視為「對話與寫作」，把 Codex 視為「程式與 repo」，再把瀏覽器、PPT、試算表、圖片生成等工具視為外掛能力。這支影片展示的產品圖像則更像一個統一工作台：同一個 App 內能切換聊天、工作與程式任務，模型背後再決定何時使用瀏覽器、檔案、圖片生成、電腦操作與多 Agent 協作。
這種變化的意義，不在於 App 名稱是否改成 ChatGPT，也不在於側欄多了一個入口，而在於「回答問題」和「完成任務」之間的差距被產品介面直接承認。當使用者說「幫我完善 Keynote」、「做一份財報分析表」、「根據截圖生成網頁」、「檢查 Android App UI」時，合理的系統行為不再只是給一段建議，而是進入一條工作流：理解需求、找資料、操作工具、產出檔案、檢查結果，必要時再請使用者確認。
影片稱 GPT 5.6 Sol 在知識工作、電腦使用、科學健康、網路安全與研究相關任務上都有提升；也提到 Ultra 模式會協調四個 Agent 並行工作，代價是消耗更多 token 或額度。這些敘述如果當成官方能力宣告，需要另外查證；但如果當作使用者體驗訊號，重點已經很明確：模型產品正在把「多工具、多步驟、多產物」當成預設情境，而不是例外情境。
021. Work 模式的定位｜從 Chat 到可交付物
影片中 Work 模式最像 Claude Code / computer-use / 知識工作 agent 的混合體。Kate 說它可以做表格、文件、PPT、網站等任務，也展示 App 內瀏覽器、文件下載、多分頁、Chrome 擴充功能與桌面寵物式進度窗口。這些細節看似零散，其實都指向同一件事：產品正在把 agent 的中間狀態變得可見。
傳統聊天介面最大的問題，是使用者只能看到最後回答。當模型要開瀏覽器、抓資料、生成圖片、寫檔案、跑程式、修錯誤時，中間過程若完全不可見，使用者會很難判斷它是在認真工作、卡住、亂猜，還是偷偷走偏。影片提到的新介面設計，例如任務旁的小窗口、靠近後看見多個 App 狀態、在計畫模式先問問題，都在補這個洞。
更值得注意的是，Kate 對 Work 模式的評價不是只有「結果好不好」，而是看它能否把工具串起來。她讓模型完善 Keynote，系統不只生成文字，而是做簡報；讓它做 Tesla 財報分析，它要自己取得資料、生成多個表單與 dashboard；讓它根據圖片做網頁，它會用 image-to-code / product design 類技能拆解畫面。這些任務的共同特徵是：使用者要的不是一段可讀答案，而是一個可以打開、檢查、修改、交付的 artifact。
這也是為什麼 Work 模式可能比單純模型升級更重要。模型再強，如果產品只允許它輸出文字，很多能力會卡在最後一哩；反過來，產品若能提供穩定的檔案、瀏覽器、截圖、執行環境與審查介面，模型的能力才會變成可驗證的工作流程。
032. 16 項實測的共同訊號｜強項是跨工具串接，不是每個細節都完美
Kate 的實測橫跨很多類型：圖片裡找蟲子、互動式物理解題、PPT、耳機產品頁、音樂播放器 UI、天氣／相機控制頁面、桌面行星儀、蘇州博物館互動、Tesla 財報 Excel、手錶 3D 建模、交通號誌模擬、清明上河圖互動、Android App UI 審查、macOS 水印 App、應用圖示、成語小劇場與 GPT 5.6 介紹影片。
如果把這些任務放在同一張表，最醒目的不是「它每一項都完美」，而是測試範圍已經遠遠超出傳統聊天模型。Kate 對多個成果表示驚艷，尤其是視覺設計、頁面質感、根據截圖還原互動 UI、先生成設計圖再實作，以及 App 開發過程中自行修 bug。她也指出不少缺陷：耳機頁面有結構斷裂；3D 模型與原圖仍有差距；交通模擬的車輛穿模、轉彎與紅綠燈位置都有問題；清明上河圖的船、招牌與人物細節仍不穩。
這種好壞並存反而比較接近真實產品評測。Agent 系統最容易讓人誤判的地方，是把一兩個漂亮 demo 當成全面可靠。影片裡更有價值的觀察，是強項與弱點逐漸分層：視覺設計、資料整理、文件產出、簡單 App 開發與多工具流程已經很像可用產品；但需要精準物理、嚴格 3D 幾何、複雜動態模擬和長時間一致細節的任務，仍然需要人工檢查與修正。
換句話說，這類 Agent 不是「一次提示就完全替代人」，而是把初稿、探索、資料整理、視覺原型與部分實作推進到很高的位置。人的工作會從「從零開始做」轉向「定義標準、檢查偏差、挑出錯誤、決定是否可交付」。
043. 設計能力的跳躍｜圖片生成不只是配圖，而是前置設計步驟
影片裡反覆出現一個值得記下的模式：在生成頁面或 App 之前，系統先調用圖片生成工具做參考圖或視覺方案。Kate 在耳機頁、Android App 視覺優化和 macOS 水印 App 的例子裡，都注意到模型不是直接硬寫 UI，而是先用圖像方式定調，再把定調轉成可互動介面。
這一點很關鍵。過去「AI 寫前端」常見問題是：HTML / CSS 能跑，但視覺層級、質感、空間比例和品牌感都像模板。若 agent 可以先生成或理解視覺稿，再進入程式實作，它就比較接近人類設計流程：先找方向，再拆元件，再落地，再修正。影片中的音樂播放器 UI 與天氣控制頁就是典型例子，Kate 一開始懷疑它是否只是把圖片塞進網頁，但後來發現頁面中多個元素可以互動。
當然，這裡也要保留一點懷疑。把圖片放在底層再疊互動元素，是很聰明的 demo 技巧，但不一定等於可維護的前端工程。若產品只要展示原型，這可能非常有效；若要交付長期維護的程式碼，仍需要檢查 DOM 結構、可及性、響應式策略、資料流和可測試性。Kate 自己也提到，有些頁面「目前還有太多內容需要修改」。這正好說明：AI 的視覺初稿能力變強，不代表工程審查可以省略。
比較務實的結論是，Agent 在 UI 工作中會先吃掉「方向發散與第一版高質感原型」這段時間。設計師和工程師的價值不會消失，但會更集中在標準、系統化、落地品質與細節判斷。
054. Codex 的角色變了｜不只是寫程式，而是進入使用者的工作現場
影片提到 Codex 可以在 App 裡直接編輯檔案、查看與審查 PR，也能在 Chat 內使用 Pro 模型。更有意思的是 Android App UI 審查那段：Kate 說模型透過無線模式發現設備，打開手機無線調試，截圖各個畫面，然後整理視覺、互動與資訊結構問題。這已經不是傳統「請幫我 review 這段 code」的範圍，而是 agent 進入實際使用環境，觀察產品運作狀態。
這種能力一旦成熟，會改變開發協作方式。過去我們把需求、設計稿、程式碼、測試、裝置截圖和使用者回饋分散在不同工具中，人類需要把它們搬來搬去。Agent 若能同時讀 repo、看畫面、操作裝置、跑測試、改檔案，就能把許多上下文搬運工作吸收掉。
但這也提高了權限與治理要求。能打開瀏覽器、讀本機檔案、操作手機、下載工具、安裝 App 的 agent，不只是「更方便」，也更接近一個有權限的工作者。影片中 Kate 提到它一開始沒認出本機 OpenSCAD 版本，準備下載另一個版本，她趕緊打斷並告知正確位置。這個小插曲很重要：Agent 具備自主性後，使用者更需要清楚的批准邊界、環境觀察能力與可中斷機制。
所以 Codex 合進 ChatGPT，不應只被理解為「聊天框裡能寫 code」。更準確地說，它代表程式 agent 正從 repo 助手，走向多工具工作現場。它既能幫你寫 macOS 水印 App、修影片載入問題、生成圖示，也可能在錯誤環境假設下走偏。可用性與風險會一起上升。
065. 成本與模式選擇｜更強的 Agent 也更需要任務分級
Kate 在影片前段提到，調用 GPT 5.6 Sol 的成本或額度消耗比上一代更高，Ultra 模式會消耗非常多 token，目前她在某些入口也不一定能選到 Ultra。影片最後又提到 Sol、Terra、Luna 這些層級，暗示產品正在把不同能力、速度與成本包成模式選擇。
這件事對日常使用很實際。當 agent 可以花 19 分鐘做簡報、40 分鐘做財報、30 分鐘做博物館互動頁，使用者就不能再把每個任務都當成免費即時聊天。高能力模式適合用在高價值、可驗證、有交付物的任務；低成本模式則適合草稿、摘要、快速問答與初步探索。
未來真正成熟的 AI 工作流，應該會有更清楚的任務分級：這件事值不值得跑多 Agent？需要先產生設計稿嗎？是否要上瀏覽器查證？是否允許讀寫本機檔案？是否需要人工批准後才執行？如果產品只提供「快／慢／強」這種粗粒度切換，使用者仍然會被額度和等待時間困擾；如果產品能把成本、風險與交付要求一起呈現，agent 才更像可管理的工作同事。
076. 編輯結論｜這不是聊天模型升級，而是工作型 Agent 的產品化
這支影片最值得帶走的，不是某個 benchmark 數字，也不是哪一個 demo 最漂亮，而是產品型態的改變：ChatGPT 正在把 Codex、Work、瀏覽器、檔案、圖片生成、電腦操作與多 Agent 協作收進同一個工作面。當這些能力能穩定串接，使用者感受到的就不再是「模型變聰明」，而是「我可以把一個任務交出去，等它拿回可檢查的東西」。
同時，影片也提醒我們不要過度神化。實測裡有驚艷的 UI、有可用的 App、有漂亮的 spreadsheet，也有 3D 精度不足、交通模擬邏輯錯誤、圖片還原偷吃步與環境判斷失誤。這些都不是小瑕疵，而是工作型 agent 進入真實場景後必然面對的品質邊界。
比較合理的期待是：它會先改變高頻的知識工作和原型交付，讓人類從大量起手式中解放出來；但在上線、財務、醫療、安全、品牌與工程品質這些高責任情境，仍然需要明確驗證。Agent 的下一個成熟標準，不是能不能做出更炫的 demo，而是能不能讓使用者清楚知道它用了哪些工具、基於哪些來源、改了哪些檔案、哪裡需要人工確認，以及結果是否真的能被接手。
如果說聊天模型的時代關鍵字是「回答」，那這支影片展示的下一個關鍵字就是「交付」。而交付，永遠不只看模型，也看工具、介面、權限、驗證與人類如何接住最後一棒。