GPT‑5.6: granična inteligencija koja raste s tvojom ambicijom

Nakon našeg ograničenog pretpregleda⁠, uvodimo porodicu modela GPT‑5.6 u opću dostupnost: naš novi vodeći model, Sol, zajedno s modelom Terra, uravnoteženim modelom za svakodnevni rad, i modelom Luna, našim najisplativijim modelom.

GPT‑5.6 Sol postavlja novi standard i za inteligenciju i za efikasnost, postižući vrhunske rezultate u kodiranju, radu zasnovanom na znanju, kibernetičkoj sigurnosti i nauci, dok nadmašuje prethodne i konkurentske granične modele uz manje tokena i po nižem procijenjenom trošku. Rezultat je snažniji učinak po uloženom dolaru: više uspješno obavljenog posla za isti iznos potrošnje ili uporedivi rezultati uz niže ukupne troškove. Također uvodimo novi način za ubrzanje najzahtjevnijeg rada: ultra je naše podešavanje s najvećim mogućnostima, koje koordinira više agenata kroz paralelne tokove rada kako bi složene zadatke završilo brže. Snažnija upotreba računara i prosuđivanje o dizajnu čine GPT‑5.6 Sol je naš najdorađeniji saradnik do sada, pomažući da pregleda, doradi i isporuči rezultate spremne za upotrebu.

Obučili smo GPT‑5.6 da iz svakog tokena izvuče više korisnog rezultata. Na Agents’ Last Exam⁠(otvara se u novom prozoru), evaluaciji dugotrajnih profesionalnih tokova rada u 55 oblasti, GPT‑5.6 Sol postavlja novu visoku od 53,6, nadmašivši Claude Fable 5 (adaptivno rezonovanje) za 13,1 bod. Čak i pri srednjem nivou rezonovanja, nadmašuje Fable 5 za 11,4 poena uz otprilike četvrtinu procijenjenog troška. Ta efikasnost se proteže i na manje modele, koji su ključni za to da inteligencija postane rasprostranjenija i pristupačnija: GPT‑5.6 Terra i GPT‑5.6 Luna nadmašuju Fable 5 uz otprilike jednu šesnaestinu troška. Na indeksu inteligencije umjetne analize⁠(otvara se u novom prozoru), širokoj mjeri inteligencije koja obuhvata agentski rad, kodiranje, naučno rezonovanje i opće sposobnosti, GPT‑5.6 Sol s maksimalnim rezonovanjem dolazi na jedan bod od Fable 5, dok zadatke izvršava za 61% manje vremena, uz otprilike polovinu procijenjenog troška.

GPT‑5.6 izlazi s našim dosad najrobustnijim zaštitnim mjerama, osmišljenim da budu otporne na upornu i prilagodljivu zloupotrebu, bez širokog ograničavanja legitimnog rada. Prije opće dostupnosti, modele i zaštitne mjere podvrgli smo našem do sada najopsežnijem periodu evaluacije, kombinujući ljudski red teaming s automatizovanim testiranjem velikih razmjera. Tokom pretpregledne faze blisko smo sarađivali sa stručnim organizacijama i pouzdanim partnerima kako bismo testirali otpornost odbrambenih mehanizama i ojačali zaštitne mjere prije šireg lansiranja. Rezultirajući sistem slojevito kombinuje zaštitne mjere ugrađene u model tokom obuke s provjerama u stvarnom vremenu, nadzorom i pristupom kalibriranim prema povjerenju i riziku.

GPT‑5.6 Sol je naš najbolji model za kodiranje do sada. Na Artificial Analysis Coding Agent Indexu, GPT‑5.6 Sol s maksimalnim rezonovanjem postavlja novi vrhunski rezultat od 80, 2,8 bodova više od Fablea 5, pri čemu koristi manje od polovine izlaznih tokena, zahtijeva manje od polovine vremena i košta oko trećinu manje. Ta prednost se proteže kroz cijelu porodicu: Terra postiže tek nešto bolji rezultat od Fable 5, dok Luna nadmašuje Opus 4.8; svaka to postiže za otprilike jednu trećinu vremena, uz otprilike upola manje izlaznih tokena i uz približno jednu četvrtinu procijenjenog troška. Također postavlja nove najsavremenije rezultate na Terminal‑Bench 2,1 i DeepSWE, koji testiraju složene tokove rada komandne linije i dugoročno inženjerstvo u stvarnim bazama koda.

GPT‑5.6 može pisati i pokretati lagane programe koji koordiniraju alate, obrađuju međurezultate, prate napredak i biraju sljedeću radnju kako se posao odvija. Ovo omogućava da zadaci koji se uveliko oslanjaju na alate napreduju s manje tokena, manje povratnih poziva modela, i manje usmjeravanja. Umjesto da se od programera zahtijeva da skriptiraju svaki korak ili da svaki odgovor alata prosljeđuju nazad kroz model, Programatsko pozivanje alata⁠(otvara se u novom prozoru) u Responses API-ju može filtrirati velike količine međurezultata, zadržati samo ono što je važno i usput prilagođavati svoj tok rada.

Za probleme kod kojih se isplati veće ulaganje vremena i računarskih resursa, GPT‑5.6 može ići dalje od ove efikasne zadane postavke. max daje GPT‑5.6 još više vremena nego xhigh za rasuđivanje i istraživanje alternativa, pokretanje provjera i revidiranje svog pristupa. ultra ide korak dalje tako što prema zadanim postavkama paralelno koordinira četiri agenta, uz veću upotrebu tokena u zamjenu za bolje rezultate i brže vrijeme do rezultata na zahtjevnim zadacima. Grafikoni u nastavku porede zadanu ultra postavku sa četiri agenta s osnovnom konfiguracijom s jednim agentom na testovima BrowseComp, SEC-Bench Pro i Terminal-Bench 2.1; BrowseComp i SEC-Bench Pro također prikazuju konfiguracije sa 16 agenata. U sve tri evaluacije, dodavanje paralelnih agenata pomjera granicu rezultata i latencije nagore i ulijevo, postižući bolje rezultate za kraće vrijeme. U API-ju, programeri mogu graditi iskustva nalik na ultra koristeći beta verziju za više agenata u Responses API-ju.

GPT‑5.6 donosi značajan iskorak u dizajnerskom rasuđivanju. Samo uz visoke smjernice, GPT‑5.6 stvara estetski dopadljive, ergonomske i funkcionalne interfejse. Njegove naprednije sposobnosti upotrebe računara omogućavaju mu da pregleda i doradi renderirani rezultat — ne samo da generiše osnovni kod ili sadržaj — tako da može uočiti vizuelne i funkcionalne probleme i primijeniti završne dorade prije nego što vrati rad.

Frontend mogućnosti modela GPT‑5.6 također pretvaraju zahtjeve na prirodnom jeziku u dorađena, interaktivna objašnjenja i vizualizacije unutar ChatGPT Posao.

GPT‑5.6 pruža bolje rezultate za profesionalne zadatke. Preuzima nesređeni kontekst iz vaših dokumenata i svakodnevnih radnih tokova kao što su Slack, Notion, Microsoft 365 i Google Drive, te ga pretvara u dijeljive artefakte stručnog nivoa.

Snaga modela GPT‑5.6 u radu zasnovanom na znanju dolazi do izražaja u evaluacijama koje obuhvataju dugoročnu profesionalnu analizu, pregledanje weba, upotrebu alata i upotrebu računara. GPT‑5.6 Sol postavlja nove najsavremenije rezultate na BrowseComp s 92,2% i OSWorld 2.0 s 62,6%; na OSWorldu nadmašuje Opus 4.8 uz korištenje 85% manje izlaznih tokena. Ovdje poboljšanja performansi po dolaru obuhvataju cijelu porodicu GPT‑5.6. Luna se gotovo izjednačava s GPT‑5.5‑ovim vrhunske performanse uz manje od polovine procijenjenog troška, dok ga Terra nadmašuje uz niži trošak.

GPT‑5.6 Sol poboljšava kvalitet prezentacija, dokumenata i proračunskih tabela, stvarajući rezultate koji su dotjeraniji i tačniji. Može kreirati potpuno uređive prezentacije od nule, pretvarajući upit i izvorni materijal u koherentnu vizualnu naraciju sa snažnim rasporedom, hijerarhijom i dizajnom.

Poboljšanje je posebno izraženo pri korištenju predložaka i referentnih prezentacija. GPT‑5.6 može zaključiti sistem dizajna prezentacije—rasporede, tipografiju, razmake, boje i ponavljajuće obrasce sadržaja, uključujući pravila ugrađena u matricu slajda—te dosljedno primijeniti te konvencije na novi materijal. U ovom primjeru, kada se od njega zatraži da ažurira brojeve na osnovu referentne datoteke, u izlazu GPT‑5.5 nedostaju ključne komponente iz master slajda, dok GPT‑5.6 vjernije prati referentnu strukturu.

GPT‑5.6 također stvara vizuelno rafiniranije dokumente i proračunske tabele. Vjernije prati složene formate referenci, što je važno za ponovljive aktivnosti rada sa znanjem. Obrađuje jednačine i finansijske modele s većom preciznošću te bolje koristi tipografiju, razmake, hijerarhiju i raspored stranice ili radnog lista.

Prvi korisnici koji su testirali GPT‑5.6 uočili su poboljšanja u rezultatima rada zasnovanog na znanju u različitim oblastima.

GPT‑5.6 je naš dosad najjači model za kibernetičku sigurnost, koji postiže granične performanse uz znatno manje tokena. Na ExploitBench² -u, koji mjeri napredak od dolaska do ranjivog koda do izvršavanja proizvoljnog koda, postiže rezultat od 73,5% u odnosu na GPT‑5.5‑ov 47,9% pri uporedivom budžetu za izlazne tokene. Na ExploitGymu³, koji od agenata traži da ranjivosti iz stvarnog svijeta pretvore u funkcionalne eksploite, gotovo udvostručuje GPT‑5.5-ov vršna stopa prolaznosti, od 15,1% do 24,9% pod ograničenjem od dva sata; uz šest sati, dostiže 33,7%. Na SEC-Bench Pro, koji testira generisanje dokaza koncepta na složenom softveru, postiže 71,2% u odnosu na GPT‑5.5‑ov 45,8% pri poboljšanoj latenciji.

GPT‑5.6 podržava važne odbrambene zadatke kao što su sigurnosna revizija koda, postavljanje zakrpa, modeliranje prijetnji i plava ekipa. Kvalificirani pojedinci i organizacije u programu pouzdanog pristupa za cyber inicijativu OpenAI Daybreak⁠ mogu pristupiti većem dijelu njegovih odbrambenih mogućnosti zahvaljujući preciznijim zaštitnim mjerama za potvrđeni rad u ovlaštenim okruženjima, uključujući trijažu i validaciju ranjivosti, analizu zlonamjernog softvera, inženjering detekcije i validaciju zakrpa.

Pojedinci mogu potvrditi svoj identitet i zatražiti pouzdani pristup⁠(otvara se u novom prozoru), a organizacije mogu podnijeti zahtjev⁠ za svoje timove. Pojedinačni članovi će morati omogućiti naprednu sigurnost računa⁠(otvara se u novom prozoru) s hardverski podržanim pristupnim ključevima do 1.9. kako bi zadržali pristup našim graničnim modelima s najvećim kibernetičkim sposobnostima, oni koji to ne učine vratit će se na zadani pristup. Korisnici koji još nemaju hardverski podržane pristupne ključeve mogu ostvariti povlaštene cijene⁠(otvara se u novom prozoru) kod našeg partnera, Yubico. Također poduzimamo dodatne korake kako bismo ograničili pristup Visoka rizičnim subjektima i u Visoka rizičnim jurisdikcijama.

GPT‑5.6 Sol također pokazuje široka poboljšanja u naučnim istraživanjima. Na evaluacijama iz oblasti nauka o životu, GPT‑5.6 pokazuje poboljšanja po Paretu u odnosu na GPT‑5.5 u primijenjenoj biologiji, istraživačkim radnim tokovima u naukama o životu i hemiji.

GPT‑5.6 je naš najjači model do sada za ubrzavanje istraživanja umjetne inteligencije. U OpenAI-ju istraživači ga koriste tokom cijelog razvojnog ciklusa: za dijagnosticiranje neuspjeha, optimizaciju sistema za obučavanje, provođenje eksperimenata i tumačenje rezultata. To ubrzanje i snažnije usvajanje već smo vidjeli tokom perioda internog testiranja GPT‑5.6, jer je prosječan dnevni broj izlaznih tokena po aktivnom istraživaču bio više nego dvostruko veći od visoke zabilježene za GPT‑5.5.

Ovakav način rada brzo postaje standard. Tokom proteklih šest mjeseci, udio istraživačkih računarskih resursa posvećen internom izvođenju zaključaka za kodiranje porastao je 100 puta, dok se interna upotreba tokena u agentskim sistemima povećala približno 22 puta. Ove metrike usvajanja same po sebi ne mjere napredak u istraživanju, ali pokazuju koliko brzo pomoć umjetne inteligencije sve više raste u istraživanju i u drugim timovima kao što su prodaja, marketing, korisničke operacije, finansije i drugi.

Da bismo direktno izmjerili ovu sposobnost, razvili smo interni skup evaluacija zasnovanih na stvarnim istraživačkim zadacima iz oblasti UI-ja, uključujući otklanjanje grešaka u istraživačkim sistemima, optimiziranje kernela i recepata za treniranje, izvođenje eksperimenata mašinskog učenja i poboljšavanje drugog modela.

Kako mogućnosti modela rastu, jačamo naš sigurnosni sistem kako bi napredna inteligencija ostala široko korisna, dok se upotrebe s najvećim rizikom podvrgavaju strožijoj provjeri. Za GPT‑5,6 izgradili smo naš najrobustniji sigurnosni sistem do sada, kalibriran prema mogućnostima svakog modela i potpomognut s više računalne snage nego ikada prije.

Modeli GPT‑5.6 su sposobniji od naših ranijih modela i u biologiji i u kibernetičkoj sigurnosti, ali ne prelaze kritični prag ni u jednoj od te dvije kategorije. U kibernetičkoj sigurnosti, naša testiranja sugeriraju da je GPT‑5.6 bolji u pronalaženju i otklanjanju ranjivosti nego u pouzdanom izvođenju autonomnih napada od početka do kraja na dodatno zaštićene ciljeve—što odbrambenim timovima daje priliku da ojačaju sisteme prije nego što slabosti budu iskorištene. U biologiji, naša testiranja ukazuju na to da GPT‑5.6 može podržati legitimna istraživanja, ali ne pruža potpunu sposobnost od početka do kraja potrebnu za stvaranje, konstruiranje ili sintetiziranje veoma opasne nove prijetnje.

Obje domene su po svojoj prirodi dvojne namjene. U kibernetičkoj sigurnosti, iste mogućnosti koje bi napadaču mogle pomoći da iskoristi ranjivost mogu pomoći braniocu da je pronađe, reproducira i izradi pouzdanu ispravku. Pretjerano blokiranje stoga stvara vlastiti sigurnosni rizik. To može spriječiti branioce da testiraju sisteme i implementiraju zakrpe, dok zlonamjerni akteri nastavljaju koristiti druge modele, uključujući sve sposobnije modele otvorenog koda, kao i etablirane alate. Efikasne zaštitne mjere uzimaju u obzir kontekst i vjerovatne posljedice zahtjeva, očuvajući legitiman odbrambeni rad uz primjenu strožih kontrola tamo gdje dokazi ukazuju na ozbiljan rizik od štete.

Zaštitne mjere modela GPT‑5.6 slojevito su postavljene radi veće tačnosti i redundantnosti te su osmišljene da se brzo prilagođavaju kako se pojavljuju novi napadi. Zaštitne mjere ugrađene u model tokom obuke djeluju zajedno s provjerama u stvarnom vremenu, kontinuiranim nadzorom i provođenjem pravila na nivou računa kako bi sistem ostao siguran čak i kada određeni sloj ne funkcioniše kako je predviđeno. U mnogim sistemima, same oznake klasifikatora odlučuju šta blokirati, oslanjajući se na modele niže inteligencije koje je teže mijenjati kako bi se spriječila šteta. Naš pristup dodaje monitor rezonovanja koji pregledava razgovor kako bi utvrdio postoji li mogućnost nanošenja štete. Ovaj dizajn je namijenjen omogućavanju odbrambenog rada uz sprječavanje ozbiljne zloupotrebe, pri čemu su najosjetljivije mogućnosti rezervisane za verifikovane korisnike putem Trusted Accessa. Budući da neke zaštitne mjere koriste rezonovanje u vrijeme testiranja, možemo ih brzo ažurirati kako bismo otklonili propuste bez ponovnog obučavanja klasifikatora od nule.

Primjenjujemo konzervativniji pristup dok nastavljamo jačati sistem protiv adaptivnih napada. U poređenju s prethodnim modelima, naš GPT‑5.6 Sol kibernetičke zaštitne mjere blokiraju otprilike deset puta više potencijalno štetnih aktivnosti. Budući da ove mjere mogu stvoriti prepreke dobronamjernoj upotrebi, u ChatGPT‑u i Codexu nudimo opciju za jednostavno ponovno pokušavanje s upitima na modelima nižih sposobnosti, a nastavit ćemo smanjivati utjecaj naših zaštitnih mjera na dobronamjernu upotrebu, uz održavanje Visoka standarda robusnosti. Ovo odražava naš iterativni pristup uvođenju: počinjemo oprezno i poboljšavamo na osnovu onoga što naučimo iz upotrebe u stvarnom okruženju.

Prije opće dostupnosti proveli smo naše najintenzivnije sigurnosne evaluacije do sada, uključujući opsežan red teaming, robusno testiranje sposobnosti i zaštitnih mjera s vanjskim stručnjacima te približno 700.000 A100e GPU-sati automatiziranog red teaminga po principu crne kutije. To nam je omogućilo da sistematski ispitamo vjerovatne slabe tačke, otkrijemo probijanja zaštite (jailbreak) i ojačamo sistem prije lansiranja.

Ne postoji savršena sigurnost, a naš rad na zaštiti sve sposobnijih modela se nastavlja. Otkrivat će se nove slabosti, kao i novi jailbreak koji zaobilaze postojeće zaštitne mjere. Svaka nova generacija modela također će stvoriti nove mogućnosti za napade i zloupotrebu. Gradimo s tom stvarnošću na umu, kroz višeslojne zaštitne mjere, kontinuirani nadzor, brzu sanaciju i saradnju unutar odbrambene zajednice. Za GPT‑5.6 uparili smo naše postojeće sigurnosne⁠(otvara se u novom prozoru) i biološke programe nagrađivanja za pronalaženje grešaka⁠ s novim procesom brzog otklanjanja i našim najsnažnijim naporom praćenja do sada. Nalazi istraživača, praćenja i zloupotrebe u stvarnom svijetu kontinuirano će se koristiti za nove evaluacije i snažnije zaštitne mjere.

Pročitaj više o našim zaštitnim mjerama u ažuriranoj kartici sistema GPT‑5.6⁠(otvara se u novom prozoru).

GPT‑5.6 obuhvata tri nivoa modela: Sol, naš vodeći model; Terra, model niže cijene sa performansama konkurentnim modelu GPT‑5.5; i Luna, naš najbrži i najpovoljniji model. Broj označava generaciju, dok su Sol, Terra i Luna postojani nivoi sposobnosti koji mogu napredovati vlastitim tempom.

GPT‑5.6 je od danas dostupan u ChatGPT‑u, Codexu i OpenAI API-ju. Uvođenje sada počinje globalno i nastavit će se postepeno do pune dostupnosti tokom naredna 24 sata.

• Razgovor: Korisnici planova Plus, Pro, Business i Enterprise imaju pristup modelu GPT‑5.6 Sol putem postavki Srednja i Visoka intenziteta. Korisnici planova Pro i Enterprise također mogu odabrati GPT‑5.6 Sol Pro za najkvalitetnije rezultate na složenim zadacima.
• ChatGPT Posao i Codex: Korisnici Free i Go planova imaju pristup GPT‑5.6 Terra. Korisnici planova Plus, Pro, Business i Enterprise mogu birati između GPT‑5.6 Sol, Terra i Luna, te postavite nivo napora za svaki od njih. max je dostupan svim korisnicima koji imaju pristup GPT‑5.6 u ChatGPT Posao i Codex i može se uključiti u postavkama. U ChatGPT Posao, ultra je dostupan korisnicima planova Pro i Enterprise. U Codexu je dostupno korisnicima Plus i viših planova.
• API: Programeri mogu pristupiti Solu, Terri i Luni putem OpenAI API-ja. U Responses API-ju, programsko pozivanje alata omogućava GPT‑5.6 da piše i pokreće programe u memoriji koji koordiniraju alate i obrađuju međurezultate, što ga čini kompatibilnim s politikom bez zadržavanja podataka (ZDR). Multiagent, u početku dostupan u beta verziji, omogućava modelu GPT‑5.6 da pokreće paralelne podagente i objedinjuje njihov rad u jednom zahtjevu.

GPT‑5.6 se naplaćuje po 1M tokena za tri veličine modela: Sol je 5 USD za ulaz / 30 USD za izlaz; Terra je 2,50 USD za ulaz / 15 USD za izlaz; a Luna je 1 USD za ulaz / 6 USD za izlaz. GPT‑5.6 također uvodi predvidljivije keširanje upita, uključujući podršku za jasne tačke prekida keša⁠(otvara se u novom prozoru) i minimalno trajanje keša od 30 minuta. Za GPT‑5.6 i novije modele, upisi u keš naplaćuju se po 1,25 x tarife modela za nekeširani ulaz, dok čitanja iz keša i dalje ostvaruju popust od 90 % za keširani ulaz.