OpenAI最近连续推出两项重要更新：一项是提升ChatGPT处理超长对话时的加载性能；另一项是为Codex上线GPT-5.6多智能体V2（Multi-Agent v2）。前者解决“对话太长、页面变卡”的问题，后者则让系统能够更智能地分配不同模型完成任务。
超长对话加载速度显著提升
不少用户在使用ChatGPT或Codex时，都遇到过类似情况：对话持续时间很长、工具调用次数很多后，重新打开会话会变慢，甚至占用大量内存。
据OpenAI内部测试数据，在一个包含741轮对话、体积约231MB的超长会话中，优化后的体验有明显提升：
- 应用加载时间从27.62秒缩短至1.66秒；
- 内存增长从1030.7 MiB降至606 MiB；
- 网络请求数量从894次减少至16次；
- 需要加载的会话条目从15,529条减少至64条。
简单来说，系统不再在打开对话时一次性加载和渲染全部历史记录，而是优先加载当前页面真正需要的内容，其余内容按需读取。
这项改动对经常进行长时间协作、代码开发或多轮工具调用的用户尤其有帮助。过去，打开一个超长历史对话可能需要等待很久；现在，页面加载会更快，设备内存占用也会更低，整体使用体验更加流畅。
多智能体V2上线：系统自动分配模型完成任务
与此同时，Codex的GPT-5.6多智能体V2也已上线。
这项功能的核心是“自动分工”：主Agent可以根据任务需要，将不同子任务分配给不同模型处理；每个子Agent还可以单独设置推理强度。
目前可参与协作的模型包括：
- GPT-5.6 Sol：适合复杂的智能体编程任务；
- GPT-5.6 Terra：适合日常编程工作；
- GPT-5.6 Luna：响应更快、成本更低；
- Daybreak：面向网络安全任务；
- GPT-5.5：适合复杂编程、研究和通用任务。
过去，用户往往需要自己判断该选择哪一个模型，在能力、速度和成本之间进行取舍。多智能体V2的目标，是让系统自动拆解任务、选择合适的模型并汇总结果。
例如，一个复杂任务中，只有少数关键步骤需要调用能力最强的模型；其余相对简单的工作，则可以交给更快、更经济的模型完成。这样既能控制推理成本，也能提升整体执行效率。
从聊天工具走向工作流平台
这两项更新分别解决了两个核心问题：
- 前端优化，减少超长对话带来的加载压力；
- 多智能体协作，降低用户手动选择模型的成本。
对于用户而言，未来不必反复纠结“该选哪个模型”，也无需为打开超长对话长时间等待。只需要描述目标，系统便可自动完成任务拆分、模型调度和结果呈现。
ChatGPT和Codex正在从单纯的对话工具，逐步向更自动化、更高效的智能工作平台发展。
原创文章，作者：wp-chen，如若转载，请注明出处：https://visaspay.com/2026/08/17/openai%e4%b8%a4%e9%a1%b9%e5%8d%87%e7%ba%a7%ef%bc%9a%e9%95%bf%e5%af%b9%e8%af%9d%e6%89%93%e5%bc%80%e6%9b%b4%e5%bf%ab%ef%bc%8c%e5%a4%9a%e6%99%ba%e8%83%bd%e4%bd%93%e5%8d%8f%e4%bd%9c%e6%9b%b4%e6%99%ba/
