给网站改版，AI 不只要写几段文字，还得读代码、做组件、生成图片、截图检查，再判断是否交付。Ploy 把这套生产 Agent——真正替客户完成多步骤任务的 AI 系统——从 Claude Opus 4.8 迁到 GPT-5.6 Sol，价值不在跑分，而在整项任务的时间和账单。
据 Ploy 自测，在重建品牌首页的评估中，GPT-5.6 完成一次构建平均用时从 8 分钟降至 3 分 42 秒，快 2.2 倍；平均成本从 3.06 美元降至 2.22 美元，低 27%，视觉评分则由 0.936 升至 0.970。不过两组完成样本分别只有 11 次和 10 次。
更值得工程团队留意的是，首轮约三分之一的原始失败并非模型失误，而是旧评测系统按 Opus 的串行工作方式设置，无法正确容纳 GPT-5.6 的并行工具调用。换句话说，迁移模型前也要迁移评测尺度，否则新模型可能只是因为“不像旧模型”而被判输。