GPT‑5.6: tipptasemel tehisintellekt, mis kasvab koos sinu ambitsioonidega

Toome pärast piiratud eelvaadet⁠ avalikkuse ette kogu GPT‑5.6 mudeliperekonna: meie uue lipulaeva Sol, tasakaalustatud igapäevatöö mudeli Terra ja meie kõige kulutõhusama mudeli Luna.

GPT‑5.6 Sol seab uue standardi nii nutikuse kui ka tõhususe vallas, saavutades tipptasemel tulemusi programmeerimises, teadmustöös, küberturvalisuses ja teaduses ning edestades varasemaid ja konkureerivaid tipptasemel mudeleid väiksema arvu tokenitega ja madalama hinnangulise kuluga. Tulemuseks on suurem tulemuslikkus iga kulutatud rahaühiku kohta: sama kulusumma eest tehakse rohkem edukat tööd või saavutatakse võrreldavad tulemused väiksema kogukuluga. Me toome välja ka uue viisi kõige nõudlikuma töö kiirendamiseks: ultra on meie kõrgeima võimekusega seadistus, mis koordineerib mitut agenti paralleelsetes töövoogudes, et viia keerulised ülesanded kiiremini lõpule. Parem arvutikasutusoskus ja arenenud disainitaju teevad mudelist GPT‑5.6 Sol meie seni kõige viimistletuma partneri, mis aitab tulemusi kontrollida, täiustada ja kohe kasutusvalmina kohale toimetada.

Treenisime mudelit GPT‑5.6 selliselt, et iga token teeks ära võimalikult palju kasulikku tööd. Võrdlustestis Agents’ Last Exam⁠(avaneb uues aknas), mis hindab pikaajalisi professionaalseid töövooge 55 valdkonnas, saavutab GPT‑5.6 Sol uue kõrgeima tulemuse 53,6, edestades mudelit Claude Fable 5 (kohanduv arutlus) 13,1 punktiga. Isegi keskmise arutlusvõimekuse juures võidab see mudelit Fable 5 tervelt 11.4 punktiga, tehes seda ligikaudu veerandiga hinnangulisest kulust. See tõhusus laieneb ka väiksematele mudelitele, mis on olulised tehisintellekti kättesaadavamaks ja taskukohasemaks muutmisel: GPT‑5.6 Terra ja GPT‑5.6 Luna edestavad mudelit Fable 5 umbes kuueteistkümnendikuga selle kulust. Laiahaardelises nutikuse testis Artificial Analysis Intelligence Index⁠(avaneb uues aknas), mis hindab autonoomsete agentide tööd, programmeerimist, teaduslikku arutlust ja üldvõimekust, jääb maksimaalse arutlusega GPT‑5.6 Sol ühe punkti võrra Fable 5 mudelist maha, kuid täidab ülesanded 61% kiiremini ja ligikaudu poole hinnangulisest kulust.

GPT‑5,6 tuleb välja meie seni kõige tugevamate kaitsemeetmetega, mis on loodud vastupidama sihikindlale ja kohanduvatele väärkasutustele, piiramata samal ajal ulatuslikult õiguspärast tööd. Enne üldkättesaadavust läbisid mudelid ja kaitsemeetmed meie seni kõige põhjalikuma hindamisperioodi, kus ühendasime inimeste läbiviidava lööktestimise suuremahulise automatiseeritud testimisega. Eelvaate etapis tegime tihedat koostööd spetsialiseerunud organisatsioonide ja usaldusväärsete partneritega, et testida süsteemi vastupidavust äärmuslikes tingimustes ning tugevdada turvalisust enne laiemat käivitamist. Nii loodud süsteem kihistab mudelisse treenitud kaitsemeetmed reaalajas kontrollide, seire ning usalduse ja riskitaseme järgi kohandatud juurdepääsuga.

GPT‑5.6 Sol on meie seni parim mudel programmeerimiseks. Koodiagentide suutlikkust hindavas indeksis Artificial Analysis Coding Agent Indexi püstitab maksimaalse arutlusega GPT‑5.6 Sol uue rekordi tulemusega 80 punkti (mis on 2,8 punkti enam kui mudelil Fable 5), kasutades seejuures vähem kui poole väljundtokenite arvust, kulutades vähem kui poole ajast ja makstes umbes kolmandiku vähem. See eelis laieneb kogu mudeliperele: Terra toimib veidi paremini kui mudel Fable 5, samas kui Luna edestab mudelit Opus 4.8; mõlemad teevad seda ligikaudu kolmandiku ajaga, umbes poole väiksema väljundtokenite arvuga ja ligikaudu veerandiga hinnangulisest kulust. See saavutab uued parimad tulemused ka testides Terminal-Bench 2.1 ja DeepSWE, mis panevad proovile keerulised käsurea töövood ja pikaajalise arendustöö reaalsetes koodibaasides.

GPT‑5.6 suudab kirjutada ja käitada kergekaalulisi programme, mis koordineerivad tööriistu, töötlevad vahetulemusi, jälgivad edenemist ning valivad töö käigus järgmise tegevuse. See võimaldab tööriistaderohketel ülesannetel edeneda vähemate tokenite, vähemate mudelipäringute ja vähesema juhendamisega. Selle asemel, et nõuda arendajatelt iga sammu skriptimist või iga tööriista vastuse mudeli kaudu tagasi edastamist, saab Responses API-s programmiline tööriistade kutsumine⁠(avaneb uues aknas) filtreerida suuri vaheandmete hulki, säilitada ainult olulise ja kohandada töövoogu jooksvalt.

Keeruliste probleemide puhul, kus pikem mõtlemisaeg ja suurem arvutusvõimsus end ära tasuvad, suudab GPT‑5.6 minna sellest efektiivsest vaikehäälestusest palju kaugemale. max annab mudelile GPT‑5.6 veelgi rohkem aega kui xhigh, et arutleda, uurida alternatiive, viia läbi kontrolle ja oma lähenemisviisi korrigeerida. ultra läheb veelgi kaugemale, koordineerides vaikimisi paralleelselt nelja agenti, vahetades suurema tokenite kasutuse paremate tulemuste ja nõudlike ülesannete kiirema lahendusaja vastu. Allolevad graafikud võrdlevad ultra vaikimisi nelja agendiga seadistust ühe agendiga baastasemega BrowseComp, SEC-Bench Pro ja Terminal-Bench 2.1 testides; BrowseComp ja SEC-Bench Pro näitavad ka 16 agendiga konfiguratsioone. Kõigis kolmes hindamistestis nihutab paralleelsete agentide lisamine tulemuste ja kiiruse piiri ülespoole ja vasakule, tagades parema kvaliteedi lühema ajaga. API-s saavad arendajad luua ultra-laadseid lahendusi, kasutades Responses API-s olevat mitme agendi beetaversiooni.

GPT‑5.6 toob kaasa olulise sammu disainialases otsustusvõimes. Vaid üldiste juhiste põhjal loob GPT‑5.6 maitsekaid, ergonoomilisi ja funktsionaalseid kasutajaliideseid. Selle parem arvuti kasutamise võimekus võimaldab tal kontrollida ja viimistleda renderdatud tulemust – mitte üksnes genereerida selle aluseks olevat koodi või sisu –, nii et see suudab tuvastada visuaalseid ja funktsionaalseid probleeme ning teha viimased viimistlused enne töö üleandmist.

GPT‑5.6 kasutajaliidese funktsioonid suudavad muuta tavakeeles esitatud päringud viimistletud, interaktiivseteks selgitusteks ja visuaalideks otse ChatGPT Worki töökeskkonnas.

GPT‑5.6 annab professionaalsetes ülesannetes paremaid tulemusi. See võtab sinu dokumentidest ja igapäevastest töövoogudest sellistes rakendustes nagu Slack, Notion, Microsoft 365 ja Google Drive pärit korrastamata konteksti ning muudab selle eksperditasemel jagatavateks materjalideks.

GPT‑5.6 tugevus teadmustöös avaldub hindamistes, mis hõlmavad pikaajalist professionaalset analüüsi, veebisirvimist, tööriistade kasutamist ja arvuti kasutamist. GPT‑5.6 Sol saavutab uued tipptasemel tulemused: BrowseCompis 92,2% ja OSWorld 2.0-s 62,6%; OSWorldis ületab see Opus 4.8-t, kasutades samal ajal 85% vähem väljundtokeneid. Siin ulatuvad jõudluse ja dollari suhte paranemised kogu GPT‑5.6 mudeliperekonnale. Luna saavutab peaaegu GPT‑5.5 tippjõudluse vähem kui poole väiksema hinnaga, samas kui Terra ületab selle veelgi odavamalt.

GPT‑5.6 Sol parandab esitluste, dokumentide ja arvutustabelite kvaliteeti, luues väljundeid, mis on viimistletumad ja täpsemad. See suudab luua täielikult muudetavaid esitlusi nullist, tõlkides viiba ja lähtematerjali ühtseks visuaalseks jutustuseks, millel on tugev paigutus, hierarhia ja kujundus.

Paranemine on eriti ilmselge siis, kui juhindutakse mallidest ja viitematerjalidest. GPT‑5.6 suudab tuletada esitluse kujundussüsteemi – paigutused, tüpograafia, vahekaugused, värvid ja korduvad sisumustrid, sealhulgas juhtslaidi manustatud reeglid – ning rakendada neid tavasid järjepidevalt uuele materjalile. Selles näites, kus palutakse andmeid viitefaili põhjal värskendada, on mudeli GPT‑5.5 väljundist puudu juhtslaidi põhikomponendid, samal ajal kui GPT‑5.6 järgib viitestruktuuri palju täpsemalt.

GPT‑5.6 loob ka visuaalselt viimistletumaid dokumente ja arvutustabeleid. See järgib keerukaid viitamisvorminguid täpsemalt, mis on oluline korratavate teadmiste töö tegevuste jaoks. See töötleb võrrandeid ja finantsmudeleid suurema täpsusega ning kasutab paremini tüpograafiat, vahed, hierarhiat ja lehe või töölehe paigutust.

Esimesed kliendid, kes testisid mudelit GPT‑5.6, märkasid mõttetöö tulemuste paranemist kõigis valdkondades.

GPT‑5.6 on meie seni kõige võimekam küberturvalisuse mudel, mis saavutab tipptasemel jõudluse märkimisväärselt väiksema tokenite arvuga. Võrdlustestis ExploitBench^2, mis mõõdab teekonda haavatava koodi tuvastamisest kuni suvalise koodi käivitamiseni, on selle tulemus 73,5% võrreldes mudeli GPT‑5.5 47,9% tulemusega sarnase väljundtokenite eelarve juures. Võrdlustestis ExploitGym³, kus agendid peavad pärismaailma turvanõrkused toimivateks rünnakukoodideks muutma, kahekordistab see peaaegu mudeli GPT‑5.5 tipptasemel edukuse määra, tõstes selle kahe tunnise piirangu jooksul 15,1% pealt 24,9% peale; kuue tunniga ulatub see juba 33,7% protsendini. Võrdlustestis SEC-Bench Pro, mis testib kontseptsioonitõestuse (PoC) loomist keerukas tarkvaras, on selle tulemus 71,2% võrreldes GPT‑5.5 tulemusega 45,8% parema viiteajaga.

GPT‑5.6 toetab olulisi kaitsetegevusi, nagu turvalise koodi ülevaatus, paikamine, ohumodelleerimine ja kaitserühma operatsioonid. Nõuetele vastavad spetsialistid ja organisatsioonid, kes osalevad OpenAI Daybreaki programmis „Trusted Access for Cyber”⁠, saavad kasutada mudeli laiemaid kaitsevõimekusi tänu täpsemalt kohandatud turvapiirangutele autoriseeritud keskkondades tehtava kontrollitud töö jaoks, mis hõlmab haavatavuste triaaži ja valideerimist, pahavara analüüsi, tuvastussüsteemide arendust ning paikade kontrolli.

Eraisikud saavad tuvastada oma isiku ja taotleda usaldusväärset juurdepääsu⁠(avaneb uues aknas), ning organisatsioonid saavad esitada taotluse⁠ oma meeskondade jaoks. Üksikkasutajad peavad 1. septembriks sisse lülitama täiustatud kontoturbe⁠(avaneb uues aknas) riistvarapõhiste pääsuvõtmetega, et säilitada juurdepääs meie kõige kübervõimekamatele tipptasemel mudelitele; vastasel juhul suunatakse nad tagasi vaikejuurdepääsu tasemele. Kasutajad, kellel ei ole veel riistvarapõhiseid pääsuvõtmeid, saavad meie partnerilt Yubicolt eelishinna⁠(avaneb uues aknas). Astume ka täiendavaid samme, et piirata juurdepääsu kõrge riskiga üksustele ja kõrge riskitasemega jurisdiktsioonides.

GPT‑5.6 Sol näitab samuti laialdast edasiminekut teadusuuringutes. Eluteaduste hindamisel demonstreerib GPT‑5.6 Pareto-mõistes paranemist võrreldes mudeliga GPT‑5.5 reaalses bioloogias, eluteaduste uurimistöö voogudes ja keemias.

GPT‑5.6 on meie seni tugevaim mudel AI-uuringute kiirendamiseks. OpenAI-s kasutavad teadlased seda kogu arendustsükli vältel: tõrgete diagnoosimisel, treeningsüsteemide optimeerimisel, eksperimentide läbiviimisel ja tulemuste tõlgendamisel. Seda kiirenemist ja laialdasemat kasutuselevõttu nägime juba GPT‑5.6 sisemise testimise perioodil, kuna keskmine päevane väljundtokenite arv aktiivse uurija kohta oli üle kahe korra suurem kui GPT‑5.5 puhul täheldatud kõrgeim tase.

Selline tööviis on kiiresti muutumas standardiks. Viimase kuue kuu jooksul, kasvas sisemisele kodeerimisinferentsile pühendatud uurimistöö arvutusressursi osakaal 100-kordseks, samal ajal kui sisemine agentne tokeni kasutus suurenes ligikaudu 22-kordseks. Need kasutuselevõtu näitajad ei mõõda küll teadustöö progressi eraldiseisvalt, kuid need näitavad, kui kiiresti AI-tugi teadustöös ja teistes meeskondades – nagu müük, turundus, klienditugi, finantsid ja paljud teised – tegelikult kasvab.

Selle võimekuse otseseks mõõtmiseks töötasime välja sisemise hindamiskomplekti, mis põhineb tegelikel tehisintellekti uurimisülesannetel, sealhulgas uurimissüsteemide silumisel, kernelite ja treenimisretseptide optimeerimisel, masinõppeeksperimentide läbiviimisel ning teise mudeli täiustamisel.

Mudeli võimekuse kasvades tugevdame ka oma turvameetmete süsteemi, et arenenud tehisintellekt jääks laialdaselt kasulikuks, rakendades samal ajal suuremat tähelepanu kõige kõrgema riskiga kasutusviisidele. Oleme mudeli GPT‑5.6 jaoks loonud oma seni kõige kindlama ohutussüsteemi, mis on kohandatud iga spetsifiilise mudeli võimekusega ning kasutab suuremat arvutusvõimsust kui kunagi varem.

GPT‑5.6‑seeria mudelid on bioloogia ja küberturvalisuse küsimustes küll võimekamad kui meie varasemad tooted, kuid ei ületa kummaski valdkonnas kriitilist ohu lävendit. Küberturvalisuse testis selgus, et GPT‑5.6 on märksa parem turvaaukude leidmises ja parandamises kui hästi kaitstud sihtmärkide vastu iseseisvate rünnakute edukas korraldamises. See annab küberkaitsjatele hea võimaluse süsteeme tugevdada enne, kui nõrkusi hakatakse ära kasutama. Bioloogia valdkonnas näitavad meie katsed, et GPT‑5.6 suudab olla abiks tavapärases teadustöös, kuid ei oma piisavat terviklikku võimekust, et luua, konstrueerida või sünteesida uusi ja üliohtlikke bioloogilisi ohte.

Mõlemad valdkonnad on olemuslikult kahese kasutusega. Küberturvalisuses võivad täpselt samad oskused, mis aitavad ründajal viga ära kasutada, aidata kaitsjal seda leida, järele proovida ja töökindla paranduse luua. Seetõttu võib liigne blokeerimine tekitada hoopis uusi turvariske. See võib takistada kaitsjatel süsteeme testimast ja turvapaiku juurutamast, samal ajal kui pahatahtlikud osalised kasutavad jätkuvalt teisi mudeleid, sealhulgas üha võimekamaid avatud lähtekoodiga mudeleid, ning väljakujunenud tööriistu. Tõhusad kaitsemeetmed võtavad arvesse päringu konteksti ja võimalikke tagajärgi, võimaldades teha seaduslikku kaitsetööd, kuid rakendades rangemat kontrolli seal, kus on näha reaalne kahju tekitamise oht.

GPT‑5.6 turvameetmed on täpsuse ja töökindluse huvides üles ehitatud mitmekihilisena ning loodud kiiresti kohanema uute rünnakutüüpide tekkimisel. Mudelisse sisse treenitud piirangud toimivad käsikäes reaalajas toimuvate kontrollide, pideva seire ja kontopõhiste reeglitega. See aitab hoida süsteemi turvalisena ka siis, kui mõni konkreetne kaitsekiht ei peaks toimima ettenähtud viisil. Paljudes süsteemides otsustavad blokeerimise üle ainult automaatsed klassifikaatorid. Need tuginevad madalama võimekusega mudelitele, mida on ohtude vältimiseks keeruline operatiivselt muuta. Meie lähenemisviis lisab süsteemi spetsiaalse arutlusmonitori, mis analüüsib vestlust tervikuna, et tuvastada reaalne ohuolukord. See lahendus on mõeldud võimaldama ametlikku küberkaitsetööd, blokeerides samal ajal reaalse kuritarvitamise. Kõige tundlikumad funktsioonid on „Trusted Access” süsteemi kaudu lubatud vaid tuvastatud kasutajatele. Kuna osa turvafunktsioone kasutab päringuaegset analüüsivõimekust, saame turvaauke ja lünki lappida jooksvalt, ilma et peaksime filtreid nullist uuesti treenima.

Kasutame praegu pigem konservatiivset lähenemist, jätkates samal ajal süsteemi tugevdamist teisenevate rünnakute vastu. Võrreldes varasemate mudelitega, blokeerivad meie GPT‑5.6 Soli versiooni küberkaitsed ligikaudu kümme korda rohkem potentsiaalselt ohtlikke tegevusi. Kuna need meetmed võivad heatahtlikku kasutamist takistada, pakume ChatGPT‑s ja Codexis võimalust viipasid hõlpsasti uuesti proovida väiksema võimekusega mudelitel ning jätkame kaitsemeetmete mõju vähendamist heatahtlikule kasutamisele, hoides samal ajal kõrget töökindluse taset. See peegeldab meie järk-järgulist arendusviisi: alustame ettevaatlikult ja teeme parandusi selle põhjal, mida õpime reaalsete kasutajate kogemustest.

Enne toote avalikustamist viisime läbi oma ajaloo põhjalikemad ohutustestid, sealhulgas laiaulatusliku ründetestimise, funktsioonide ja filtrite kontrolli koos välisekspertidega ning ligi 700 000 A100e GPU-tundi musta kasti põhimõttel töötavat automaatset ründetestimist. See võimaldas meil süstemaatiliselt üles leida võimalikud nõrgad kohad, tuvastada süsteemi manipuleerimise katsed ning tugevdada lahendust enne ametlikku käivitamist.

Täiuslikku turvalisust pole olemas ja meie töö üha võimekamate mudelite turvalisuse tagamiseks jätkub. Kindlasti avastatakse tulevikus uusi nõrkusi ja viise, kuidas olemasolevatest filtritest mööda pääseda. Iga uus mudelipõlvkond loob ka uusi võimalusi ründeks ja väärkasutuseks. Valmistume selleks tegelikkuseks mitmekihiliste kaitsete, pideva monitooringu, vigade kiire parandamise ja küberkaitse kogukonnaga tehtava tiheda koostöö abil. Mudeli GPT‑5.6 puhul oleme sidunud oma senised turvalisuse⁠(avaneb uues aknas) ja bioloogiavaldkonna veaparanduspreemia programmid⁠ uue kiirete paranduste protsessi ning meie kõigi aegade kõige põhjalikuma monitooringusüsteemiga. Uurijate tähelepanekud, monitooringu andmed ja reaalne info väärkasutuste kohta on meile pidevaks sisendiks uute testide ja veelgi tugevamate turvameetmete loomisel.

Loe lähemalt meie kaitsemeetmete kohta uuendatud GPT‑5.6 süsteemikaardilt⁠(avaneb uues aknas).

GPT‑5.6 hõlmab kolme mudelitaset: Sol, meie lipulaev; Terra, madalama kuluga mudel, mille jõudlus on GPT‑5.5-ga konkurentsivõimeline; ja Luna, meie kiireim ja taskukohaseim mudel. Number tähistab põlvkonda, samas kui Sol, Terra ja Luna on püsivad võimekustasemed, mis võivad areneda omas tempos.

GPT‑5.6 on tänasest saadaval ChatGPT, Codexi ja OpenAI API kaudu. Toote kasutuselevõtt algab praegu üle maailma ja jätkub järk-järgult, muutudes järgmise 24 tunni jooksul kättesaadavaks kõigile.

• Vestlus: Plusi, Pro, Businessi ja Enterprise'i taseme kasutajad saavad mudelit GPT‑5.6 Sol kasutada keskmise ja kõrgema mõtlemistaseme seadetega. Pro ja Enterprise’i kasutajad saavad ka valida GPT‑5.6 Sol Pro, et saada keerukate ülesannete puhul kõrgeima kvaliteediga tulemusi.
• ChatGPT Work ja Codex: Free ja Go paketi kasutajad saavad ligipääsu mudelile GPT‑5.6 Terra. Plusi, Pro, Businessi ja Enterprise'i paketi kasutajad saavad valida järgmiste GPT‑5.6 mudelite vahel: Sol, Terra ja Luna, määrates igaühele sobiva mõtlemise taseme. max on saadaval kõigile neile, kel on ChatGPT Workis ja Codexis ligipääs mudelile GPT‑5.6, ning selle saab sisse lülitada seadete alt. ChatGPT Work, ultra, on saadaval Pro ja Enterprise'i kasutajatele. Codexis on see saadaval alates Plus-paketist.
• API: arendajad saavad mudelitele Sol, Terra ja Luna ligi OpenAI API kaudu. Liideses Responses API võimaldab funktsioon Programmatic Tool Calling mudelil GPT‑5.6 kirjutada ja käivitada vahemälus programme, mis koordineerivad tööriistu ja töötlevad vahetulemusi, tehes selle ühilduvaks andmete mittesäilitamise põhimõttega (Zero Data Retention ehk ZDR). Algselt beetafaasis olev „Multi-agent” lahendus võimaldab mudelil GPT 5.6 käivitada üheaegselt mitu alamagenti ja koondada nende tulemused üheks terviklikuks vastuseks.

GPT‑5.6 hinnastus põhineb 1 miljonil tokenil kolme mudelisuuruse lõikes: Sol maksab 5 $ sisend / 30 $ väljund; Terra on 2,50 $ sisend / 15 $ väljund; ning Luna on 1 $ sisend / 6 $ väljund. GPT‑5.6 toob kaasa ka paremini prognoositava viipade vahemällu salvestamise, sealhulgas toe kindlatele vahemälu⁠(avaneb uues aknas) katkestuspunktidele ja minimaalselt 30-minutilise vahemälu eluea. Mudeli GPT‑5.6 ja uuemate versioonide puhul maksab andmete vahemällu kirjutamine 1,25 korda rohkem kui tavaandmete sisestus, kuid vahemälust lugemisel kehtib endiselt tavapärane 90%-line allahindlus.