We're beginning a limited preview of the GPT‑5.6 series: Sol, our flagship model; Terra, a balanced model for everyday work; and Luna, a fast and affordable model. Terra has competitive performance to GPT‑5.5 while being 2x cheaper and Luna brings strong capability at our lowest cost.
GPT‑5.6 Sol launches with our most robust safety stack to date. We strengthened protections for higher-risk activity, sensitive cyber requests, and repeated misuse, and spent multiple weeks finding weaknesses, pressure-testing our system, and hardening it against real-world attacks.
We believe in broad access, and we plan to make GPT‑5.6 Sol, Terra, and Luna generally available in the coming weeks. As part of our ongoing engagement with the U.S. government, we previewed our plans and the models’ capabilities ahead of today’s launch. At their request, we are starting with a limited preview for a small group of trusted partners whose participation has been shared with the government, before releasing more broadly. During this preview, we will continue testing and coordinating closely with partners as we work toward broader availability. We don’t believe this kind of government access process should become the long-term default. It keeps the best tools from users, developers, enterprises, cyber defenders, and global partners who need them. We are taking this short-term step because we believe it is the strongest path to broader availability in the coming weeks, while we work with the Administration to develop the cyber Executive Order framework and a repeatable process for future model releases.
GPT‑5.6 Sol is our strongest model yet. To give a preview of model performance, we share a set of evaluations highlighting improved agentic capabilities in coding, biology, and cybersecurity, with additional safety and preparedness evaluations available in our system card(يفتح في نافذة جديدة). We will share an expanded suite of evaluation results when we make the model broadly available.
With GPT‑5.6, we’re introducing a new max reasoning effort to give Sol the most time to reason deeply. Additionally, we’re introducing a new ultra mode that goes beyond the capabilities of a single agent by leveraging subagents to accelerate complex work.
For coding workflows, GPT‑5.6 Sol sets a new state of the art on Terminal‑Bench 2.1, which tests command-line workflows requiring planning, iteration, and tool coordination.
GPT‑5.6 Sol also shows broad improvements in biology workflows. On GeneBench v1, which evaluates long-horizon genomics and quantitative-biology analyses, it achieves stronger results than GPT‑5.5 while using fewer tokens.
GPT‑5.6 Sol is our most capable model yet for cybersecurity. It shifts the performance-efficiency frontier for long-horizon security tasks including vulnerability research and exploitation. On ExploitBench², GPT‑5.6 Sol is competitive with Mythos Preview using only ~1/3 of the output tokens. On ExploitGym(يفتح في نافذة جديدة)3, a benchmark created by UC Berkeley researchers in collaboration with OpenAI and other frontier labs, GPT‑5.6 Sol, Terra, and Luna models all demonstrate strong improvements in cyber capabilities as we increase reasoning.
We developed GPT‑5.6 Sol, Terra and Luna with our most robust safeguards to date, with configurations matched to each model’s capabilities. As the model becomes more capable, we design safeguards to increasingly hold up to real-world adversarial pressure while preserving access to legitimate work such as code review, vulnerability research, patch development, debugging, security education, and defensive testing. Our goal is to make prohibited offensive activity more difficult, uncertain, and detectable without unnecessarily limiting those beneficial uses. Based on our assessment of the model and safeguards, we expect substantial benefit for legitimate defensive work, while meaningfully constraining prohibited offensive use.
GPT‑5.6 Sol is better at helping people find and fix vulnerabilities than reliably carrying out end-to-end attacks. As these capabilities continue to advance, our priority is to make sure they reach and benefit defenders, who can use these tools to find weaknesses, develop patches, and strengthen systems more broadly.
GPT‑5.6 Sol does not cross the Cyber Critical threshold under our Preparedness Framework. In evaluations involving Chromium and Firefox, it identified bugs and exploitation primitives—the building blocks of an exploit—but did not autonomously produce a functional full-chain exploit under the conditions tested. Still, benchmark thresholds cannot capture every way a model may be used or combined with other tools. That uncertainty, along with the model’s broader step change in capabilities, is why we are pairing the model’s increased capabilities with stronger safeguards and a phased release. We share more details about our safeguards in the GPT‑5.6 Preview system card(يفتح في نافذة جديدة).
No single safeguard is sufficient against determined or adaptive misuse. Across the GPT‑5.6 preview, we use layered safeguards, with exact configurations varying across models, and pressure-test them for real-world attacks. These include protections trained into the model, real-time checks during generation, account-level signals, differentiated access, monitoring, enforcement, and continued testing.
GPT‑5.6 is trained to refuse prohibited cyber assistance, including when users attempt to disguise their intent or jailbreak the model. These model-level safeguards establish the first boundary around what the model should and should not help with.
Real-time cyber and biology misuse classifiers provide another layer by evaluating output as it is generated. For higher risk cases, if they detect a potential violation, the generation may be paused while a larger reasoning model reviews the conversation and its context. If the output is assessed as disallowed, it is withheld before it reaches the user.
Flagged activity can also trigger account-level review across relevant conversations and risk signals, consistent with our terms and policies around content retention and review. Looking beyond a single conversation helps our systems distinguish persistent malicious behavior from legitimate dual-use security work, where similar technical concepts may appear in very different contexts.
Together, these layers make the overall approach more robust than any one safeguard on its own. Model behavior reduces the likelihood of harmful responses, real-time systems can intervene during generation, account-level review can identify broader patterns, and differentiated access preserves important defensive work without making the most sensitive capabilities broadly available by default.
Especially during the preview, users may encounter safeguards that block or refuse some requests. Other requests may take longer because generation is paused for additional review. Safeguards may occasionally intervene on legitimate work, particularly in dual-use areas where defensive and offensive activity can initially look similar.
That is part of what the preview is designed to test. We want to understand not only whether the safeguards constrain misuse, but whether legitimate users can still complete normal work reliably and efficiently. Feedback during the preview will help us reduce unnecessary blocks and delays, improve how the safeguards interpret context, and create a smoother experience before wider release.
We are also working with enterprise customers on longer-term approaches—including privacy-preserving detection, customer-operated safety controls, and access calibrated to the risk of a customer, user, or workload—to advance safety while supporting enterprise privacy requirements.
يجب أن تظل وسائل الحماية فعّالة أيضًا عندما يكيّف المهاجمون أساليبهم. الحماية التي تنجح فقط مع مجموعة ثابتة من الهجمات المعروفة ليست متينة بما يكفي لنموذج حدودي.
لهذا نخصص للسلامة قدرًا من الذكاء والحوسبة أكبر من أي وقت مضى، مستخدمين نماذجنا لاكتشاف نقاط الضعف وتحسين وسائل الحماية بسرعة أكبر. خصصنا أكثر من 700,000 ساعة GPU مكافئة لـ A100 للاختبار الهجومي الآلي بهدف العثور على كسر حماية شامل: أي هجمات يمكن أن تنجح عبر مطالبات أو سياقات كثيرة، لا في إعداد ضيق واحد فقط. وقد أتاح لنا التركيز على هذه الهجمات الأصعب والأعمّ اختبار وسائل الحماية بما يتجاوز مجموعة ثابتة من الإخفاقات المعروفة. كما يتيح لنا استكشاف أنماط هجوم أكثر بكثير مما يمكن للاختبار البشري وحده تغطيته، وتحديد أنماط الإخفاق في وقت أبكر، وتقليل المسافة بين اكتشاف نقطة ضعف ومعالجتها.
إلى جانب الاختبار الهجومي الآلي، عملنا مع مختبرين من جهات خارجية لإجراء اختبار هجومي بشري واسع النطاق على يد خبراء، وسيستمر ذلك خلال فترة المعاينة. يكمل الاختبار الهجومي البشري العمل الآلي عبر اختبار وسائل الحماية في مواجهة خبراء مبدعين يحاولون إساءة استخدام النموذج بطرق قد لا تتوقعها أنظمتنا.
لا يمكن لأي تقييم أن يمثل كل إعدادات المنتج، أو كل هجوم متعدد الخطوات، أو كل سير عمل في الواقع. لذلك نحافظ على عملية استجابة سريعة لإعادة إنتاج عمليات كسر الحماية المكتشفة حديثًا وتقييمها وترتيب أولوياتها ومعالجتها، ثم نضيفها إلى تقييماتنا المستمرة حتى نتمكن من الاختبار ضد إخفاقات مشابهة مستقبلًا.
خلال المعاينة، ستتوفر نماذج GPT‑5.6 مبدئيًا عبر API وCodex لمجموعة مختارة من الشركاء والمؤسسات الموثوقين. نخطط لإتاحتها على نطاق أوسع قريبًا للأشخاص الذين يستخدمون ChatGPT وCodex وAPI.
في نظام التسمية الجديد هذا الذي قُدّم مع GPT‑5.6، يحدد الرقم جيل النموذج، بينما تحدد Sol وTerra وLuna مستويات قدرة ثابتة يمكن أن تتطور وفق إيقاعها الخاص. وتمنح هذه العائلة الأشخاص والمطورين معًا خيارات أوضح عبر الذكاء والسرعة والتكلفة.
تُسعَّر GPT‑5.6 لكل مليون رمز عبر ثلاثة أحجام من النماذج: Sol بسعر 5 دولارات للإدخال / 30 دولارًا للإخراج؛ وTerra بسعر 2.50 دولار للإدخال / 15 دولارًا للإخراج؛ وLuna بسعر 1 دولار للإدخال / 6 دولارات للإخراج. تقدم GPT‑5.6 أيضًا تخزينًا مؤقتًا للمطالبات أكثر قابلية للتنبؤ، بما في ذلك دعم نقاط فصل صريحة للتخزين المؤقت وحد أدنى لعمر التخزين المؤقت قدره 30 دقيقة. بالنسبة 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 الإدخال المخزن مؤقتًا.
نطلق أيضًا GPT‑5.6 Sol على Cerebras بسرعة تصل إلى 750 رمزًا في الثانية في يوليو، لنقدم ذكاءً حدوديًا للعملاء بسرعة غير مسبوقة. سيكون الوصول في البداية محدودًا لعملاء محددين بينما نوسّع السعة.
نحن متحمسون لمواصلة التعلم من فترة المعاينة هذه، ولإتاحة GPT‑5.6 Sol وTerra وLuna لمزيد من الأشخاص قريبًا.
1. 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. قد تختلف النتائج الفعلية اختلافًا كبيرًا، وتعتمد على عوامل كثيرة لا تلتقطها محاكاتنا. نحاكي زمن الاستجابة بسرعات API السريعة، والتكلفة وفق أسعار API العادية.
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. عند إعادة تحجيم أزمنة الاستجابة إلى السرعات المتوقعة لـ API العامة، يؤدي ذلك إلى تجاوز بعض أزمنة الاستجابة المقدرة حدود الوقت البالغة ساعتين و6 ساعات، رغم الالتزام بها بشكل صحيح في تشغيل التقييم. للحصول على سرعات أعلى للأعمال الحساسة للوقت، نوفر المعالجة ذات الأولوية في API والوضع السريع في Codex.
4. تُعرض النماذج التي لا تتضمن رموز مخرجات أو زمن استجابة أو تكلفة مبلغًا عنها على هيئة خطوط أفقية منقطة.
