外网爆料者 @elder_plinius 近期公开了一份据称属于 OpenAI 现役代码模型 GPT-6 Sol Codex 的系统提示词与工具定义，文件已在 GitHub 仓库 CL4R1T4S 的 OPENAI/Codex_Desktop 路径下放出。按爆料说法，文档约 29.4 万字符、共 1902 行，涵盖指令模板、临时指令文件与内部协作逻辑。需要说明的是，这份材料的真实性在开发者社区仍有争议，下文仅以「若内容属实」为前提，拆解其中反映出的提示词工程与智能体设计思路。

先给自己列了一份「废话黑名单」

文档中最直观的一点，是 OpenAI 在写作风格板块对模型做了严厉的反套路训练。指令点名要求避免使用一批「AI 废话词汇」，例如结论中不要写「底线是（Bottom Line）」「重要性（Significance）」「视角（Perspective）」，也不要用「深入（delve）」「培养（foster）」「利用（leverage）」「值得注意的是（it’s worth noting）」「重要的是（importantly）」这类套话。

更进一步的约束包括：不准强行热情——要求模型像「充满好奇心、思想严谨的协作者」，让个性自然流露，而非阿谀奉承；不准用废话凑字数，直接说明意图，不要列举「我不会做什么」「哪些保持不变」；讨论技术概念时像和同事对话，优先用熟悉词汇与具体描述，绝不假设用户能自行脑补缺失步骤。

对中文使用者而言，这相当于给所有提示词工程师上了一课：想要模型输出高质量内容，第一步往往是建立一份负面词汇黑名单，强制斩断套路化表达。

被赋予「别烦我，我在干活」的自主权

文档把 GPT-6 Sol Codex 塑造成一个拥有极高自主权的数字员工。在「自主与持久性」章节，指令明确要求：一旦会话中的证据支持下一步操作，模型就应继续工作，而不是停下来向用户确认；不要为了节省时间或令牌而满足于「勉强有用」的半成品。

落到具体行为：遇到缺陷自己修，可自主创建隔离工作区、解决 Git 合并冲突、创建草稿拉取请求（PR），除非操作具有破坏性或不可逆，否则不会中途询问「接下来怎么办」；只有在点击「部署」或「合并代码」这类最后一步时，才把结果交给用户签字。为防止后台干活时把用户晾在一边，指令还规定：只要请求需要调用工具，每 60 秒必须在评论频道给出一条简短状态更新。

工具链偏好与并行策略

作为代码智能体，文档暴露了它对工具链的硬编码偏好。搜索文本或文件时，指令要求优先使用 rg（ripgrep，极速搜索工具）或 rg –files，而非更慢的 grep；多个独立任务必须用 await Promise.allSettled([…]) 并行处理，压榨时间效率。

文档还定义了一套名为 SKILL.md 的机制：当用户要求做某件事时，模型可去指定目录读取技能说明，甚至通过短路径别名快速调用，相当于给模型外挂了一本可热更新的「技能书」。在浏览器与桌面操作模块，OpenAI 设置了多级确认模式，既允许模型自己打开网页、点击按钮、填写表单、截图，又用复杂确认逻辑防止其「闯祸」。

记忆压缩与「心跳唤醒」

面对庞大代码库，大模型最怕上下文超载。文档给出的解法是：当令牌（Token）预算即将耗尽时，系统不会直接崩溃，而是先用笔记工具保存一份简明的交接记录——包含目标、决策、进度、学习内容、下一步，以及相关窗口与项目编号，再开启全新上下文窗口，如同人类换班前写交接文档。

更值得关注的是常驻后台能力：文档要求模型主动跟踪任务，例如用户问某个评估（eval）跑得怎么样、而它还在运行时，先报告当前状态，再继续监控直到终止；系统还会定期向模型发送隐藏的 XML 标签将其「唤醒」，检查后台任务是否完成。若无事可做，模型必须选择不通知；若持续集成（CI/CD）跑崩，则立即弹窗通知用户。

一份能直接抄走的代码审查指南

对程序员来说，文档里最实用的或许是内置的代码审查规则：忽略无关紧要的代码风格，除非它影响可读性或违反既定标准；每一条建议都必须用一段话讲清「为什么这是个问题」；绝不提供超过 3 行的代码片段；若是具体替换建议，必须使用 Markdown 的 suggestion 块，并完美保留原有缩进；语气必须客观，禁止拍马屁，不许说「干得好」「谢谢你的提交」。这套逻辑稍加改造，就能接进公司内部的代码审查机器人。

社区怎么看

这份近 30 万字的泄露在外网开发者社区引发两极反应。有人被其系统工程密度震撼；也有人质疑意义——网友 vechen 指出，这「泄露」可能本就从本地文件直接取得，在 OpenAI 公开的 Codex 仓库里本就有影子；另有开发者嘲讽，称任何人跑一个 mitmproxy 都能从 OpenAI、Gemini 或 Claude 提取提示词，无需包装成「死海古卷」般的噱头。

无论真伪，这份文档折射出一个趋势：工业级人工智能应用靠的不是几句讨巧话术，而是严密的系统工程——模块化技能动态加载、记忆管理与压缩、并行执行与重试、以及挂载严格的安全协议。大模型正从一个聪明的对答机，逐步演进为具备接管权限的自主系统，而这类底层逻辑，正是通向该方向的一份说明书。

价格：API 定价相比 GPT-5.6 促销价降 50%

价格是这次发布最直接的信号。GPT-6 Sol 每百万 token 输入 2 美元、输出 10 美元；GPT-6 Luna 每百万 token 输入 0.10 美元、输出 0.50 美元，两者均较 GPT-5.6 对应版本的促销价下降 50%。OpenAI 把降价归因于缓存与推理效率的提升：读取已缓存的输入 token 折扣最高可达 90%，开发者还能设置缓存断点，并在调整推理强度或开关工具时不丢失已缓存的上下文。

定位：Sol 面向复杂任务，Luna 主打高频重复

产品线分工比较清晰。GPT-6 Sol 面向编程、工作流自动化及其他复杂专业任务；GPT-6 Luna 则适合文档摘要、信息提取等任务量大、重复性高且目标明确的工作。两者都在专业工作、编程和计算机操作等任务上较上一代 GPT-5.6 有明显进步。

编程与智能体：以更低成本逼近竞品

OpenAI 公布的多数对比采用“单任务成本”口径。在覆盖 47 种工具的业务流程测试 AutomationBench 中，Sol 在 xhigh 强度下得分 33.2%，单任务成本约 0.27 美元，表现超过 Claude Opus 5，而成本仅为后者的 9%；Luna 在 high 强度下比前代提升 5.4%，每任务成本降低 58%。在智能体评测 Last Exam 中，Sol 在 max effort 下得分 56.4%，高于 Claude Opus 5 在该评测中的最高分，每任务成本低约 60%。

编程方面，在软件工程测试 DeepSWE v1.1 中，Sol 于 max effort 下取得 68.8%，距离 Claude Fable 5 的 69.9% 仅差 1.1 个百分点，而单任务成本低约 80%；Luna 取得 66.6%，接近 Opus 5 与 Fable 5 的 medium 水平，单任务成本分别低约 93% 和 96%。计算机操作测试 OSWorld 2.0 offline 中，Sol 在 xhigh effort 下得分 60.5%，与 Claude Opus 5 medium 的 60.3% 接近，单任务成本低约 80%。

可靠性与对齐

事实可靠性上，OpenAI 基于去标识化真实对话的测试显示，Sol 的错误率约为 GPT-5.6 Sol 的一半，接近 Astra 级可靠性；Luna 在高 effort 下可匹配 GPT-5.6 Sol，而成本约为其百分之一。OpenAI 也提示，这些对话样本本身偏“易出错”，并不代表日常使用的平均水平。对齐方面，两款模型在内部评测中均优于各自的 GPT-5.6 版本，包括关于自身编码工作的误导性声明发生率下降。

怎么用

自 9 月 23 日起，GPT-6 Sol 与 GPT-6 Luna 已在 ChatGPT Work 和 Codex 中向所有 Plus、Pro、Business、Enterprise 与 Edu 用户开放；免费用户与 Go 用户可在桌面应用中使用 Luna；两款模型暂未在 Chat 中提供；在 API 中的名称分别为 gpt-6-sol 与 gpt-6-luna。值得一提的是，同一天 Anthropic 也发布了 Claude Opus 5.5（每百万 token 输入 4 美元、输出 20 美元，较 Opus 5 降低 20%）。大模型竞争正在从“谁的模型更强”，越来越多地转向“完成同样的工作要花多少钱”。