GPT‑5.6: Intel·ligència d’avantguarda que escala amb la teva ambició

Llancem la família de models GPT‑5.6 amb disponibilitat general després de la nostra versió preliminar limitada⁠: el nostre nou model insígnia, Sol, juntament amb Terra, un model equilibrat per a la feina del dia a dia, i Luna, el nostre model més eficient en costos.

GPT‑5.6 Sol marca un nou estàndard tant en intel·ligència com en eficiència, amb resultats d’última generació en programació, treball del coneixement, ciberseguretat i ciència, alhora que supera els models d’avantguarda anteriors i competidors amb menys segments i a un cost estimat inferior. El resultat és un rendiment per dòlar més alt: més feina completada amb èxit amb la mateixa despesa, o resultats comparables amb un cost total inferior. També introduïm una nova manera d’accelerar les feines més exigents: ultra és la nostra configuració de màxima capacitat, que coordina diversos agents en fluxos de treball paral·lels per completar tasques complexes més ràpidament. Un ús de l'ordinador i un criteri de disseny més sòlids fan que GPT‑5.6 Sol sigui el nostre col·laborador més perfeccionat fins ara, ajudant a inspeccionar, perfeccionar i oferir resultats a punt per utilitzar.

Hem entrenat GPT‑5.6 per obtenir més rendiment útil de cada segment. A Agents’ Last Exam⁠(s'obre en una finestra nova), una avaluació de fluxos de treball professionals de llarga durada en 55 àmbits, GPT‑5.6 Sol estableix una nova alta de 53,6, eclipsant Claude Fable 5 (raonament adaptatiu) per 13,1 punts. Fins i tot amb raonament mitjà, supera Fable 5 per 11,4 punts a aproximadament una quarta part del cost estimat. Aquesta eficiència s’estén als models més petits, que són essencials per fer que la intel·ligència sigui més abundant i assequible: GPT‑5.6 Terra i GPT‑5.6 Luna superen Fable 5 a aproximadament una setzena part del cost. A l’ índex d’intel·ligència d’Artificial Analysis⁠(s'obre en una finestra nova), una mesura àmplia de la intel·ligència que abasta el treball agentiu, la programació, el raonament científic i les capacitats generals, GPT‑5.6 Sol amb raonament màxim queda a un punt de Fable 5, alhora que completa les tasques en un 61% menys de temps i amb aproximadament la meitat del cost estimat.

GPT‑5.6 es llança amb les nostres mesures de protecció més robustes fins ara, dissenyades per ser resilients davant d’un ús indegut intencionat i adaptatiu sense limitar de manera generalitzada la feina legítima. Abans de la disponibilitat a nivell general, vam sotmetre els models i les mesures de protecció al nostre període d’avaluació més extens fins ara, combinant activitats d’equip vermell realitzades per persones amb proves automatitzades a gran escala. Durant la fase de previsualització, vam treballar estretament amb organitzacions especialitzades i amb socis de confiança per sotmetre les defenses a proves d’estrès i reforçar les mesures de protecció abans d’un llançament més ampli. El sistema resultant aplica en capes les proteccions incorporades al model durant l’entrenament amb comprovacions en temps real, monitoratge i un accés calibrat segons la confiança i el risc.

GPT‑5.6 Sol és el nostre millor model de programació fins ara. A l'Artificial Analysis Coding Agent Index, GPT‑5.6 Sol amb raonament màxim estableix un nou màxim a 80, 2,8 punts per sobre de Fable 5, alhora que utilitza menys de la meitat dels segments de sortida, triga menys de la meitat del temps i costa aproximadament un terç menys. Aquest avantatge s’estén a tota la família: Terra supera per poc Fable 5, mentre que Luna supera Opus 4.8; cadascun ho fa en aproximadament un terç del temps, amb aproximadament la meitat de segments de sortida i a aproximadament una quarta part del cost estimat. També estableix nous resultats capdavanters a Terminal‑Bench 2.1 i DeepSWE, que posen a prova fluxos de treball complexos de línia d’ordres i enginyeria a llarg termini en bases de codi reals.

GPT‑5.6 pot escriure i executar programes lleugers que coordinen eines, processen resultats intermedis, supervisen el progrés i trien l’acció següent a mesura que avança la feina. Això permet que les tasques amb un ús intensiu d’eines avancin amb menys segments, menys cicles d’anada i tornada amb el model i menys orientació. En comptes d’exigir als desenvolupadors que programin cada pas mitjançant scripts o de fer passar cada resposta de l'eina un altre cop pel model, la crida programàtica d’eines⁠(s'obre en una finestra nova) a l’API de Responses pot filtrar grans quantitats de dades intermèdies, conservar només allò que importa i adaptar el seu flux de treball sobre la marxa.

Per als problemes que recompensen una inversió més gran de temps i recursos de còmput, GPT‑5.6 pot anar més enllà d’aquesta configuració predeterminada eficient. max dona a GPT‑5.6 encara més temps que xhigh per raonar i explorar alternatives, executar comprovacions i revisar el seu enfocament. ultra va més enllà coordinant quatre agents en paral·lel per defecte, a canvi d’un ús més elevat de segments per obtenir resultats més sòlids i un temps fins al resultat més ràpid en tasques exigents. Els gràfics següents comparen la configuració predeterminada de quatre agents d’Ultra amb una configuració d’un agent a BrowseComp, SEC-Bench Pro i Terminal-Bench 2.1; BrowseComp i SEC-Bench Pro també mostren configuracions de 16 agents. En les tres avaluacions, afegir agents paral·lels desplaça la d'avantguarda puntuació-latència cap amunt i cap a l’esquerra, assolint resultats més sòlids en menys temps. A l’API, els desenvolupadors poden crear experiències semblants a Ultra mitjançant la beta multiagent de la Responses API.

GPT‑5.6 aporta un salt qualitatiu en el criteri de disseny. Amb només indicacions d’alt nivell, GPT‑5.6 crea interfícies de bon gust, ergonòmiques i funcionals. Les seves capacitats més potents d’ús de l’ordinador li permeten inspeccionar i perfeccionar el resultat renderitzat —no només generar el codi o el contingut subjacent—, de manera que pot detectar problemes visuals i funcionals i aplicar els retocs finals abans de retornar la feina.

Les capacitats del frontend de GPT‑5.6 també transformen les sol·licituds en llenguatge natural en explicacions i visualitzacions interactives i polides dins de ChatGPT Treballar.

GPT‑5.6 ofereix millors resultats per a tasques professionals. Agafa el context dispers dels teus documents i dels fluxos de treball quotidians, com ara Slack, Notion, Microsoft 365 i Google Drive, i el converteix en artefactes de nivell expert que es poden compartir.

La fortalesa de GPT‑5.6 en el treball del coneixement es fa evident en avaluacions que abasten l’anàlisi professional de llarg termini, la navegació, l’ús d’eines i l’ús d’ordinadors. GPT‑5.6 Sol estableix nous resultats d’avantguarda a BrowseComp amb un 92,2 % i a OSWorld 2.0 amb un 62,6 %; a OSWorld, supera Opus 4.8 tot fent servir un 85 % menys de segments de sortida. Aquí, els guanys de rendiment per dòlar s’amplien a tota la família GPT‑5.6. Luna gairebé iguala el rendiment màxim de GPT‑5.5 rendiment màxim a menys de la meitat del cost estimat, mentre que Terra el supera amb un cost inferior.

GPT‑5.6 Sol millora la qualitat en presentacions, documents i fulls de càlcul, i produeix resultats més polits i precisos. Pot crear presentacions completament editables des de zero, transformant una indicació i el material d’origen en una narrativa visual coherent amb maquetacions, jerarquia i disseny sòlids.

La millora és especialment notable quan se segueixen plantilles i presentacions de referència. GPT‑5.6 pot inferir el sistema de disseny d’una presentació —formats, tipografia, espaiat, colors i patrons de contingut recurrents, incloses les regles integrades a la plantilla de diapositives— i aplicar aquestes convencions de manera coherent al material nou. En aquest exemple, quan se li demana que actualitzi els números a partir d’un fitxer de referència, a la sortida de GPT‑5.5 hi falten components clau de la plantilla de diapositives, mentre que GPT‑5.6 segueix l’estructura de referència amb més fidelitat.

GPT‑5.6 també crea documents i fulls de càlcul més refinats visualment. Segueix formats de referència complexos amb més fidelitat, cosa que és important per a activitats de treball del coneixement reproduïbles. Gestiona equacions i models financers amb més precisió, i aprofita millor la tipografia, l’espaiat, la jerarquia i la disposició de pàgina o de full de càlcul.

Els primers clients que van provar GPT‑5.6 van observar millores en els resultats del treball del coneixement en diversos àmbits.

GPT‑5.6 és el nostre model de ciberseguretat més potent fins ara, i assoleix un rendiment d’avantguarda amb un nombre significativament menor de segments. A ExploitBench^2, que mesura el progrés des d’arribar a codi vulnerable fins a l’execució arbitrària de codi, obté una puntuació del 73,5 % en comparació amb la de GPT‑5.5 47,9 % amb un pressupost comparable de segments de sortida. A ExploitGym³, que demana als agents que converteixin vulnerabilitats del món real en exploits funcionals, gairebé duplica el percentatge màxim d'encert de GPT‑5.5, percentatge màxim d'encert, del 15,1 % al 24,9 % amb el límit de dues hores; amb sis hores, arriba al 33,7 %. A SEC-Bench Pro, que avalua la generació de proves de concepte en programari complex, obté un 71,2 % en comparació amb el de GPT‑5.5 45,8 % amb una latència millorada.

GPT‑5.6 admet tasques defensives importants, com ara la revisió segura del codi, l’aplicació de pedaços, el modelatge d’amenaces i l’equip blau. Les persones i organitzacions qualificades del programa OpenAI Daybreak’s Trusted Access for Cyber⁠ poden accedir a més capacitat defensiva mitjançant salvaguardes més precises per al treball verificat en entorns autoritzats, inclosos el triatge i la validació de vulnerabilitats, l’anàlisi de programari maliciós, l’enginyeria de detecció i la validació de pegats.

Les persones poden verificar la seva identitat i sol·licitar accés de confiança⁠(s'obre en una finestra nova), i les organitzacions poden sol·licitar⁠ per als seus equips. Els membres individuals hauran d’habilitar la seguretat avançada del compte⁠(s'obre en una finestra nova) amb claus d’accés amb suport de maquinari abans de l’1 de setembre per conservar l’accés als nostres models d’avantguarda més cibernètics; qui no ho faci tornarà a l’accés predeterminat. Si encara no tens claus d’accés amb suport de maquinari, pots obtenir preus preferents⁠(s'obre en una finestra nova) del nostre soci, Yubico. També estem prenent mesures addicionals per restringir l’accés a entitats d’alt risc i en jurisdiccions d’alt risc.

GPT‑5.6 Sol també mostra millores generalitzades en la recerca científica. En les avaluacions de ciències de la vida, GPT‑5.6 demostra millores de Pareto respecte de GPT‑5.5 en fluxos de treball reals de recerca en biologia, ciències de la vida i química.

GPT‑5.6 és el nostre model més potent fins ara per accelerar la recerca en IA. A OpenAI, els investigadors l’utilitzen al llarg de tot el cicle de desenvolupament: diagnosticar fallades, optimitzar sistemes d’entrenament, executar experiments i interpretar resultats. Ja vam observar aquesta acceleració i una adopció més intensa durant el període de proves internes de GPT‑5.6, ja que la mitjana diària de segments de sortida per investigador actiu va ser més del doble del nivell més alt observat per a GPT‑5.5.

Aquesta manera de treballar s’està convertint ràpidament en l’estàndard. Durant els darrers sis mesos, la proporció de capacitat de càlcul de recerca dedicada a la inferència interna per a codificació es va multiplicar per 100, mentre que l’ús intern de segments agèntics es va multiplicar aproximadament per 22. Aquestes mètriques d’adopció no mesuren per si soles el progrés de la recerca, però mostren amb quina rapidesa està augmentant l’ús de l’assistència d’IA per a la recerca i en altres equips, com ara vendes, màrqueting, operacions d’usuari, finances i més.

Per mesurar directament aquesta capacitat, hem desenvolupat un conjunt intern d’avaluacions basades en tasques reals de recerca en IA, inclosos la depuració de sistemes de recerca, l’optimització de nuclis i receptes d’entrenament, l’execució d’experiments d’aprenentatge automàtic i la millora d’un altre model.

A mesura que augmenten les capacitats del model, reforcem la nostra pila de seguretat perquè la intel·ligència avançada pugui continuar sent àmpliament útil, alhora que apliquem un escrutini més gran als usos de més alt risc. Per a GPT‑5.6, hem creat el nostre sistema de seguretat més robust fins ara, calibrat segons les capacitats de cada model i impulsat per més còmput que mai.

Els models GPT‑5.6 tenen més capacitats que els nostres models anteriors tant en biologia com en ciberseguretat, però no superen el llindar crític en cap de les dues categories. En ciberseguretat, les nostres proves suggereixen que GPT‑5.6 és millor a l’hora de trobar i corregir vulnerabilitats que no pas a dur a terme de manera fiable atacs autònoms d’extrem a extrem contra objectius reforçats—, cosa que dona als defensors l’oportunitat d’enfortir els sistemes abans que se n’explotin les febleses. En biologia, les nostres proves suggereixen que GPT‑5.6 pot donar suport a la recerca legítima, però no proporciona la capacitat integral de principi a fi necessària per crear, dissenyar o sintetitzar una nova amenaça altament perillosa.

Tots dos àmbits són inherentment de doble ús. En ciberseguretat, les mateixes capacitats que podrien ajudar un atacant a explotar una vulnerabilitat poden ajudar un defensor a trobar-la, reproduir-la i crear una correcció fiable. Per tant, el bloqueig excessiu crea un risc de seguretat propi. Pot impedir que els defensors provin sistemes i despleguin pedaços mentre els actors maliciosos continuen utilitzant altres models, inclosos models de codi obert cada cop més capaços, així com eines consolidades. Les salvaguardes eficaces tenen en compte el context i les conseqüències probables d’una sol·licitud, preservant el treball defensiu legítim alhora que apliquen controls més estrictes quan les proves indiquen un risc greu de dany.

Les salvaguardes de GPT‑5.6 estan estructurades en capes per oferir més precisió i redundància, i estan dissenyades per adaptar-se ràpidament a mesura que apareixen nous atacs. Les proteccions incorporades al model durant l’entrenament funcionen conjuntament amb comprovacions en temps real, supervisió contínua i aplicació de polítiques a nivell de compte, per ajudar que el sistema es mantingui segur fins i tot quan una capa concreta no funciona segons estava previst. En molts sistemes, les marques del classificador per si soles determinen què s’ha de bloquejar, basant-se en models d’intel·ligència inferior que són més difícils de modificar per evitar danys. El nostre enfocament incorpora un monitor de raonament que revisa la conversa per determinar si hi ha un risc potencial de causar dany. Aquest disseny està pensat per permetre tasques defensives alhora que bloqueja l’ús indegut greu, amb les capacitats més sensibles reservades als usuaris verificats mitjançant Trusted Access. Com que algunes proteccions fan servir raonament en temps de prova, podem actualitzar-les ràpidament per corregir llacunes sense tornar a entrenar classificadors des de zero.

Estem adoptant un enfocament més conservador a mesura que continuem reforçant el sistema contra atacs adaptatius. En comparació amb els models anteriors, les nostres salvaguardes cibernètiques de GPT‑5.6 Sol bloquegen aproximadament deu vegades més activitat potencialment nociva. Com que aquestes mesures poden crear fricció per a l’ús no maliciós, oferim una opció a ChatGPT i Codex per tornar a provar fàcilment les indicacions amb models de menor capacitat, i continuarem reduint l’impacte de les nostres salvaguardes sobre l’ús no maliciós tot mantenint un llistó alt de robustesa. Això reflecteix el nostre enfocament de desplegament iteratiu: començar de manera conservadora i millorar a partir del que aprenem de l’ús en entorns reals.

Abans de la disponibilitat general, vam dur a terme les nostres avaluacions de seguretat més intensives fins ara, incloses activitats exhaustives d’equip vermell, proves robustes de capacitats i salvaguardes amb experts externs, i aproximadament 700.000 hores de GPU A100e d’activitats automatitzades d’equip vermell de caixa negra. Això ens va permetre sondejar sistemàticament els possibles punts febles, posar al descobert evasions de proteccions de seguretat i ajudar-nos a reforçar el sistema abans del llançament.

No existeix la seguretat perfecta, i la nostra feina per protegir models cada cop més capaços continua. Es descobriran noves vulnerabilitats, així com noves evasions de proteccions de seguretat que eludeixen les salvaguardes existents. Cada nova generació de models també crearà noves vies d’atac i d’ús indegut. Desenvolupem pensant en aquesta realitat mitjançant proteccions per capes, supervisió continuada, remediació ràpida i col·laboració arreu de la comunitat defensiva. Per a GPT‑5.6, hem combinat els nostres programes Bug Bounty de seguretat existents⁠(s'obre en una finestra nova) i programes Bug Bounty de biologia⁠ amb un nou procés de remediació ràpida i el nostre esforç de supervisió més sòlid fins ara. Les conclusions dels investigadors, de la supervisió i de l’ús indegut en el món real serviran de base per a noves avaluacions i salvaguardes més robustes de manera continuada.

Llegeix més informació sobre les nostres mesures de protecció a la fitxa del model GPT‑5.6 actualitzada⁠(s'obre en una finestra nova).

GPT‑5.6 abasta tres nivells de model: Sol, el nostre model insígnia; Terra, un model de cost més baix amb un rendiment competitiu amb GPT‑5.5; i Luna, el nostre model més ràpid i més assequible. El número identifica la generació, mentre que Sol, Terra i Luna són nivells de capacitat duradores que poden avançar al seu propi ritme.

GPT‑5.6 està disponible des d’avui a ChatGPT, Codex i l’API d’OpenAI. El desplegament comença ara a escala mundial i continuarà gradualment fins a assolir la disponibilitat completa durant les pròximes 24 hores.

• ChatGPT: Els usuaris de Plus, Business i Enterprise accedeixen a GPT‑5.6 Sol amb les configuracions d’esforç mitjà o superior. Els usuaris Pro i Enterprise també poden seleccionar GPT‑5.6 Sol Pro per obtenir resultats de la més alta qualitat en tasques complexes.
• ChatGPT Treballar i Codex: Els usuaris dels plans Free i Go tenen accés a GPT‑5.6 Terra. Els usuaris de Plus, Pro, Business i Enterprise poden triar entre GPT‑5.6 Sol, Terra i Luna, i establir un nivell d’esforç per a cadascun. max està disponible per a tots els usuaris amb accés a GPT‑5.6 a ChatGPT Treballar i Codex, i es pot activar a la configuració. A ChatGPT Treballar, ultra està disponible per a tu, usuari Pro i Enterprise. A Codex, està disponible per als plans Plus i superiors.
• API: Els desenvolupadors poden accedir a Sol, Terra i Luna a través de l’API d’OpenAI. A l’API de Responses, la crida programàtica d’eines permet que GPT‑5.6 escrigui i executi programes en memòria que coordinen eines i processen resultats intermedis, cosa que la fa compatible amb la retenció de dades nul·la (ZDR). Multiagent, disponible inicialment en versió beta, permet que GPT‑5.6 executi subagents en paral·lel i sintetitzi el treball en una sola sol·licitud.

GPT‑5.6 té un preu per cada milió de segments en tres mides de model: Sol costa 5 $ d’entrada / 30 $ de sortida; Terra, 2,50 $ d’entrada / 15 $ de sortida; i Luna, 1 $ d’entrada / 6 $ de sortida. GPT‑5.6 també introdueix una memòria cau d’indicacions més predictible, amb compatibilitat per a punts de tall de memòria cau⁠(s'obre en una finestra nova) explícits i una vida mínima de la memòria cau de 30 minuts. Per a GPT‑5.6 i models posteriors, les escriptures a la memòria cau es facturen a 1,25 vegades la tarifa d’entrada sense memòria cau del model, mentre que les lectures de memòria cau continuen rebent el descompte del 90% d’entrada en memòria cau.