Tibo近日发布针对ChatGPT Work与Codex用户的重要更新，宣布全面重置使用额度，并针对GPT-5.6 Sol模型的高消耗问题完成了关键优化。过去数周，大量用户反馈Sol版本额度消耗速度异常，官方澄清并非下调套餐标准，而是新架构模式引发的资源调度差异。经过深入排查，官方确认GPT-5.6 Sol为了处理复杂流程，会频繁调用工具并联动多个子智能体，这种高强度的持续运算能力虽然极大提升了解题效率，但也导致了令牌消耗量显著高于前代模型。特别是在高算力模式及程序化工具调用（代码模式）下，模型并行执行任务及等待响应时的持续运算，使得缓存输入令牌数量激增，造成单轮对话资源占用超标。针对这一情况，Tibo已对工具返回等待及批量联网搜索场景的资源调度逻辑进行了专项优化，使普通场景下的可用时长预计提升约18%，并将从明日起恢复此前临时关停的5小时额度限制。官方承认，模型上线前重点参考了平均消耗数据，忽略了处理高难度任务的重度用户所面临的极端长尾场景，后续将持续平衡模型性能与资源效率。
事件分析
此次事件揭示了新一代推理模型与AI智能体在商用落地过程中面临的算力经济学挑战。GPT-5.6 Sol的高消耗并非单纯的代码效率问题，而是源于Agent架构中高频工具调用和并发处理带来的系统性开销。在AI编程领域，随着模型从单一对话转向复杂的多步推理和工具协同，缓存压力和上下文管理成为了新的技术瓶颈。Tibo针对“批量搜索”和“工具等待”等特定场景的优化，表明未来的模型竞争将不仅比拼智商，更比拼底层资源调用的精细化管理能力。此外，“长尾用户消耗远超中位数”的现象表明，现有的按订阅或简单Token计费的模式，可能正在面临来自Agent类高负载应用的冲击，服务商需要重新思考如何平衡重度开发者需求与成本控制。
💡 核心观点：AI智能体的多步推理与工具调用机制虽然极大拓展了能力边界，但也带来了巨大的算力冗余成本，资源调度效率已成为制约下一代AI编程工具普及的核心瓶颈。
原文链接：Linux.do
