Iniciamos una vista previa limitada de la serie GPT‑5.6: Sol, nuestro modelo insignia; Terra, un modelo equilibrado para el trabajo diario; y Luna, un modelo rápido y asequible. Terra ofrece un rendimiento competitivo frente a GPT‑5.5 con un coste 2 veces menor, y Luna aporta una capacidad sólida a nuestro coste más bajo.
GPT‑5.6 Sol se lanza con nuestro conjunto de seguridad más robusto hasta la fecha. Reforzamos las protecciones para actividades de mayor riesgo, solicitudes cibernéticas sensibles y usos indebidos reiterados, y dedicamos varias semanas a encontrar debilidades, someter nuestro sistema a pruebas de presión y endurecerlo frente a ataques reales.
Creemos en el acceso amplio y tenemos previsto 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., adelantamos nuestros planes y las capacidades de los modelos antes del lanzamiento de hoy. A petición suya, empezamos con una vista previa limitada para un pequeño grupo de socios de confianza cuya participación se ha comunicado al Gobierno, antes de un lanzamiento más amplio. Durante esta vista previa, seguiremos realizando pruebas y coordinándonos estrechamente con los socios mientras avanzamos hacia una disponibilidad más amplia. No creemos que este tipo de proceso de acceso gubernamental deba convertirse en la norma a largo plazo. Impide que los usuarios, desarrolladores, empresas, defensores cibernéticos y socios globales que las necesitan accedan a las mejores herramientas. Damos este paso a corto plazo porque creemos que es la vía más sólida hacia una disponibilidad más amplia 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 la fecha. Para ofrecer una vista previa del rendimiento del modelo, compartimos un conjunto de evaluaciones que destacan mejoras en capacidades agentivas en programación, biología y ciberseguridad, con evaluaciones adicionales de seguridad y preparación disponibles en nuestra tarjeta del sistema(se abre en una ventana nueva). Compartiremos un conjunto ampliado de resultados de evaluación cuando pongamos el modelo a disposición general.
Con GPT‑5.6, introducimos un nuevo esfuerzo de razonamiento `max` para dar a Sol el máximo tiempo para razonar en profundidad. Además, introducimos un nuevo modo `ultra` que va más allá de las capacidades de un único agente al aprovechar subagentes para acelerar trabajos complejos.
Para los flujos de trabajo de programación, GPT‑5.6 Sol marca un nuevo referente en Terminal‑Bench 2.1, que prueba flujos de trabajo de línea de comandos que requieren planificación, iteración y coordinación de herramientas.
GPT‑5.6 Sol también muestra mejoras amplias en flujos de trabajo de biología. En GeneBench v1, que evalúa análisis de genómica y biología cuantitativa de largo horizonte, logra resultados más sólidos que GPT‑5.5 usando menos tokens.
GPT‑5.6 Sol es nuestro modelo más capaz hasta ahora para ciberseguridad. Desplaza la frontera entre rendimiento y eficiencia en tareas de seguridad de largo horizonte, incluida la investigación de vulnerabilidades y la explotación. En ExploitBench², GPT‑5.6 Sol es competitivo con Mythos Preview usando solo ~1/3 de los tokens de salida. En ExploitGym(se abre en una ventana nueva)3, un benchmark creado por investigadores de UC Berkeley en colaboración con OpenAI y otros laboratorios de frontera, los modelos GPT‑5.6 Sol, Terra y Luna demuestran mejoras sólidas en capacidades cibernéticas a medida que aumentamos el razonamiento.
Desarrollamos GPT‑5.6 Sol, Terra y Luna con nuestras medidas de seguridad más robustas hasta la fecha, con configuraciones adaptadas a las capacidades de cada modelo. A medida que el modelo gana capacidad, diseñamos medidas de seguridad cada vez más resistentes a la presión adversarial del mundo real, preservando el acceso a trabajos legítimos como revisión de código, investigación de vulnerabilidades, desarrollo de parches, depuración, formación 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 medidas de seguridad, esperamos un beneficio sustancial para el trabajo defensivo legítimo, al tiempo 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 forma fiable. A medida que estas capacidades sigan avanzando, nuestra prioridad es asegurarnos de que lleguen a los defensores y les beneficien, para que puedan usar estas herramientas para encontrar debilidades, desarrollar parches y reforzar sistemas de forma más amplia.
GPT‑5.6 Sol no cruza el umbral Cyber Critical según nuestro Preparedness Framework. 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 probadas. Aun así, los umbrales de los benchmarks no pueden captar todas las formas en que un modelo puede usarse o combinarse con otras herramientas. Esa incertidumbre, junto con el salto más amplio de capacidades del modelo, es la razón por la que combinamos el aumento de capacidades del modelo con medidas de seguridad más sólidas y un lanzamiento por fases. Compartimos más detalles sobre nuestras medidas de seguridad en la tarjeta del sistema de la vista previa de GPT‑5.6(se abre en una ventana nueva).
Ninguna medida de seguridad por sí sola basta frente a un uso indebido decidido o adaptativo. En toda la vista previa de GPT‑5.6 usamos medidas de seguridad por capas, con configuraciones exactas que varían entre modelos, y las sometemos a pruebas de presión frente a ataques reales. Entre ellas se incluyen protecciones entrenadas en el modelo, comprobaciones en tiempo real durante la generación, señales a nivel de cuenta, acceso diferenciado, monitorización, aplicación de normas y pruebas continuas.
GPT‑5.6 se entrena para rechazar asistencia cibernética prohibida, incluso cuando los usuarios intentan disfrazar su intención o hacer jailbreak al modelo. Estas medidas de seguridad a nivel de modelo establecen el primer límite sobre aquello con lo que el modelo debe y no debe ayudar.
Los clasificadores de uso indebido cibernético y biológico en tiempo real proporcionan otra capa al evaluar la salida a medida que se genera. En los 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 las conversaciones relevantes y las señales de riesgo, de acuerdo con nuestros términos y políticas sobre conservación y revisión de contenido. Mirar más allá de una sola conversación ayuda a nuestros sistemas a distinguir el comportamiento malicioso persistente del trabajo de seguridad legítimo de doble uso, donde conceptos técnicos similares pueden aparecer en contextos muy distintos.
En conjunto, estas capas hacen que el enfoque global sea más robusto que cualquier medida de seguridad 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 trabajo defensivo importante sin hacer que las capacidades más sensibles estén ampliamente disponibles por defecto.
Especialmente durante la vista previa, los usuarios pueden encontrarse con medidas de seguridad que bloqueen o rechacen algunas solicitudes. Otras solicitudes pueden tardar más porque la generación se pausa para una revisión adicional. Las medidas de seguridad pueden intervenir ocasionalmente en trabajos legítimos, sobre todo en áreas de doble uso donde la actividad defensiva y ofensiva puede parecer similar al principio.
Eso forma parte de lo que la vista previa está diseñada para probar. Queremos entender no solo si las medidas de seguridad restringen el uso indebido, sino también si los usuarios legítimos pueden seguir completando su trabajo habitual de forma fiable y eficiente. Los comentarios durante la vista previa nos ayudarán a reducir bloqueos y retrasos innecesarios, mejorar la forma en que las medidas de seguridad interpretan el contexto y crear una experiencia más fluida antes de un lanzamiento más amplio.
También trabajamos con clientes empresariales en enfoques a más largo plazo —incluida la detección que preserva la privacidad, controles de seguridad gestionados por el cliente y acceso calibrado al riesgo de un cliente, usuario o carga de trabajo— para mejorar la seguridad y, al mismo tiempo, satisfacer los requisitos de privacidad empresarial.
Las medidas de seguridad también deben seguir siendo eficaces cuando los atacantes adaptan sus tácticas. Una protección que solo funciona frente a un conjunto fijo de ataques conocidos no es lo bastante robusta para un modelo de frontera.
Por eso destinamos más inteligencia y capacidad de cálculo que nunca a la seguridad y utilizamos nuestros propios modelos para detectar vulnerabilidades y reforzar las medidas de seguridad con mayor rapidez. Hemos dedicado el equivalente a más de 700 000 horas de GPU A100 a pruebas automatizadas de red teaming diseñadas para encontrar jailbreaks universales, es decir, ataques capaces de funcionar en una gran variedad de prompts y contextos, y no solo en un caso concreto.Al centrarnos en estos ataques más complejos y generalizables, hemos podido poner a prueba nuestras medidas de seguridad más allá de un conjunto limitado de fallos conocidos. Este enfoque también nos permite explorar muchos más patrones de ataque de los que podrían abarcar las pruebas realizadas únicamente por personas, detectar antes los patrones de fallo y acortar el tiempo que transcurre entre la detección de una vulnerabilidad y su corrección.
Además del red teaming automatizado, trabajamos con evaluadores externos para llevar a cabo un red teaming amplio con expertos humanos, que continuará durante el periodo de vista previa. El red teaming humano complementa el trabajo automatizado al poner a prueba las medidas de seguridad frente a expertos creativos que intentan hacer un uso indebido del modelo de formas que nuestros sistemas quizá no anticipen.
Ninguna evaluación puede representar todas las configuraciones de producto, ataques de varios pasos o flujos de trabajo reales. Por ello mantenemos un proceso de respuesta rápida para reproducir, evaluar, priorizar y remediar los jailbreaks recién descubiertos, y después añadirlos a nuestras evaluaciones continuas para poder probar fallos 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. Tenemos previsto 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 de capacidad duraderos que pueden avanzar a su propio ritmo. En conjunto, la familia ofrece a personas y desarrolladores opciones más claras en inteligencia, velocidad y coste.
GPT‑5.6 tiene precios por 1 M de tokens en tres tamaños de modelo: Sol cuesta 5 $ de entrada / 30 $ de salida; Terra, 2,50 $ de entrada / 15 $ de salida; y Luna, 1 $ de entrada / 6 $ de salida. GPT‑5.6 también introduce un almacenamiento en caché de prompts más predecible, con compatibilidad para puntos de interrupción de caché explícitos 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 en caché siguen recibiendo el descuento del 90 % para entrada en caché.
También lanzaremos GPT‑5.6 Sol en Cerebras con hasta 750 tokens por segundo en julio, llevando inteligencia de frontera a los clientes a una velocidad sin precedentes. El acceso se limitará inicialmente a clientes seleccionados mientras ampliamos la capacidad.
Nos entusiasma seguir aprendiendo de este periodo de vista previa y llevar pronto GPT‑5.6 Sol, Terra y Luna a más personas.
1. Estimamos la latencia y el coste de API observando el comportamiento en producción de nuestros modelos y simulando sin conexión. Estas estimaciones tienen en cuenta los detalles de las llamadas a herramientas, los tokens muestreados y los tokens de entrada. Los resultados reales pueden variar sustancialmente y dependen de muchos factores que no se recogen en nuestra simulación. Simulamos la latencia a velocidades rápidas de API y el coste con los precios habituales de la API.
2. Todos los modelos se evalúan usando el arnés de la API de ExploitBench con 5 semillas y continuidad de razonamiento.
3. Ejecutamos ExploitGym en nuestra API alfa, que genera respuestas más rápido que nuestra API pública, y después reescalamos para igualar 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, aunque se respetaron correctamente en la ejecución de la evaluación. Para obtener velocidades más rápidas 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 coste comunicados se muestran como líneas horizontales de puntos.
