نطلق عائلة نماذج GPT‑5.6 للإتاحة العامة بعد المعاينة المحدودة: نموذجنا الرائد الجديد، Sol، إلى جانب Terra، وهو نموذج متوازن للعمل اليومي، و Luna، نموذجنا الأكثر كفاءة من حيث التكلفة.
يضع GPT‑5.6 Sol معيارًا جديدًا يجمع بين الذكاء والكفاءة، محققًا نتائج رائدة في البرمجة، والعمل المعرفي، والأمن السيبراني، والعلوم، مع التفوق على النماذج الرائدة السابقة والمنافسة باستخدام عدد أقل من الرموز وبتكلفة تقديرية أقل. والنتيجة هي أداء أعلى مقابل كل دولار يُنفق، أي إنجاز المزيد من العمل بالموازنة نفسها، أو تحقيق نتائج مماثلة بتكلفة إجمالية أقل. ونقدّم أيضًا طريقة جديدة لتسريع أكثر الأعمال تطلبًا: إذ يُعدّ ultra إعدادنا الأعلى قدرة، حيث ينسّق عمل عدة وكلاء عبر مسارات عمل متوازية لإنجاز المهام المعقدة بسرعة أكبر. قدرات أقوى في استخدام الكمبيوتر وحُكم أفضل في التصميم تجعل GPT‑5.6 Sol هو أكثر المتعاونين إتقانًا حتى الآن، يساعد في فحص النتائج وصقلها وتسليمها جاهزة للاستخدام.
درّبنا GPT‑5.6 لتحقيق أقصى استفادة من كل رمز (token). في اختبار الوكلاء الأخير(يفتح في نافذة جديدة)، وهو تقييم لسير العمل المهنية طويلة الأمد عبر خمسة وخمسين مجالًا، يسجّل GPT‑5.6 Sol مستوى عالٍ جديد قدره 53,6، متفوقًا على Claude Fable 5 (الاستدلال التكيفي) بفارق 13,1 نقطة. حتى عند مستوى استدلال متوسط، يتفوق على Fable 5 بفارق 11,4 نقطة وبتكلفة تقديرية تقارب الربع. وتمتد هذه الكفاءة أيضًا إلى نموذج أصغر، وهو أساسي لجعل مستوى الذكاء أكثر وفرة وأيسر تكلفة: إذ يتفوّق GPT‑5.6 Terra وGPT‑5.6 Luna على Fable 5 بتكلفة تقارب واحدًا على ستة عشر من التكلفة. على مؤشر مستوى الذكاء من Artificial Analysis(يفتح في نافذة جديدة)، وهو مقياس واسع لمستوى الذكاء يشمل العمل القائم على الوكلاء، والبرمجة، والاستدلال العلمي، والقدرات العامة، يقترب GPT‑5.6 Sol مع أقصى مستوى للاستدلال بفارق نقطة واحدة من Fable 5، مع إنجاز المهام في وقت أقل بنسبة 61% وبتكلفة تقديرية تقارب النصف.
Agents’ Last Exam(يفتح في نافذة جديدة): سير عمل وكيل طويل الأمد عبر مجالات مهنية.
يُطرح GPT‑5.6 مزودًا بأقوى وسائل الحماية التي طورناها حتى الآن، والمصممة للتصدي لإساءة الاستخدام المتعمدة والمتكيفة، من دون فرض قيود واسعة على الاستخدامات المشروعة. وقبل الإتاحة العامة، أخضعنا النماذج ووسائل الحماية لأوسع فترة تقييم أجريناها حتى الآن، جمعت بين اختبارات الاختراق البشرية والاختبارات الآلية واسعة النطاق. وخلال فترة المعاينة، عملنا عن كثب مع مؤسسات متخصصة، إلى جانب شركاء موثوقين، لاختبار فعالية وسائل الدفاع تحت الضغط وتعزيز إجراءات الحماية قبل الإطلاق الأوسع. ويجمع النظام الناتج بين وسائل حماية مدمجة داخل النموذج، وفحوصات آنية، ومراقبة مستمرة، وآليات وصول مضبوطة وفق مستويات الثقة والمخاطر.
GPT‑5.6 Sol هو أفضل نموذج للبرمجة لدينا حتى الآن. في مؤشر تحليل البرمجة الاصطناعية لوكلاء البرمجة، يضع GPT‑5.6 Sol، مع الحد الأقصى من الاستدلال، معيارًا جديدًا لأحدث ما توصلت إليه التقنية بنتيجة بلغت 80، متقدمًا بفارق 2.8 نقطة على Fable 5، مع استخدام أقل من نصف رمز الإخراج، واستغراق أقل من نصف الوقت، وبتكلفة أقل بنحو الثلث. ويمتد هذا التفوق إلى بقية أفراد العائلة أيضًا؛ إذ يتفوق Terra بفارق طفيف على Fable 5، بينما يتجاوز Luna أداء Opus 4.8. ويحقق كل منهما ذلك في نحو ثلث الوقت، وباستخدام ما يقارب نصف عدد رموز الإخراج، وبتكلفة تقديرية تعادل نحو ربع التكلفة فقط. كما أنه يحقق نتائج رائدة جديدة في اختباري Terminal-Bench 2.1 وDeepSWE، اللذين يقيسان القدرة على التعامل مع مسارات العمل المعقدة عبر سطر الأوامر، والمهام الهندسية طويلة الأفق ضمن قواعد الشيفرة البرمجية الحقيقية.
مؤشر وكلاء الترميز التحليلي الاصطناعي: مؤشر مستقل لأداء وكلاء الترميز عبر التنفيذ، واستخدام الطرفية، وقواعد الشيفرة الحقيقية.
يستطيع GPT‑5.6 كتابة برامج خفيفة وتشغيلها لتنسيق الأدوات، ومعالجة النتائج الوسيطة، ومراقبة التقدم، واختيار الخطوة التالية مع تطور سير العمل. ويتيح ذلك إنجاز المهام كثيفة الاعتماد على الأدوات باستخدام عدد أقل من الرموز (tokens)، وتقليل مرات التفاعل مع النموذج، والاعتماد على قدر أقل من التوجيه. وبدلًا من مطالبة المطورين ببرمجة كل خطوة أو تمرير استجابة كل أداة مرة أخرى عبر النموذج، يمكن لميزة Programmatic Tool Calling(يفتح في نافذة جديدة) في Responses API تصفية كميات كبيرة من البيانات الوسيطة، والاحتفاظ بما هو مهم فقط، وتكييف سير العمل أثناء التنفيذ.
في المشكلات التي تتطلب استثمارًا أكبر من الوقت والقدرة الحاسوبية، يمكن لـ GPT‑5.6 أن يتجاوز هذا الإعداد الافتراضي الفعال. حيث يمنح max وقتًا أطول لـ GPT‑5.6 حتى من xhigh للتفكير واستكشاف البدائل، وإجراء الفحوصات، ومراجعة نهجه. ويمضي Ultra إلى أبعد من ذلك من خلال تنسيق عمل أربعة وكلاء بالتوازي افتراضيًا، مع مقايضة استخدام أعلى للرمز بنتائج أقوى ووقت أسرع للوصول إلى النتيجة في المهام المتطلبة. تقارن الرسوم البيانية أدناه الإعداد الافتراضي ذي الوكلاء الأربعة في Ultra مع خط أساس بوكيل واحد عبر BrowseComp وSEC-Bench Pro وTerminal-Bench 2.1؛ كما يعرض BrowseComp وSEC-Bench Pro تكوينات مكوّنة من 16 وكيلاً. وعبر التقييمات الثلاثة جميعها، تؤدي إضافة وكلاء متوازيين إلى نقل الحدّ الرائد بين الدرجة وزمن الاستجابة إلى أعلى وإلى اليسار، ما يحقق نتائج أقوى في وقت أقل. وفي واجهة برمجة التطبيقات، يمكن للمطورين إنشاء تجارب شبيهة بـ Ultra باستخدام الإصدار التجريبي متعدد الوكلاء في Responses API.
يُحدث GPT‑5.6 نقلة نوعية في قدراته على إصدار الأحكام التصميمية. بمجرد تزويده بتوجيه عالٍ، ينشئ GPT‑5.6 واجهات أنيقة ومريحة الاستخدام وعملية. فبفضل إمكاناته المتقدمة في استخدام الكمبيوتر، يستطيع فحص النتيجة المُعالجة وصقلها، وليس مجرد إنشاء الشيفرة أو المحتوى الأساسي، مما يمكّنه من اكتشاف المشكلات البصرية والوظيفية وإجراء اللمسات النهائية قبل تسليم العمل.
المطالبة: هل يمكنك تطوير لعبة إبحار ثلاثية الأبعاد لي؟ وإذا احتاج أي جزء إلى صور نقطية (bitmaps) أو خامات (textures) أو رسوم متحركة (sprites)، أو إذا كان من المفيد استخدام نموذج مرجعي لأي نماذج ثلاثية الأبعاد تنشئها، فلا تتردد في استخدام imagegen.
وتحوّل قدرات GPT‑5.6 في تطوير الواجهات الأمامية أيضًا الطلبات المكتوبة باللغة الطبيعية إلى شروحات وتصورات مرئية تفاعلية ومتقنة داخل ChatGPT Work.
مطالبة: أنشئ سبايروغرافًا تفاعليًا يوضح كيفية عمله.
GPT‑5.6 يقدّم نتائج أفضل للمهام الاحترافية. حيث يأخذ السياق غير المنظّم من مستنداتك وسير عملك اليومية مثل Slack وNotion وMicrosoft 365 وGoogle Drive، ويحوّلها إلى مخرجات قابلة للمشاركة بمستوى احترافي.
تتجلى قوة GPT‑5.6 في العمل المعرفي عبر تقييمات تشمل التحليل الاحترافي طويل المدى، والتصفح، واستخدام الأدوات، واستخدام الحاسوب. يحقق GPT‑5.6 Sol نتائج جديدة تُعدّ الأفضل في المجال على BrowseComp بنسبة 92,2% وعلى OSWorld 2.0 بنسبة 62,6%؛ وفي OSWorld، يتفوق على Opus 4.8 مع استخدام رمز إخراج أقل بنسبة 85%. وهنا تمتد مكاسب الأداء مقابل كل دولار عبر عائلة GPT‑5.6 بأكملها. يقترب Luna من ذروة أداء GPT‑5.5 بتكلفة تقل عن نصف التكلفة المقدّرة، بينما يتفوق Terra عليه بتكلفة أقل.
BrowseComp: يحقق GPT‑5.6 Sol أداءً جديدًا هو الأفضل من نوعه على BrowseComp، وهو معيار يتألف من مهام البحث الوكيلي.
يحسّن GPT‑5.6 Sol الجودة في العروض التقديمية والمستندات وجداول البيانات، مما ينتج مخرجات أكثر صقلاً ودقة. ويمكنه إنشاء عروض تقديمية مصقولة وقابلة للتحرير بالكامل من الصفر، من خلال تحويل مطالبة ومواد مصدرية إلى سرد بصري متماسك بتخطيطات قوية وتسلسل هرمي واضح وتصميم متقن.
يظهر هذا التحسّن بوضوح أكبر عند استخدام القوالب والعروض التقديمية المرجعية. إذ يستطيع GPT‑5.6 استنتاج نظام التصميم الخاص بالعرض التقديمي، بما يشمله من التخطيطات، والطباعة، والتباعد، والألوان، وأنماط المحتوى المتكررة، بما في ذلك القواعد المضمّنة في الشريحة الرئيسية (Slide Master)، ثم يطبّق هذه المعايير باستمرار على المحتوى الجديد. في هذا المثال، عند طلب تحديث الأرقام استنادًا إلى ملف مرجعي، تفتقد مخرجات GPT‑5.5 مكونات أساسية موجودة في الشريحة الرئيسية، بينما يلتزم GPT‑5.6 بالبنية المرجعية بدرجة أكبر من الدقة.
ملف مرجعي

مخرجات GPT‑5.5

يفتقد GPT‑5.5 مكوّنات أساسية من الشريحة الرئيسية
مخرجات GPT‑5.6

ينشئ GPT‑5.6 أيضًا مستندات وجداول بيانات أكثر إتقانًا من الناحية البصرية. كما يلتزم بالتنسيقات المرجعية المعقدة بدرجة أعلى من الدقة، وهو ما يُعد مهمًا لمهام العمل المعرفي المتكررة. ويتعامل مع المعادلات والنماذج المالية بدقة أكبر، مع توظيف أفضل للطباعة، والتباعد، والتسلسل الهرمي، وتخطيط الصفحات أو أوراق العمل.
لاحظ العملاء الأوائل الذين اختبروا GPT‑5.6 تحسينات في مخرجات العمل المعرفي عبر مجالات متعددة.
يُعدّ GPT‑5.6 أقوى نموذج لدينا للأمن السيبراني حتى الآن، إذ يحقق أداءً رائدًا بعدد أقل بكثير من الرموز. أما في ExploitBench2، الذي يقيس التقدم من الوصول إلى شيفرة معرضة للثغرات وصولًا إلى تنفيذ تعليمات برمجية عشوائية، فيحقق 73,5% مقابل نسبة GPT‑5.5 البالغة 47,9% بميزانية رمز إخراج مماثلة. وفي ExploitGym3، الذي يطلب من الوكلاء تحويل الثغرات الواقعية إلى وسائل استغلال عملية، فإنه يكاد يضاعف ما يحققه GPT‑5.5 معدل النجاح الأقصى، من 15,1% إلى 24,9% ضمن حدّ الساعتين؛ ومع ست ساعات، يصل إلى 33,7%. في معيار SEC-Bench Pro، الذي يختبر إنشاء إثباتات مفهوم على برمجيات معقدة، سجّل 71.2% مقارنةً بـ 45.8% لنموذج GPT‑5.5، مع زمن استجابة محسّن.
يدعم GPT‑5.6 مهامًا دفاعية مهمة مثل المراجعة الأمنية للكود البرمجي، وتطبيق التصحيحات، ونمذجة التهديدات، وعمليات الفريق الأزرق. ويمكن للأفراد والمؤسسات المؤهلين في برنامج Trusted Access for Cyber التابع لـ OpenAI Daybreak الوصول إلى قدر أكبر من قدراته الدفاعية من خلال ضمانات أكثر دقة للأعمال الموثقة في البيئات المصرح بها، بما في ذلك فرز الثغرات الأمنية والتحقق منها، وتحليل البرمجيات الخبيثة، وهندسة الكشف، والتحقق من التصحيحات.
يمكن للأفراد التحقّق من هويتهم وطلب وصول موثوق(يفتح في نافذة جديدة)، ويمكن للمؤسسات التقدّم بطلب نيابةً عن فرقها. سيحتاج الأعضاء الأفراد إلى تفعيل الأمان المتقدّم للحساب(يفتح في نافذة جديدة) باستخدام مفاتيح مرور مدعومة بالأجهزة بحلول 1 سبتمبر للاحتفاظ بإمكانية الوصول إلى أكثر نماذجنا الرائدة قدرةً في المجال السيبراني؛ أما الذين لا يفعلون ذلك فسيعودون إلى إمكانية الوصول الافتراضية. ويمكن للمستخدمين الذين لا يملكون بالفعل مفاتيح مرور مدعومة بالأجهزة الحصول على أسعار تفضيلية(يفتح في نافذة جديدة) من شريكنا، Yubico. وسنتخذ أيضًا خطوات إضافية لتقييد الوصول إلى الكيانات عالية المخاطر وفي الولايات القضائية عالية المخاطر.
ExploitBench: بناء برمجيات استغلال لـ V8 تتدرج في مستوى القدرة؛ ويُظهر GPT‑5.6 تحسنًا كبيرًا مقارنةً بـ GPT‑5.5. لا يُعرض مخطط زمن الاستجابة لأن تقدير زمن الاستجابة غير موثوق في هذا المعيار.
يُظهر GPT‑5.6 Sol أيضًا تحسّنات واسعة النطاق على امتداد مجالات البحث العلمي. وفي تقييمات علوم الحياة، يُظهر GPT‑5.6 تحسينات وفق مبدأ Pareto مقارنةً بـ GPT‑5.5 في البيولوجيا الواقعية، وسير عمل أبحاث علوم الحياة، والكيمياء.
GeneBench Pro: تحليلات الجينوميات طويلة المدى والبيولوجيا الكمية؛ يحقق GPT‑5.6 نتائج أقوى باستخدام رمز أقل وفي وقت أقل. لم يتم تضمين Claude Fable 5 لأنه لا يجيب عن(يفتح في نافذة جديدة) أسئلة البيولوجيا المتقدمة ويرفض غالبية الأسئلة في هذا التقييم.
يُعد GPT‑5.6 أقوى نماذجنا حتى الآن في تسريع أبحاث الذكاء الاصطناعي. وداخل OpenAI، يستخدمه الباحثون في مختلف مراحل دورة التطوير: تشخيص الإخفاقات، تحسين أنظمة التدريب، إجراء التجارب، وتفسير النتائج. لقد شهدنا بالفعل هذا التسارع وزيادة معدلات التبنّي خلال فترة الاختبارات الداخلية لـ GPT‑5.6، حيث تجاوز متوسط عدد رموز الإخراج اليومية لكل باحث نشط أكثر من ضعف أعلى مستوى عالٍ سُجّل لـ GPT‑5.5.
أصبحت هذه الطريقة في العمل تتحول بسرعة إلى المعيار السائد. وخلال الأشهر الستة الماضية، ارتفعت حصة القدرة الحاسوبية المخصصة للاستدلال البرمجي الداخلي بمقدار 100 ضعف، بينما زاد استخدام الرموز (tokens) الداخلي في مهام الذكاء الاصطناعي الوكيلي بنحو 22 ضعفًا. ولا تُعد مؤشرات التبنّي هذه مقياسًا للتقدم البحثي بحد ذاتها، لكنها تُظهر مدى السرعة التي يتزايد بها استخدام الذكاء الاصطناعي المساند في الأبحاث ولدى فرق أخرى مثل المبيعات، والتسويق، وعمليات المستخدمين، والمالية، وغيرها.
ولقياس هذه القدرة بصورة مباشرة، طوّرنا مجموعة داخلية من التقييمات تستند إلى مهام حقيقية في أبحاث الذكاء الاصطناعي، تشمل تصحيح أخطاء أنظمة البحث، وتحسين النوى (kernels) ووصفات التدريب، وإجراء تجارب تعلّم الآلة، وتحسين نموذج آخر.
قدرة RSI الإجمالية: في حزمة من التقييمات التي تقيس التقدم نحو التطوير الذاتي المتكرر، لاحظنا أن GPT‑5.6 Sol يحقق تحسنًا قدره 16.2 نقطة مقارنةً بـ GPT‑5.5، مما يسرّع الأبحاث الداخلية على نطاق واسع.
مع ازدياد قدرات النموذج، نعزّز منظومة السلامة لدينا كي يظل مستوى الذكاء مفيدًا على نطاق واسع، مع تطبيق قدر أكبر من التدقيق على الاستخدامات ذات المخاطر العالية. وبالنسبة إلى GPT‑5.6، بنينا أقوى نظام سلامة لدينا حتى الآن، مُعايرًا بما يتناسب مع قدرات كل نموذج، ومدعومًا بقدرة حاسوبية أكبر من أي وقت مضى.
تتمتع نماذج GPT‑5.6 بقدرات أعلى من نماذجنا السابقة في كلٍّ من علم الأحياء والأمن السيبراني، لكنها لا تتجاوز عتبة المستوى الحرج في أيٍّ من الفئتين. وفي مجال الأمن السيبراني، تشير اختباراتنا إلى أن GPT‑5.6 أكثر كفاءة في اكتشاف الثغرات ومعالجتها منه في تنفيذ هجمات مستقلة ومتكاملة وموثوقة ضد أهداف محصّنة، مما يمنح فرق الدفاع فرصة لتعزيز الأنظمة قبل استغلال نقاط الضعف. وفي مجال الأحياء، تشير اختباراتنا إلى أن GPT‑5.6 يمكنه دعم الأبحاث المشروعة، لكنه لا يوفّر القدرة الشاملة من البداية إلى النهاية اللازمة لإنشاء تهديد جديد بالغ الخطورة أو هندسته أو تصنيعه.
كلا المجالين مزدوجا الاستخدام بطبيعتهما. ففي الأمن السيبراني، يمكن للقدرات نفسها التي قد تساعد المهاجم على استغلال ثغرة ما أن تساعد المدافع أيضًا على اكتشافها، وإعادة إنتاجها، وبناء حل موثوق لمعالجتها. لذلك، فإن الإفراط في الحظر يخلق بدوره خطرًا أمنيًا مستقلًا؛ إذ قد يمنع المدافعين من اختبار الأنظمة ونشر التصحيحات، بينما يواصل الجهات الخبيثة استخدام نماذج أخرى، بما في ذلك نماذج مفتوحة المصدر تزداد قدرة، إلى جانب الأدوات الراسخة. وتراعي إجراءات الحماية الفعّالة سياق الطلب وعواقبه المحتملة، بما يحافظ على العمل الدفاعي المشروع مع تطبيق ضوابط أقوى عندما تشير الأدلة إلى وجود خطر جسيم بحدوث ضرر.
صُممت إجراءات الحماية في GPT‑5.6 على شكل طبقات متعددة لتحقيق دقة أعلى وتوفير قدر أكبر من التكرار الاحتياطي، مع القدرة على التكيّف بسرعة عند ظهور هجمات جديدة. وتعمل وسائل الحماية المدرَّبة داخل النموذج جنبًا إلى جنب مع الفحوصات الآنية، والمراقبة المستمرة، والإنفاذ على مستوى الحساب، بما يساعد النظام على البقاء آمنًا حتى عندما لا تعمل طبقة معيّنة على النحو المقصود. وفي كثير من الأنظمة، تحدد إشارات المصنِّفات وحدها ما يجب حظره، مع الاعتماد على نماذج ذكاء أقل قدرة يصعب تعديلها لمنع الضرر. أما نهجنا، فيضيف أداة مراقبة قائمة على الاستدلال تراجع المحادثة لتحديد ما إذا كان هناك احتمال لحدوث ضرر. ويهدف هذا التصميم إلى تمكين العمل الدفاعي مع منع إساءة الاستخدام الجسيمة، مع حصر القدرات الأكثر حساسية بالمستخدمين الذين جرى التحقق منهم من خلال Trusted Access. ونظرًا إلى أن بعض وسائل الحماية تستخدم الاستدلال في وقت الاختبار، يمكننا تحديثها بسرعة لسد الثغرات دون الحاجة إلى إعادة تدريب المصنِّفات من الصفر.
نتبع نهجًا أكثر تحفظًا بينما نواصل تعزيز النظام في مواجهة الهجمات التكيفية. فمقارنةً بالنماذج السابقة، تحظر إجراءات الحماية السيبرانية في GPT‑5.6 Sol ما يقرب من 10 أضعاف الأنشطة التي يُحتمل أن تكون ضارة. ونظرًا إلى أن هذه الإجراءات قد تسبّب احتكاكًا في حالات الاستخدام السليم، نوفر في ChatGPT وCodex خيارًا يتيح إعادة محاولة المطالبات بسهولة على نماذج أقل قدرة. وسنواصل تقليل أثر إجراءات الحماية لدينا على الاستخدام السليم، مع الحفاظ على مستوى عالٍ من المتانة. ويعكس ذلك نهجنا في النشر التكراري: البدء بحذر، ثم التحسين بناءً على ما نتعلمه من الاستخدام الواقعي.
قبل الإتاحة العامة، أجرينا أكثر تقييمات السلامة كثافة حتى الآن، بما في ذلك اختبارات واسعة بأسلوب تقييم المخاطر، واختبارات قوية للقدرات وإجراءات الحماية بالتعاون مع خبراء خارجيين، ونحو 700,000 ساعة تشغيل على وحدات معالجة الرسومات A100e GPU ضمن اختبارات تقييم مخاطر آلية بطريقة الصندوق الأسود. وقد أتاح لنا ذلك فحص نقاط الضعف المحتملة بصورة منهجية، وكشف محاولات تجاوز القيود، ومساعدتنا على تعزيز النظام قبل الإطلاق.
لا وجود لما يُسمى بالأمن الكامل، ولا يزال عملنا مستمرًا لتأمين النماذج التي تزداد قدرة. وستُكتشف نقاط ضعف جديدة، كما ستظهر محاولات جديدة لتجاوز القيود والالتفاف على إجراءات الحماية الحالية. كذلك، سيخلق كل جيل جديد من النماذج مسارات جديدة للهجوم وإساءة الاستخدام. ولذلك، نبني أنظمتنا على أساس هذه الحقيقة من خلال إجراءات حماية متعددة الطبقات، ومراقبة مستمرة، ومعالجة سريعة للمشكلات، وتعاون واسع مع مجتمع الدفاع الأمني. بالنسبة إلى GPT‑5.6، أقرنّا برامجنا الحالية لمكافآت اكتشاف الثغرات في الأمن(يفتح في نافذة جديدة) وعلم الأحياء بعملية جديدة للمعالجة السريعة، إلى جانب أقوى جهود المراقبة التي أجريناها حتى الآن. وستُستخدم النتائج الواردة من الباحثين، ومن المراقبة، ومن حالات إساءة الاستخدام في العالم الحقيقي، في تطوير تقييمات جديدة وإجراءات حماية أقوى بصورة مستمرة.
اقرأ المزيد عن آليات الحماية لدينا في بطاقة نظام GPT‑5.6 المحدّثة(يفتح في نافذة جديدة).
تضم عائلة GPT‑5.6 ثلاث فئات من النماذج: Sol، نموذجنا الرائد؛ وTerra، نموذج أقل تكلفة ينافس GPT‑5.5 في الأداء؛ وLuna، أسرع نماذجنا وأكثرها توفيرًا. ويشير الرقم إلى الجيل، بينما تمثل Sol وTerra وLuna فئات قدرات ثابتة يمكن أن تتطور كل منها بوتيرتها الخاصة.
يتوفر نموذج GPT‑5.6 ابتداءً من اليوم عبر ChatGPT وCodex وواجهة OpenAI API: بدأ الطرح عالميًا الآن، وسيستمر تدريجيًا حتى يتوفر بالكامل خلال الساعات الـ 24 القادمة.
- دردشة: يمكن لمستخدمي Plus وPro وBusiness وEnterprise الوصول إلى GPT‑5.6 Sol عبر إعدادات مستوى الجهد المتوسط والجهد العالي. كما يمكن لمستخدمي Pro وEnterprise اختيار GPT‑5.6 Sol Pro للحصول على نتائج بأعلى جودة في المهام المعقدة.
- ChatGPT Work وCodex: يحصل مستخدمو الخطة المجانية وGo على إمكانية الوصول إلى GPT‑5.6 Terra. ويمكن لمستخدمي Plus وPro وBusiness وEnterprise الاختيار من بين GPT‑5.6 Sol وTerra وLuna وتحديد مستوى الجهد لكلٍّ منها.
maxيتوفر لجميع المستخدمين الذين لديهم حق الوصول إلى GPT‑5.6 في ChatGPT Work وCodex، ويمكن تفعيله من الإعدادات. في ChatGPT Work، يتوفرultraلمستخدمي Pro وEnterprise. في Codex، يتوفر لخطط Plus والخطط الأعلى. - API: يمكن للمطورين الوصول إلى Sol وTerra وLuna عبر OpenAI API. وفي Responses API، تتيح إمكانية استدعاء الأدوات برمجيًا لـ GPT‑5.6 كتابة البرامج وتشغيلها في الذاكرة لتنسيق الأدوات ومعالجة النتائج الوسيطة، ما يجعلها متوافقة مع عدم الاحتفاظ بالبيانات (ZDR). تتيح ميزة الوكيل المتعدد، المتوفرة مبدئيًا في الإصدار التجريبي، لـ GPT‑5.6 تشغيل عدة وكلاء فرعيين بالتوازي ودمج نتائج أعمالهم ضمن طلب واحد.
يُسعَّر GPT‑5.6 لكل مليون رمز عبر ثلاثة أحجام من النماذج: Sol بسعر 5 دولارات للمدخلات / 30 دولارًا للمخرجات؛ وTerra بسعر 2.50 دولار للمدخلات / 15 دولارًا للمخرجات؛ وLuna بسعر 1 دولار للمدخلات / 6 دولارات للمخرجات. يقدم GPT‑5.6 أيضًا تخزينًا مؤقتًا للمطالبات أكثر قابلية للتنبؤ، بما في ذلك دعم نقاط فصل صريحة(يفتح في نافذة جديدة) للتخزين المؤقت وحد أدنى لعمر التخزين المؤقت قدره 30 دقيقة. وبالنسبة إلى GPT‑5.6 والنماذج اللاحقة، تُحتسب كتابات التخزين المؤقت بسعر 1.25 ضعف معدل إدخال النموذج غير المخزن مؤقتًا، بينما تستمر قراءات التخزين المؤقت في الحصول على خصم 90% على للمدخلات المخزنة مؤقتًا.
احترافي
| Eval | GPT‑5.6 Sol | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 | Claude Fable 5 | Claude Opus 4.8 | Gemini 3.1 Pro (معاينة) | Gemini 3.5 Flash | |||||||
| Agents' Last Exam | 52.7% | 50.4% | 50.3% | 46.9% | 40.5% | 45.2% | 32.1% | — | |||||||
| GDPval-AA v2 | 1747,8 Elo | 1,593 Elo | 1,591.8 Elo | 1,493.7 Elo | 1,759.6 Elo | 1,600.1 Elo | 962.3 Elo | 1,348.8 Elo | |||||||
| مهام الاستشارات الإدارية (داخلية) | 43 | 2% | 37 | 2% | 35 | 4% | 31 | 3% | 35 | 5% | 31 | 6% | 13 | 2% | — |
| معيار Big Finance Bench | 53% | 51% | 36% | 49% | — | 44% | — | — | |||||||
| مؤشر مستوى الذكاء من Artificial Analysis v4 | 1 درجة المؤشر | 55 درجة المؤشر | 51 | 2 درجة المؤشر | 54 | 8 درجة المؤشر | 59 | 9 درجة المؤشر | 55 | 7 درجة المؤشر | 46 | 5 درجة المؤشر | 50 | 2 درجة المؤشر |
البرمجة
| Eval | GPT‑5.6 Sol | GPT‑5.6 Sol Ultra | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 | Claude Mythos 5 | Claude Mythos (معاينة) | Claude Fable 5 | Claude Opus 4.8 | Gemini 3.1 Pro (معاينة) | ||||||
| مؤشر وكيل الترميز من Artificial Analysis v1.1 | 80 درجة المؤشر | — | 77 | 4 درجة المؤشر | 74 | 6 درجة المؤشر | 76 | 4 درجة المؤشر | — | — | 77 | 2 درجة المؤشر | 72 | 5 درجة المؤشر | 42 | 7 درجة المؤشر |
| SWE-Bench Pro،64 | 6%—63 | 4%،62 | 7%،59 | 4%،80 | 3%،77 | 8%،80%،69 | 2%،54 | 2% | ||||||||
| DeepSWE v1.1،72 | 7%—69 | 6%،67 | 2%،67%——،69 | 7%،59%،11 | 8% | |||||||||||
| Terminal-Bench 2.1 | 88.8% | 91.9% | 87.4% | 84.7% | 85.6% | 88% | — | 83.1% | 78.9% | 70.7% |
السلامة
| Eval | GPT‑5.6 Sol | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 | GPT‑5.4 | Claude Opus 4.8 | Claude Mythos 5 | Claude Mythos Preview |
| Healthbench Professional | 60.5% | 57.7% | 55.7% | 51.8% | 48.1% | 52.6% | 66% | 64.7% |
استخدام الحاسوب
| Eval | GPT‑5.6 Sol | GPT‑5.6 Sol Ultra | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 | Claude Mythos 5 | Claude Mythos (معاينة) | Claude Opus 4.8 | Gemini 3.1 Pro (معاينة) |
| OSWorld 2.0 | 62.6% | — | 50.2% | 45.6% | 47.5% | — | — | 54.8% | — |
| BrowseComp | 90.4% | 92.2% | 87.5% | 83.3% | 84.4% | 88% | 87.9% | 84.3% | 85.9% |
| BenchCAD | 70.6% | — | 62.3% | 63.1% | 44.4% | 38.4% | 35.5% | 27.3% | — |
| BenchCAD (أداة Python) | 83.4% | — | 78.2% | 73.9% | 55.8% | 65% | 61% | 51.8% | — |
الأمن السيبراني
| Eval | GPT‑5.6 Sol | GPT‑5.6 Sol Ultra | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 | Claude Mythos 5 | Claude Mythos (معاينة) | Claude Opus 4.8 |
| تحديات Capture-the-Flag | 96.7% | — | 91.8% | 85.2% | 88.1% | — | — | — |
| SEC-Bench Pro | 71.2% | 74.3% | 57.7% | 48.9% | 45.8% | — | — | — |
| ExploitBench | 73.5% | — | 52.9% | 33.2% | 47.9% | 78% | 74.2% | 40% |
| ExploitGym | 33.7% | — | 23.2% | 12.4% | 15.1% | — | — | — |
التطوير الذاتي
| Eval | GPT‑5.6 Sol | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 | ||||
| تقييم تصحيح أخطاء البحث الداخلي | 68 | 3% | 67 | 8% | 50 | 8% | 50% | |
| KernelGen 1P | 61 | 1% | 49 | 2% | 22 | 4% | 29 | 3% |
| NanoGPT | 9 | 69% | 14 | 5% | 1 | 66% | 2 | 65% |
| PostTrainBench Lite | 50 | 3% | 51 | 5% | 29 | 6% | 38 | 8% |
| RSI Index | 57 | 9% | 56 | 3% | 41 | 9% | 41 | 7% |
القدرات متعدّدة الوسائط
| Eval | GPT‑5.6 Sol | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 | Claude Fable 5 | Claude Opus 4.8 | Gemini 3.1 Pro (معاينة) |
| MMMU Pro (no tools) | 83% | 80.7% | 78.4% | 81.2% | — | — | 80.5% |
| MMMU Pro (with tools) | 84.6% | 82% | 79.5% | 83.2% | — | — | — |
| gdp.pdf | 30.7% | 24.7% | 22.7% | 26% | 29.8% | 22.5% | 16.7% |
أكاديمي
| Eval | GPT‑5.6 Sol | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 | Claude Mythos 5 | Claude Mythos (معاينة) | Claude Fable 5 | Claude Opus 4.8 | Gemini 3.1 Pro (معاينة) |
| GPQA Diamond | 94.6% | 92.9% | 92.3% | 93.6% | 94.1% | 94.6% | 92.6% | 92% | 94.3% |
| FrontierMath المستويات 1–3 (v2) | 89% | 84.9% | 78.6% | 85.3% | — | — | 87% | 80% | 59.6% |
| FrontierMath المستوى 4 (v2) | 83% | 68.3% | 58.5% | 72.5% | — | — | 87.8% | 56.1% | — |
استخدام الأدوات
| Eval | GPT‑5.6 Sol | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 | Claude Mythos 5 | Claude Mythos (معاينة) | Claude Fable 5 | Claude Opus 4.8 | Gemini 3.1 Pro (معاينة) | Gemini 3.5 Flash |
| AutomationBench | 18.1% | 15.2% | 14.9% | 12.9% | — | — | 17.4% | 15.5% | — | 14.5% |
| Toolathlon | 58% | 53.1% | 53.4% | 55.6% | 61.7% | 61.1% | 61.7% | 59.9% | 48.8% | — |
السياق الطويل
| Eval | GPT‑5.6 Sol | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 | Claude Mythos 5 | Claude Mythos(معاينة) | Claude Opus 4.8 |
| OpenAI MRCR v2 8-needle 256K-512K | 91.5% | 89.6% | 41.3% | 81.5% | — | — | — |
| OpenAI MRCR v2 8-needle 512K-1M | 73.8% | 72.5% | 41.3% | 74% | — | — | — |
| GraphWalks BFS 256k f1 | 90.7% | 76.9% | 81.3% | 73.7% | 91.1% | 85.7% | 85.9% |
| GraphWalks BFS 1mil f1 | 77.1% | 71.2% | 51.2% | 45.4% | 79.4% | 74.3% | 68.1% |
الاستدلال المجرد
| Eval | GPT‑5.6 Sol | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 | Claude Opus 4.8 | Gemini 3.1 Pro (معاينة) | ||||||
| ARC-الذكاء الاصطناعي العام (AGI)-3⁷ | 7 | 78% | 0 | 8% | 0 | 18% | 0 | 43% | 1 | 5% | 0 | 42% |
المؤلف
الهوامش
1. تُقيَّم القدرات السيبرانية باستخدام تدابير حماية مخفّضة. حيث يمكن للمستخدمين الانضمام إلى برنامج الوصول الموثوق للسيبراني من OpenAI Daybreak لزيادة الوصول إلى قدرات الدفاع السيبراني.
2. تُقيَّم جميع النماذج باستخدام إطار تشغيل ExploitBench API مع 5 بذور واستمرارية الاستدلال.
3. شغّلنا ExploitGym على واجهة API ألفا لدينا، التي تُخرج الاستجابات أسرع من API العامة، ثم أعدنا التحجيم لمطابقة API العامة. وعند إعادة تحجيم أزمنة الاستجابة لتتوافق مع السرعات المتوقعة لواجهة برمجة التطبيقات العامة لدينا، يؤدي ذلك إلى تجاوز بعض أزمنة الاستجابة المقدّرة حدّي الوقت البالغَين ساعتين وست ساعات، رغم الالتزام بهما بشكل صحيح أثناء تشغيل التقييم. للحصول على سرعات أعلى في الأعمال الحساسة للوقت، نوفّر المعالجة ذات الأولوية في واجهة برمجة التطبيقات والوضع السريع في Codex.
4. نقدّر زمن الاستجابة وتكلفة API من خلال النظر إلى سلوك نماذجنا في الإنتاج، وإجراء محاكاة دون اتصال. تراعي هذه التقديرات تفاصيل استدعاءات الأدوات والرموز المأخوذة بالعينة ورموز الإدخال. وقد تختلف النتائج الفعلية اختلافًا كبيرًا، وتعتمد على عوامل كثيرة لا تلتقطها محاكاتنا. نحاكي زمن الاستجابة بسرعات API السريعة، والتكلفة وفق أسعار API العادية.
5. تُعرض النماذج التي لا تتضمن رموز مخرجات أو زمن استجابة أو تكلفة مبلغًا عنها على هيئة خطوط أفقية منقطة.
6. بالنسبة إلى الأنظمة متعددة الوكلاء، يُستمد زمن التأخير من الوكيل الجذر، بينما تشمل إجماليات رمز الإخراج وتكلفة API جميع الرموز. يتم تشغيل Ultra باستخدام أربعة وكلاء.
7. نحسب الدرجات باستخدام منهجية احتساب الدرجات الرسمية الموضحة في ورقة HealthBench Professional، وهي غير قابلة للمقارنة بالنتائج الواردة في بطاقات نظام Anthropic.
8. تم تشغيل ARC-الذكاء الاصطناعي العام (AGI)-3 لـ Opus 4.8 على جهد استدلال عالٍ وليس على الجهد الأقصى، لأن هذه هي نتيجة ARC-الذكاء الاصطناعي العام (AGI)-3 الوحيدة المنشورة.

