变强的不是模型参数。是它交付给你的东西，从一段文字，变成了一个能拖、能点、能用的界面。
GPT-6 上线那天，几乎所有标题都在说"OpenAI 又放了个大的"。
但真正值得写下来的不是参数，是一个很小的动作：你敲下问题，屏幕上不再滚出一段文字，而是直接顶出一个能拖、能点、能改的东西。
OpenAI 的说法是：ChatGPT 不再只是聊天框，它会围绕你的问题"搭出界面"。这套能力叫 Intelligent UI，中文一般译作"智能界面"。
它从 10 月 7 日发布、10 月 8 日凌晨开始推送，面向 ChatGPT 每周超过 12 亿的活跃用户。付费用户先拿到，免费和 Go 版紧随其后。服役已久的 GPT-5.6 系列正式退场。
这篇文章只回答六个问题：它到底改了什么、凭什么做得到、谁最先倒霉、替代不了什么、风险藏在哪、以及你现在该怎么用。
同一道题，过去的答案是"一段文字"，现在的答案是"一个工具"。
先看一个具体场景。
你问："我打算办一笔 200 万、30 年的房贷，利率还在变，帮我算算月供。"
两秒钟前，这类问题会得到什么？一大堆文字、一个公式，再加上一张密密麻麻的还款表。人眼看过去，头皮发麻。
现在呢。屏幕上直接顶出一整套操作台：最上面一个能滑的利率轴，从 2.8% 到 4.2%；中间是"等额本息 / 等额本金"的切换按钮；下面一张总利息折线图。你手指拉一下滑块，月供数字和图表跟着跳。
没有跳转网页，没有打开小程序。这块计算板就在你打字的地方当场成型。
官方给的例子更直观，大致能归成三类。
这里有个容易忽略的细节：它不是"什么问题都甩你一屏控件"。
你问一句简单的事实，它还是只回你一行字。
OpenAI 说，GPT-6 经过专门训练，能判断什么时候该用视觉布局、什么时候该克制。这句话听起来平淡，其实是整件事里最难的一环。会堆控件不难，知道什么时候不堆，才难。
界面不是拼出来的，是"长"出来的。
过去模型写代码，是把一整个网页写完，再丢给浏览器慢慢加载。
这次不一样。OpenAI 在手机和网页底层预埋了一套原生组件库——按钮、滑块、图表、卡片全在客户端备好；外加一个编译器，模型在云端吐出第一个词元的时候，界面就开始逐帧渲染。
所以界面像植物破土一样，一边生成一边出现，不用等整段回答写完。
训练层面也动了手：研发团队把大量交互设计数据喂给模型做后训练。它现在干的活，差不多是"全栈工程师 + 交互设计师"两份工。
关键在最后一步：界面不是等回答写完才出现，而是和文字同步、逐帧渲染出来的。
深度推理模型最烦人的，是屏幕中间那个慢腾腾转圈的齿轮。
GPT-6 把"想"和"答"交织到一起：底层继续深思，想好的有效内容先推到前台，后面的推导再跟上。
官方给的数据是：需要联网搜索的复杂任务，启动时间比上一代提前 44%。最高档位的开口速度追平了上一代的中档，最终的测试得分反而反超了上一代的顶配。
大众用户对参数几乎无感。但把等待时间砍掉四秒，谁的手指都能立刻察觉出轻快。
| 订阅层级 | 接入模型 | 说明 |
|---|---|---|
| Free / Go | GPT-6 Luna | 轻量模型承接免费流量 |
| Plus / Pro / Business / Enterprise | GPT-6 Sol | 高性能能力留在付费与企业层 |
| 复杂编码与工作流 | GPT-6.1 Sol | 逻辑强度向旗舰 Astra 靠拢 |
答案是：没送。放到 2026 年的行业背景下看，免费是算得清账的动作，靠的是三件事。
第一件：能力在涨，但成本掉得更快。
2026 年 4 月发布的开源模型 DeepSeek V4-Pro，1.6 万亿总参数、MoE 架构每个 token 只激活 490 亿，在 SWE-bench Verified 上拿到 80.6%，与当时最新的 Claude Opus 只差两个千分位。价格却只有闭源前沿模型的十分之一到二十分之一。DeepSeek 自己的说法是：落后三到六个月，不是三到六年。
Google 的 Gemma 4 是同一个方向：31B 参数的开源旗舰，MMLU Pro 85.2%、AIME 2026 89.2%，而它的手机级版本能跑在一台 35 美元的树莓派上。靠的是两件事——MoE 和量化感知训练。
有分析援引 Gartner 的预测：到 2030 年，跑一个万亿参数模型的推理成本，会比 2025 年低 90% 以上，比 2022 年的同级模型便宜最多 100 倍。能力往上、成本往下，两条曲线同时拐弯。
第二件：前沿的"地板"抬得比天花板还快。
斯坦福的 Percy Liang 认为，参数军备竞赛正在进入收益递减，架构和训练方法能以零头的算力换到前沿级行为。换句话说，真正需要顶配模型的任务集合，每个月都在缩小。对 OpenAI 而言，这意味着它不必把最贵的模型无差别撒出去——轻量模型已经能接住绝大多数免费流量。
第三件："一个模型打天下"结束了。
微软研究团队在 2026 年初把这件事讲得很清楚：用强模型做每一步太贵，用便宜模型做每一步又会在关键步骤翻车。解法是按步选模型——把少数几次高能力调用花在决定成败的步骤上，其余全部路由给便宜模型。
原因在成本结构。有分析援引 Gartner 的数据：智能体任务消耗的 token 是普通聊天的 5 到 30 倍，一次用户请求可能触发 10 到 20 次模型调用。同一份分析称，用单一模型处理所有任务，比智能路由的方案多花 40% 到 85% 的钱。Gartner 还预测，到 2026 年底 40% 的企业应用会内嵌任务专用智能体，而 IDC 预计到 2028 年 70% 的领先企业会跑多模型路由架构。
三件事叠起来，结论很清楚：OpenAI 的免费不是慷慨，是把 Luna 这类轻量模型当成获客成本，用零门槛换 12 亿人的使用习惯。加上底层升级了提示词缓存，已缓存输入的成本能压到原来的十分之一。
一句话，争的是智能体时代的默认入口。
真正受威胁的，不是"所有软件"。是那些把"固定界面"本身当成核心壁垒的产品。
先看这几年的 AI 创业套路：调用底层模型，前端套一个固定界面，加几个提示词模板，配一条轻量工作流，就是一个数据看板、一个记账工具、一个定制表单。
底座一旦开始自己生成这些界面，最显性的那点差异化，就被吸收了。
固定界面确实当过很多年的壁垒：把复杂逻辑压进一套看得懂、学得会的屏幕，本身就是产品能力。可它的前提是"造界面很贵"——界面一旦变成运行时的产物，这个前提就没了。
曾估值 15 亿美元的营销文案公司 Jasper AI，靠的就是"面向营销场景的固定模板和工作流"。随着 ChatGPT 提示词能力进化、自定义 GPTs 推出，通用模型吃掉了它一部分核心功能，Jasper 随后估值缩水、裁员。
ChartAI、Julius AI 这类产品最亮眼的可视化能力，也正在被 GPT-6 收编成通用能力。
闫斌（Gartner 高级研究总监）的提醒很关键：企业软件仍然需要独特的行业 Know-how 和数据。
模型可以吸收界面，以及一部分工作流。它很难直接取代专有数据、复杂流程、权限体系和合规能力。
戴鲲的措辞是"压缩轻量 SaaS 和套壳 AI 的生存空间"。注意，是压缩，不是清零。
顺着上一章往下问：既然界面能被生成，那软件还剩下什么？
答案在"看不见的部分"。
模型可以即时生成界面，却还不能即时生成这四样东西：
这四样没有一样是"画出来"的。它们长在组织里，长在积累里，长在责任链条里。
掌声之外，坑也不少。
这些风险其实顺着一条线走：界面能生成 → 生成的东西没人背书 → 它还能连系统、动手做事。越往后越硬。
正规软件上线要过漫长的测试和审查，出了事能翻出版本记录。
而聊天框里两秒生成的工具，没有测试流程，也没有质量兜底。算错几块钱家庭开支无所谓。但如果拿它核算商业合同、工程参数或者配药剂量，少算一个小数点，你连找谁问责都不知道。
模型先给出初步数据，后面深入推导时又自行修正。如果你早就把第一版结论拿去推进工作了，后面就得自己收拾烂摊子。
当所有工具都能随叫随到，人会慢慢交出自己的独立操作能力，把身家性命锁进一个黑盒子里。
戴鲲点出了要害：企业面临的第一风险，不再是"模型静态回答错误"，而是模型拿到了"生成界面、调用系统、执行操作"的实质能力。
Hacker News 的讨论里，有工程师直言："感觉被当小孩哄了。"满屏的留白和清单，对习惯了高密度信息流的人反而是负担。
也有人泼冷水：这类动态界面，Gemini 早就在做了，只是没人给它写博客。还有人担心后续 Chat 与 Work 合并，会吃掉现在的"无限聊天"额度。
这些声音不一定对，但它们共同指向一件事：界面能不能生成是一回事，生成得值不值得用是另一回事。
给三条能落地的建议，再往后看三年。
这次 GPT-6 不是孤立的产品动作。它是整个行业换轨的一个节点。
交付形态已经在换轨道。
OpenAI 核心产品负责人 Thibault Sottiaux 在 2026 年 6 月接受《金融时报》采访时说，聊天作为默认界面已经走到头，ChatGPT 正在被重构成"智能体优先"的产品。Anthropic 的工程师从 5 月起就不再用 Markdown 要规格和报告，改用 HTML，因为纯文本对"要读的人"不够用了；这条帖子 16 小时拿到 440 万浏览。而更早的是 Google：2025 年 11 月，生成式 UI 就已经随 Gemini 3 上线，其研究论文称，人类评审在 44% 的情况下认为生成界面与人工设计的界面相当。
有分析援引 Gartner 预测：到 2026 年底，30% 的新应用会采用 AI 驱动的自适应界面，而两年前这个比例还不到 5%。界面正在从"设计稿"变成"运行时产物"。
国内会跟得多快。
国内节奏其实同步得很紧。央广网在 2026 年 3 月就写道：AI 大模型"正式告别过去的聊天对话模式，迈入了以 Agent 为核心的主动执行新阶段"。新华网把智能体定义为"具备自主感知、记忆、决策、交互与执行能力的智能系统"。Google I/O 2026 更是直接宣布进入"智能体 Gemini 时代"，并推出可任意模态进出的世界模型 Gemini Omni。周鸿祎的 2026 预言里，AI 会具备成熟长期记忆、成为"第二大脑"，"硅基数字员工"正式进入企业用工体系。
前端组件库和渲染技术没有登天门槛，比的是落地推进的执行力。业内普遍判断，未来半年内，国内头部大厂大概率会集体跟进动态界面。
评判标准正在变。
前沿模型的能力重心已经换位：能答对问题的模型各个价位都有；能跑完四十步任务、在第二十二步发现自己的错、退回来重做的模型，仍然稀缺。这也是智能界面为什么重要——它是智能体把活干完之后，唯一能交还给人的东西。
当然，冷水也要一起接。有分析援引 Gartner 的判断：超过 40% 的智能体项目会在 2027 年前失败，主要原因是底层系统从来没有为"让智能体在里工作"而设计。
另外提醒一句：这次推送主要影响的是"聊天"模块，底层的 Work 和 Codex 专用模型没有变。安全上，OpenAI 称融合了 Astra 的安全技术，增强了多轮越狱抵抗，同时减少了对无害请求的误拒。
键盘被玻璃屏淘汰，不是因为它打字更快，而是因为屏幕能当场变出任何形态。
今天轮到输入框了。
它不会一夜消失。但它的"特权"——作为唯一入口的那份特权——确实在滑走。
值得想的其实是一个更朴素的问题：当答案能当场变成工具，你还记得上一次自己动手算一道题，是什么时候吗？