8 月 25 日OpenAI 宣布与 AI 开发平台 Kiro 深化合作把 GPT-5.6 模型家族全面接入软件开发流程。据报道Sol、Terra、Luna 三档模型这次嵌入了规划、构建、审查、测试的完整环节OpenAI 还和 AWS 一起做了底层优化。公开测试数据显示在 Terminal-Bench 2.1 上GPT-5.6 Terra 完成全部任务成本降低约 82%。先理清事实。GPT-5.6 是 OpenAI 今年 7 月发布的模型家族三档模型分别叫 Sol、Terra、Luna。据 OpenAI 官网公布的信息定价按每百万 token 计Sol 输入 5 美元、输出 30 美元Terra 输入 2.5 美元、输出 15 美元Luna 输入 1 美元、输出 6 美元。三档共享 272K 上下文窗口Kiro 平台 7 月中旬就首次接入了 OpenAI 模型这次的新消息是全面嵌入开发全流程并且给出了成本数据。所以严格说“GPT-5.6 发布不是新闻新闻是GPT-5.6 在 Kiro 上真正跑进了开发工作流成本数据还很好看”。技术本质从提示词工程到任务工程Kiro 的做法值得拆开看它不是让你在 IDE 里开个聊天框一问一答而是先把高层需求转成明确的规格说明、技术设计和可执行任务再交给模型执行过程中模型能引用整个代码库和团队标准。这套思路叫规格驱动spec-driven核心是把需求讲清楚再动手。这和以前有什么不同过去用 AI 编程是我说一句你写一段代码质量看运气现在是我把需求和约束讲清楚模型按规格干活更像带一个能理解上下文的同事。变的是工作方式没变的是——你依然要把需求想明白规格写不清楚模型照样跑偏而且跑偏得更远。对普通开发者的实际影响AI 编程的竞争点从谁的模型聪明转向谁的工作流能把模型用好。模型能力在收敛工具链的差距在拉大这对会用工具的开发者其实是利好。为什么规格驱动能省钱逻辑简单模型跑偏一次就要多花一轮 token 去纠正长任务里反复试错是大头开销。规格把目标、边界、验收标准提前钉死模型一次做对的概率高了无效输出就少了。Terminal-Bench 2.1 上成本降约 82%本质是少走弯路省出来的不是模型变便宜了。怎么用、怎么选如果你在用 Kiro 这类 AI 原生开发平台选档位可以参考Sol适合复杂多步任务比如大规模重构、规格驱动的核心模块实现。贵但硬骨头确实啃得动。Terra日常多步开发的主力性能价格比均衡大部分需求够用。Luna高频简单任务写测试、改格式、生成样板代码快且便宜。直接调 API 也一样模型 ID 是公开的gpt-5.6-sol、gpt-5.6-terra、gpt-5.6-luna。fromopenaiimportOpenAI clientOpenAI()respclient.chat.completions.create(modelgpt-5.6-luna,messages[{role:user,content:用 Python 写一个读取 CSV 并按某列去重的函数}],)print(resp.choices[0].message.content) 几个注意点-成本降 82%是 Terminal-Bench2.1这个具体基准上的成绩不代表所有任务都这样别拿它当万能结论。--这代模型隐藏了思考过程chain-of-thought你只能看到最终输出调试排查时要习惯黑盒。--272K 上下文不等于无限塞太多代码进去成本和延迟都会跟着涨。--别一个模型用到底按任务难度分层选才是省钱的正确姿势——这跟上班一个道理不能什么活都找最贵的人干。 最后说句实在的不是所有编码任务都值得上这类平台。改个配置、查个函数用法普通聊天窗口几秒就完事没必要开完整 agent 流程。规格驱动的收益在长链路任务上才明显任务越短流程开销占比越高。先看任务再选工具最后才谈模型档位。**结语**AI 编程正在从能不能写进入怎么写得好、花得少的阶段规格驱动加分层选模型会是接下来一段时间的主流玩法。你怎么看评论区聊聊。