Ploy公司将其生产环境中的AI代理从Claude Opus迁移至OpenAI新发布的GPT-5.6 Sol模型。经过四个月测试，GPT-5.6首次在构建营销网站等复杂任务上超越Opus，虽然初期存在失败模式，但构建速度提升超过一半。

好的，这是根据您的要求，对原文进行中文重述和精简后的版本：

标题：将生产环境中的AI智能体迁移至GPT-5.6

核心内容：

从今天起，Ploy的AI智能体已运行在OpenAI最新发布的旗舰模型GPT-5.6 Sol上。此前数月，我们一直未能找到能超越Claude Opus的模型，但GPT-5.6 Sol改变了这一局面。经过与Claude Opus的直接对比测试，我们已将其设为所有Ploy工作区的默认模型。

这一转变意义重大。Ploy的智能体负责构建和编辑真实的营销网站，从规划页面、读取代码库、编写组件、生成图像，到自我截图并判断任务完成，对模型的要求极高。在Claude Opus占据默认位置的四个月里，没有其他模型能击败它，而GPT-5.6是第一个做到的。

尽管首次评估并非完美，但它的表现极为出色，带来了立竿见影的承诺：构建时间缩短一半以上，成本降低27%，且完成工作的评分达到或超过原有模型。这些数据足以让我们投入真正的迁移工作。

尽管我们使用了通用的LLM SDK，但从Claude Opus 4.8切换到GPT-5.6 Sol，仍需逐一发现并解决那些我们视为“模型特性”的、实则由供应商决定的行为差异，例如工具参数的填充方式、提示缓存机制以及推理过程的回放方式。

以下是迁移过程中的关键步骤：

第一步：修复评估框架 我们的评估套件使用真实智能体在真实工作区上运行数百个案例。在跨模型运行时，我们发现评估框架本身存在对原有模型的隐性依赖。例如，工具调用预算、文件读取方式等假设，导致约三分之一的失败案例源于框架本身而非模型行为。因此，在信任新模型的通过率之前，必须先排查并修复这些框架问题，确保评估的公平性。

第二步：检查工具调用 GPT-5.6在调用工具时，会为所有可选参数都填充一个看似合理的值（如offset: 0），这与Claude只发送实际使用参数的行为不同。这导致我们的文件读取实现将这些虚构值当作真实参数处理，造成大量空文件读取。通过将可选参数重写为“必需但可为空”的模式，并在工具执行前剥离空值，我们解决了这个问题，使空文件读取率从52%降至0%，工具调用次数也减少了约30%。

第三步：重建提示缓存 这是最具启发性的工程差异。表面上两家供应商都提供“提示缓存”，但设计完全不同。GPT-5.6改变了OpenAI的缓存模型，不再支持隐式部分前缀匹配，而是要求使用显式的缓存断点和缓存键。我们最终采用“按工作区划分缓存键”的策略，并拆分系统提示，使得新会话的首次调用缓存命中率从约0%提升至83.7%，总未缓存输入令牌减少28%，成本最终低于Claude Opus。这表明，成本差异很大程度上源于缓存配置不当，而非模型定价本身。

第四步：确保推理回放的自包含性 GPT-5.6的响应API默认使用服务器端引用回放之前的推理过程，这导致对话中途出现间歇性失败。通过设置store: false，我们让SDK请求加密的推理内容，并回放自包含的数据块而非服务器状态指针，从而解决了问题。

总结： GPT-5.6 Sol已准备好用于Ploy。它构建的页面速度快了2.2倍，成本降低了27%，输出令牌数减少约一半，且设计评分更高。尽管其设计风格偏向于干净、现代的网格布局，但通过我们的设计工程团队引导，可以实现世界级的品牌一致性。

根据评论内容，总结主要观点如下：

1. 模型性能与成本权衡 - 正面：GPT 5.6 Sol在营销网站构建任务中表现优异，速度快、成本低（评分None，作者blfr引用："builds finishing in less than half the wall-clock time, at 27% lower cost"） - 负面：Sol成本过高，建议部分任务使用Luna（评分None，作者bob1029引用："Sol is great at talking to the human... but it's just too expensive to use everywhere"）

2. 用户偏好与输出质量 - 部分用户更偏好Claude Opus的生成结果（评分None，作者estebarb引用："personally I strongly preferred Claude Opus in all cases"） - 批评LLM写作风格，如短句分隔、缺乏润色（评分None，作者kristianp引用："The way the LLMs write... with short phrases separated by colons... is so poor and frustrating"）

3. 迁移与部署体验 - 正面：模型升级简单，对多数公司只需一行代码（评分None，作者thiagoperes引用："a model upgrade like this is basically a one liner"） - 正面：缓存机制使Deepseek等模型成本极低（评分None，作者arikrahman引用："cache hits on Deepseek make requests practically free"）

4. 实用性与信息密度 - 文章信息密集、实用性强（评分None，作者hankbond引用："a dense informative article with practical takeaways"） - 但可读性差，需改进（评分None，作者kristianp引用："it isn't easy to read"）

平衡性总结：评论对GPT 5.6 Sol的性能提升和成本降低持肯定态度，但对其输出质量、可读性及成本效益比存在分歧。部分用户更看重模型一致性（如redfather918）和用户偏好（如estebarb），而非单纯的技术指标。