The builder’s guide to GPT‑5.6

The GPT‑5.6 model family makes frontier-level agent performance dramatically more affordable, while also advancing the frontier of what is possible.

In this guide, we show how startups are using smarter model selection and new API controls that help with reasoning continuity, multi-agent orchestration, and programmatic tool calling to build faster, more capable agents at a fraction of the cost.

Since GPT‑5, each model generation has sought to tackle longer-horizon tasks with fewer tokens. GPT‑5.6 continues that trajectory: stronger agent performance, lower costs, with minimal changes to the underlying harness.

The improvements in top-line cost efficiency are compounded with increased accuracy at lower reasoning efforts. For example, on Agents’ Last Exam, GPT‑5.6 Sol at “low” reasoning outperformed GPT‑5.5 at “high” reasoning when the harness was kept constant. We’ve seen similar success stories in production testing where startups report seeing significant cost improvements across a range of workflows by reducing the reasoning effort from the prior defaults.

Historically, upgrading to a flagship model at the highest reasoning available has been the best option for long-horizon use cases. This has been in large part due to these models being significantly more capable than cost-optimized models at handling longer contexts and tool calling. This has changed with the 5.6-family: with more test-time compute, Luna and Terra can often perform similar to GPT‑5.4 and 5.5 while being significantly cheaper.

Consider tasks in BrowseComp: a search-based benchmark that tests a model’s ability to search for obscure facts. Three months ago, GPT‑5.5 (Extra High) scored 84.36% on this benchmark for a total cost of $33.27. At launch, GPT‑5.6 Luna (Extra High) delivers essentially the same performance, scoring 84.04% at a cost of $1.33. We’ve since reduced prices further. Read more on our latest price cuts.

The smaller 5.6-family models are a strong fit for high-volume workloads, latency-sensitive interactions, and repeated steps within agentic workflows. For example, if you’re operating a legal-tech startup that parses handwritten memos prior to agentic analysis, instead of using a frontier model for the entire use case, you can now use Terra or Luna for extraction and register significant cost savings.

In addition to making GPT‑5.6 more performant out of the box, we also shipped new primitives to the Responses API to unlock further gains. We trained GPT‑5.6 end-to-end with three complementary architectural interventions that enable agents to operate more efficiently:

1. Reuse work already performed: by allowing reasoning to be persisted⁠(otevře se v novém okně) across model turns and using native compaction⁠(otevře se v novém okně) to compress long-running conversations, the model can maintain coherence in its work across longer task horizons without getting confused or having to reconstruct prior context.
2. Parallel decomposition where appropriate: using native multi-agent orchestration⁠(otevře se v novém okně) allows coordinating multiple agents across parallel workstreams to finish complex tasks faster.
3. Move deterministic work into code: using programmatic tool calling⁠(otevře se v novém okně) to filter, aggregate, and orchestrate tool outputs outside the model’s context window, reserving model tokens for judgment and reducing cost, latency, and context rot.

Při společném použití může být rozdíl dramatický. Například v testu ARC-AGI-3 dosáhl GPT‑5.6 Sol se standardním harnessem skóre 13,3 %. Po zapnutí uchovávání uvažování a kompakce však skóre vzrostlo na 38,3 %, přičemž model použil přibližně šestkrát méně výstupních tokenů. Model se nezměnil, ale výkon se téměř ztrojnásobil. Více se dočtete v našem zkoumání harnessu ARC-AGI-3.

Pracovní postupy agentů často zahrnují dva druhy práce:

1. Úlohy vyžadující úsudek
2. Práce spočívající převážně v přesouvání, filtrování a kombinování dat

Když agent získá 100 regulatorních dokumentů, filtruje je podle data a vyhledává relevantní transakce, model by neměl být nucen uvažovat v kontextovém okně nad každým mezivýsledkem. Programové volání nástrojů umožňuje modelu GPT‑5.6 psát JavaScript pro orchestraci nástrojů, spouštět nezávislá volání paralelně a zpracovávat jejich výstupy mimo kontextové okno. Model se tak může soustředit na to, co vyžaduje inteligenci: uplatnění úsudku.

U složitých úloh, které lze zpracovávat paralelně, umožňuje rozdělení akcí a uvažování mezi několik pracovních proudů agentů rychlejší provedení i vyšší inteligenci. V takovém uspořádání hlavní agent orchestruje dílčí agenty a deleguje jim úlohy. Dílčí agenti plní své cíle paralelně a nakonec předají výstupy hlavnímu agentovi k závěrečné syntéze. Týmy mohou nativní podporu více agentů začít využívat zapnutím multiagentního režimu⁠(otevře se v novém okně) v Responses API. Stejným způsobem funguje i nastavení schopností „Ultra“ v ChatGPT.

Přestože GPT‑5.6 dobře odhaduje vhodný počet dílčích agentů i okamžik jejich spuštění, jeho chování v multiagentním režimu je velmi ovladatelné. Pokyny, kdy má model spouštět dílčí agenty, mohou zvýšit pravděpodobnost, že je vytvoří jen v situacích, kdy tato vyšší spotřeba tokenů povede k lepšímu výkonu.

U celé rodiny modelů byla minimální doba platnosti mezipaměti promptů prodloužena na 30 minut a body přerušení mezipaměti lze nyní deterministicky nastavit v kontextovém okně modelu. Startupy tak mohou výrazně zvýšit podíl požadavků obsloužených z mezipaměti.

Vedle nastavení bodů přerušení mezipaměti zvyšuje další používání příslušného klíče prompt_cache_key⁠(otevře se v novém okně) pravděpodobnost, že požadavek zpracuje stejný inferenční modul, který už dříve obsloužil totožný prefix, a tím se sníží latence.

Na těchto příkladech vyniká především to, jak výrazně se změnila ekonomika vývoje agentů.

Případy použití, které dříve v každém kroku vyžadovaly průkopnický model, mohou nyní dosahovat srovnatelných či lepších výsledků za zlomek nákladů díky menším modelům, vyladění míry uvažování a efektivním architektonickým rozhodnutím.

Těšíme se, co všechno vytvoříte!