标题：AI大模型迁移实录：GPT-5.6的参数膨胀陷阱与缓存键困境

摘要：Ploy公司迁移GPT-5.6的实战手记，揭秘性能提升背后的技术挑战：工具参数膨胀导致50%以上文件读取失败，缓存键设计缺陷引发可用率下降。提示词与strict模式均无法修复，评估框架还暴露出三分之一的历史假设错误。

GPT-5.6 Sol作为OpenAI的最新旗舰模型，在性能指标上确实交出了亮眼答卷。但真正有价值的技术洞察，往往藏在这些光鲜数字的背后。AI智能体平台Ploy最近的一份迁移手记，就将这些“暗面”完整摊开在了开发者面前。

Ploy将其AI智能体的默认模型从Claude Opus 4.8切换至GPT-5.6 Sol，在真实营销网站构建测试中，新模型完成页面平均耗时从8分钟骤降至3分42秒，提速2.2倍；每次构建成本从3.06美元降至2.22美元，降幅达27%；输出token从33.0K压缩至17.1K，视觉评分从0.936提升至0.970。单从这些指标看，这是一次完美的技术迭代。

但迁移过程揭示了一个棘手的工具调用问题：GPT-5.6会为所有25个工具参数填充默认值，导致52%-64%的文件读取操作返回空结果。这是一个典型的“默认值膨胀”陷阱——模型行为从“按需调用”变成了“全量填充”，参数的空值被解释为有效输入，直接破坏了工具链的预期工作流。更令人头疼的是，无论是调整提示词指令，还是开启OpenAI的strict模式，都无法修正这一行为。

这说明模型的工具调用机制存在底层行为变化，并非简单的prompt工程能够覆盖。对于任何构建AI智能体的团队而言，这都是一笔必须支付的“昂贵学费”：新模型的性能提升，往往伴随着对原有工程假设的彻底重构。

另一个值得警惕的问题是评估框架本身。Ploy在调试过程中发现，约三分之一的原始失败案例，实际源于针对旧模型行为设计的假设，而非新模型本身的缺陷。这一发现揭示了AI工程中一个常被忽视的陷阱：评估标准会随着模型更迭而自我瓦解。一个针对Claude设计测试用例，本质上是在验证“它像Claude”，而非“它能完成任务”。

两条建议值得所有AI工程团队记取：第一，建立新模型回归测试的白名单机制，将已知的、与模型无关的功能逻辑与模型行为解耦；第二，缓存键设计必须考虑模型默认参数的差异。GPT-5.6的参数膨胀问题直接冲击了缓存系统的命中率，因为相同的请求可能会因为多余的默认参数而生成不同的缓存键。

模型更迭的周期正在缩短，性能提升的诱惑逐年加大。但Ploy的这份手记清楚地表明：真正的竞争力不在于抢先部署最新模型，而在于对底层行为变化的深刻理解与工程化的快速适应。毕竟，能解决63%的实际任务，远比在100个测试中拿到99分更有价值。