Iniciamos una vista previa limitada de la serie GPT‑5.6: Sol, nuestro modelo insignia; Terra, un modelo equilibrado para el trabajo cotidiano; y Luna, un modelo rápido y asequible. Terra ofrece un rendimiento competitivo frente a GPT‑5.5 y cuesta la mitad, mientras que Luna brinda una capacidad sólida a nuestro costo más bajo.
GPT‑5.6 Sol se lanza con nuestro sistema de seguridad por capas más sólido hasta la fecha. Reforzamos las protecciones para actividades de mayor riesgo, solicitudes sensibles de ciberseguridad y uso indebido repetido, y dedicamos varias semanas a encontrar debilidades, someter nuestro sistema a pruebas de resistencia y fortalecerlo frente a ataques del mundo real.
Creemos en el acceso amplio y planeamos poner GPT‑5.6 Sol, Terra y Luna a disposición general en las próximas semanas. Como parte de nuestra colaboración continua con el gobierno de EE. UU., presentamos un adelanto de nuestros planes y de las capacidades de los modelos antes del lanzamiento de hoy. A solicitud del gobierno, comenzamos con una vista previa limitada para un pequeño grupo de socios de confianza cuyos nombres se compartieron con el gobierno, antes de un lanzamiento más amplio. Durante esta vista previa, seguiremos probando y coordinando estrechamente con estos socios mientras avanzamos hacia una disponibilidad general. No creemos que este tipo de proceso de acceso gubernamental deba convertirse en la norma a largo plazo. Mantiene las mejores herramientas fuera del alcance de usuarios, desarrolladores, empresas, defensores de la ciberseguridad y socios globales que las necesitan. Estamos dando este paso de corto plazo porque creemos que es la forma más sólida de avanzar hacia una disponibilidad general en las próximas semanas, mientras trabajamos con la Administración para desarrollar el marco de la Orden Ejecutiva sobre ciberseguridad y un proceso repetible para futuros lanzamientos de modelos.
GPT‑5.6 Sol es nuestro modelo más potente hasta ahora. Para ofrecer una vista previa del rendimiento del modelo, compartimos un conjunto de evaluaciones que destacan mejores capacidades agénticas en programación, biología y ciberseguridad, con evaluaciones adicionales de seguridad y preparación disponibles en nuestra tarjeta del sistema(se abre en una nueva ventana). Compartiremos un conjunto ampliado de resultados de evaluación cuando pongamos el modelo a disposición general.
Con GPT‑5.6, presentamos un nuevo nivel de esfuerzo de razonamiento `max` para darle a Sol el mayor tiempo posible para razonar en profundidad. Además, presentamos un nuevo modo `ultra` que va más allá de las capacidades de un solo agente al aprovechar subagentes para acelerar tareas complejas.
Para flujos de trabajo de programación, GPT‑5.6 Sol marca un nuevo estándar en Terminal‑Bench 2.1, que evalúa flujos de trabajo en la línea de comandos que requieren planificación, iteración y coordinación de herramientas.
GPT‑5.6 Sol también muestra mejoras significativas en flujos de trabajo de biología. En GeneBench v1, que evalúa análisis de genómica de largo plazo y biología cuantitativa, logra resultados más sólidos que GPT‑5.5 usando menos tokens.
GPT‑5.6 Sol es nuestro modelo más capaz hasta ahora para ciberseguridad. Amplía los límites del equilibrio entre rendimiento y eficiencia para tareas de seguridad de largo plazo, incluidas la investigación de vulnerabilidades y la explotación de vulnerabilidades. En ExploitBench², GPT‑5.6 Sol ofrece un rendimiento comparable al de Mythos Preview usando solo alrededor de un tercio de los tokens de salida. En ExploitGym(se abre en una nueva ventana)3, una prueba de referencia creada por investigadores de UC Berkeley en colaboración con OpenAI y otros laboratorios de vanguardia, los modelos GPT‑5.6 Sol, Terra y Luna muestran mejoras significativas en sus capacidades de ciberseguridad a medida que aumentamos el nivel de razonamiento.
Desarrollamos GPT‑5.6 Sol, Terra y Luna con nuestras protecciones más sólidas hasta la fecha, con configuraciones ajustadas a las capacidades de cada modelo. A medida que el modelo se vuelve más capaz, diseñamos protecciones para que resistan cada vez mejor la presión adversaria del mundo real, al tiempo que preservan el acceso a trabajos legítimos como revisión de código, investigación de vulnerabilidades, desarrollo de parches, depuración, educación en seguridad y pruebas defensivas. Nuestro objetivo es hacer que la actividad ofensiva prohibida sea más difícil, incierta y detectable, sin limitar innecesariamente esos usos beneficiosos. Según nuestra evaluación del modelo y las protecciones, esperamos un beneficio sustancial para el trabajo defensivo legítimo, a la vez que restringimos de forma significativa el uso ofensivo prohibido.
GPT‑5.6 Sol ayuda mejor a las personas a encontrar y corregir vulnerabilidades que a llevar a cabo ataques de extremo a extremo de manera confiable. A medida que estas capacidades sigan avanzando, nuestra prioridad es asegurarnos de que lleguen a los defensores y los beneficien, para que puedan usar estas herramientas a fin de encontrar debilidades, desarrollar parches y fortalecer sistemas de forma más amplia.
GPT‑5.6 Sol no cruza el umbral de ciberseguridad crítica según nuestro Marco de preparación. En evaluaciones con Chromium y Firefox, identificó errores y primitivas de explotación —los componentes básicos de un exploit—, pero no produjo de forma autónoma un exploit funcional de cadena completa en las condiciones evaluadas. Aun así, los umbrales de las pruebas de referencia no pueden capturar todas las formas en que un modelo puede usarse o combinarse con otras herramientas. Esa incertidumbre, junto con el salto más amplio en las capacidades del modelo, es la razón por la que acompañamos el aumento de sus capacidades con protecciones más sólidas y un lanzamiento por fases. Compartimos más detalles sobre nuestras protecciones en la tarjeta del sistema de la vista previa de GPT‑5.6(se abre en una nueva ventana).
Ninguna protección por sí sola es suficiente frente al uso indebido decidido o adaptativo. En toda la vista previa de GPT‑5.6, usamos protecciones en capas, con configuraciones exactas que varían entre modelos, y las sometemos a pruebas de resistencia frente a ataques del mundo real. Estas incluyen protecciones entrenadas en el modelo, verificaciones en tiempo real durante la generación, señales a nivel de cuenta, acceso diferenciado, monitoreo, aplicación de políticas y pruebas continuas.
GPT‑5.6 está entrenado para rechazar asistencia cibernética prohibida, incluso cuando los usuarios intentan ocultar su intención o hacer jailbreak al modelo. Estas protecciones a nivel de modelo establecen el primer límite alrededor de aquello con lo que el modelo debe y no debe ayudar.
Los clasificadores de uso indebido en ciberseguridad y biología en tiempo real aportan otra capa al evaluar la salida a medida que se genera. En casos de mayor riesgo, si detectan una posible infracción, la generación puede pausarse mientras un modelo de razonamiento más grande revisa la conversación y su contexto. Si la salida se evalúa como no permitida, se retiene antes de que llegue al usuario.
La actividad marcada también puede activar una revisión a nivel de cuenta en conversaciones y señales de riesgo relevantes, de acuerdo con nuestros términos y políticas sobre retención y revisión de contenido. Mirar más allá de una sola conversación ayuda a nuestros sistemas a distinguir el comportamiento malicioso persistente del trabajo legítimo de seguridad de doble uso, donde conceptos técnicos similares pueden aparecer en contextos muy distintos.
En conjunto, estas capas hacen que el enfoque general sea más sólido que cualquier protección por sí sola. El comportamiento del modelo reduce la probabilidad de respuestas dañinas, los sistemas en tiempo real pueden intervenir durante la generación, la revisión a nivel de cuenta puede identificar patrones más amplios y el acceso diferenciado preserva el trabajo defensivo importante sin hacer que las capacidades más sensibles estén disponibles de forma amplia por defecto.
Especialmente durante la vista previa, es posible que los usuarios encuentren protecciones que bloqueen o rechacen algunas solicitudes. Otras solicitudes pueden tardar más porque la generación se pausa para una revisión adicional. Las protecciones pueden intervenir ocasionalmente en trabajos legítimos, en particular en áreas de doble uso donde la actividad defensiva y ofensiva puede parecer similar al inicio.
Eso es parte de lo que la vista previa busca probar. Queremos entender no solo si las protecciones restringen el uso indebido, sino también si los usuarios legítimos pueden completar su trabajo normal de forma confiable y eficiente. Los comentarios durante la vista previa nos ayudarán a reducir bloqueos y demoras innecesarias, mejorar cómo las protecciones interpretan el contexto y crear una experiencia más fluida antes del lanzamiento más amplio.
También estamos trabajando con clientes empresariales en enfoques de más largo plazo —incluida la detección que preserva la privacidad, controles de seguridad operados por el cliente y acceso calibrado según el riesgo de un cliente, usuario o carga de trabajo— para impulsar la seguridad y, al mismo tiempo, respaldar los requisitos de privacidad empresarial.
Las protecciones también deben seguir siendo eficaces cuando los atacantes adaptan sus tácticas. Una protección que solo funciona con un conjunto fijo de ataques conocidos no es lo suficientemente sólida para un modelo de vanguardia.
Por eso aplicamos más inteligencia y capacidad de cómputo que nunca a la seguridad. Usamos nuestros propios modelos para encontrar debilidades y reforzar las protecciones con mayor rapidez. Dedicamos más de 700 000 horas de GPU equivalentes a A100 al red teaming automatizado para encontrar jailbreaks universales: ataques que pueden funcionar con muchos prompts o en distintos contextos, no solo en un entorno limitado. Centrarnos en estos ataques más difíciles y generales nos permitió poner a prueba las protecciones más allá de un conjunto fijo de fallas conocidas. También nos permite explorar muchos más patrones de ataque de los que podrían abarcar las pruebas realizadas únicamente por personas, identificar patrones de falla con mayor anticipación y acortar el tiempo entre detectar una debilidad y corregirla.
Además del red teaming automatizado, trabajamos con evaluadores externos para realizar un red teaming exhaustivo con expertos humanos, que continuará durante el período de vista previa. El red teaming humano complementa el trabajo automatizado al probar las protecciones frente a expertos creativos que intentan hacer un uso indebido del modelo de maneras que nuestros sistemas quizá no anticipen.
Ninguna evaluación puede representar todas las configuraciones de producto, los ataques de varios pasos o los flujos de trabajo del mundo real. Por eso mantenemos un proceso de respuesta rápida para reproducir, evaluar, priorizar y remediar los jailbreaks recién descubiertos, y luego agregarlos a nuestras evaluaciones continuas para poder probar fallas similares en el futuro.
Durante la vista previa, los modelos GPT‑5.6 estarán disponibles inicialmente a través de la API y Codex para un grupo selecto de socios y organizaciones de confianza. Planeamos ponerlos pronto a disposición de más personas que usan ChatGPT, Codex y la API.
En este nuevo sistema de nombres introducido con GPT‑5.6, el número identifica la generación de un modelo, mientras que Sol, Terra y Luna identifican niveles duraderos de capacidad que pueden avanzar a su propio ritmo. En conjunto, la familia ofrece a las personas y a los desarrolladores opciones más claras en inteligencia, velocidad y costo.
GPT‑5.6 tiene un precio por cada millón de tokens en tres tamaños de modelo: Sol cuesta USD 5 de entrada/USD 30 de salida; Terra, USD 2.50 de entrada/USD 15 de salida; y Luna, USD 1 de entrada/USD 6 de salida. GPT‑5.6 también introduce un almacenamiento en caché de prompts más predecible, incluido soporte para puntos de interrupción explícitos de caché y una vida mínima de caché de 30 minutos. Para GPT‑5.6 y modelos posteriores, las escrituras en caché se facturan a 1.25 veces la tarifa de entrada sin caché del modelo, mientras que las lecturas de caché siguen recibiendo el descuento del 90 % para entrada en caché.
También lanzaremos GPT‑5.6 Sol en Cerebras a hasta 750 tokens por segundo en julio, llevando inteligencia de vanguardia a los clientes a una velocidad sin precedentes. Al principio, el acceso estará limitado a clientes selectos mientras ampliamos la capacidad.
Nos entusiasma seguir aprendiendo de este período de vista previa y llevar pronto GPT‑5.6 Sol, Terra y Luna a más personas.
1. Estimamos la latencia y el costo de la API observando el comportamiento en producción de nuestros modelos y simulándolo sin conexión. Estas estimaciones tienen en cuenta los detalles de las llamadas a herramientas, los tokens muestreados y los tokens de entrada. Los resultados del mundo real pueden variar sustancialmente y dependen de muchos factores que nuestra simulación no captura. Simulamos la latencia a velocidades rápidas de API y el costo con precios regulares de API.
2. Todos los modelos se evalúan usando el arnés de API de ExploitBench con 5 semillas y continuidad de razonamiento.
3. Ejecutamos ExploitGym en nuestra API alfa, que entrega respuestas más rápido que nuestra API pública, y luego reescalamos los resultados para que coincidieran con nuestra API pública. Al reescalar las latencias a las velocidades esperadas para nuestra API pública, algunas latencias estimadas superan los límites de tiempo de 2 h y 6 h, pese a que se respetaron correctamente en la ejecución de la evaluación. Para obtener mayor velocidad en trabajos sensibles al tiempo, ofrecemos procesamiento prioritario en la API y modo rápido en Codex.
4. Los modelos sin tokens de salida, latencia o costo reportados se grafican como líneas punteadas horizontales.
