Ploy迁移GPT-5.6实测：AI建站速度提升2.2倍 成本降低27%

AI 营销平台 Ploy 将生产环境中的默认模型从 Claude Opus 4.8 切换到 GPT-5.6 Sol。该公司的智能体需要完成规划网页、读取代码库、编写组件、生成图片、截取页面并判断任务是否完成等一整套操作，因此模型迁移不只是替换 API 名称，还会影响工具调用、提示缓存、推理状态和评测体系。

Ploy 的对比测试显示，在一组真实网站重建设计任务中，GPT-5.6 完成页面的速度约为原方案的 2.2 倍，整体成本降低 27%，输出令牌数量约减少一半。一个配对案例中，Claude Opus 生成了约 1.8 万字符的全局 CSS 和 174 个变量，而 GPT-5.6 用约 2500 字符和 45 个变量实现了相近甚至更好的页面效果。

第一轮评测并不顺利。团队发现，大约三分之一的初始失败并非模型能力不足，而是评测工具长期按照 Claude Opus 的行为方式设计。例如，Opus 更倾向于顺序执行工具，GPT-5.6 则频繁并行调用；旧评测器还不支持批量读取文件，导致一些本来正确的执行被判定为失败。清理这些偏差后，模型对比结果才具有参考价值。

工具参数结构也是迁移中的重要问题。不同模型对 JSON Schema、可选字段和批量操作的处理方式并不一致。Ploy 修正文件读取工具后，空文件读取比例从 52% 降至 0%，完成同样任务所需的工具调用数量减少约 30%。这说明智能体迁移需要同时检查工具定义，而不能只调整提示词。

成本差异最大的来源是提示缓存配置。Ploy 的智能体每次对话前都有约 2.9 万个固定令牌，包括系统提示和工具结构。在 Claude 平台上，这段前缀能够在组织范围共享，缓存命中率长期保持在 92% 至 96%。迁移初期，GPT-5.6 对这段内容几乎没有命中缓存，使测试成本一度看起来比 Claude 高出约 50%。

GPT-5.6 使用显式缓存断点和必填的缓存键，缓存键还会决定请求被分配到哪个缓存节点。Ploy 最终采用工作区级缓存键，并把系统提示拆成多个可缓存层。调整后，首次调用的缓存命中率从接近 0 提升到 83.7%，未缓存输入令牌减少 28%，整套评测成本降到 Claude Opus 以下。

这种设计仍有固定代价。OpenAI 的缓存按键分区，无法像 Anthropic 那样在不同工作区之间共享同一段静态前缀。每个工作区在缓存过期后需要重新写入一次约 2.9 万令牌的内容，Ploy 估算单次冷写入约需 0.18 美元。虽然无法完全消除，但成本能够预测和控制。

团队还遇到推理状态回放错误。GPT-5.6 的 Responses API 默认使用服务端引用恢复前一轮推理，长对话中偶尔出现找不到推理条目的错误。将存储选项关闭后，SDK 改为请求加密的推理内容，并在后续请求中使用自包含数据，从而避免依赖服务端状态指针。

Ploy 的迁移结果说明，生产环境中的模型性能不能只看单次回答质量。评测器是否偏向旧模型、工具结构是否适配新模型、缓存键如何划分，以及推理状态怎样在多轮对话中传递，都会改变最终速度和账单。只有修正这些系统层差异后，模型之间的成本与能力比较才具有实际意义。