Gabay ng builder sa GPT‑5.6

Ginagawang higit na abot-kaya ng pamilya ng modelong GPT‑5.6 ang performance ng agent sa antas ng frontier, habang pinalalawak din ang hangganan ng mga posibilidad.

Sa gabay na ito, ipinapakita namin kung paano gumagamit ang mga startup ng mas matalinong pagpili ng modelo at mga bagong kontrol sa API para sa tuloy-tuloy na pangangatwiran, multi-agent orchestration, at programmatic tool calling upang makabuo ng mas mabilis at mas mahusay na mga agent sa maliit na bahagi ng dating gastos.

Mula noong GPT‑5, layunin ng bawat bagong henerasyon ng modelo na harapin ang mas mahahabang gawain gamit ang mas kaunting token. Ipinagpapatuloy ng GPT‑5.6 ang direksiyong ito: mas mahusay na performance ng agent at mas mababang gastos, nang kakaunti lamang ang pagbabago sa pinagbabatayang harness.

Lalo pang pinahusay ang pangkalahatang kahusayan sa gastos sa pamamagitan ng mas mataas na katumpakan kahit sa mas mababang antas ng pagsisikap sa pangangatwiran. Halimbawa, sa Agents’ Last Exam, nahigitan ng GPT‑5.6 Sol na may “mababang” pangangatwiran ang GPT‑5.5 na may “mataas” na pangangatwiran nang panatilihing pareho ang harness. Nakakita rin kami ng mga katulad na tagumpay sa production testing, kung saan iniulat ng mga startup ang malaking pagtitipid sa iba’t ibang workflow matapos babaan ang pagsisikap sa pangangatwiran mula sa mga dating default.

Dati, ang pag-upgrade sa pangunahing modelo na may pinakamataas na available na antas ng pangangatwiran ang pinakamahusay na opsyon para sa mga pangmatagalang gamit. Pangunahin itong dahil higit na mahusay ang mga modelong ito kaysa sa mga modelong in-optimize para sa gastos sa pagproseso ng mas mahahabang konteksto at pagtawag ng mga tool. Nagbago ito sa pamilyang 5.6: sa mas malaking test-time compute, madalas na mapapantayan nina Luna at Terra ang GPT‑5.4 at 5.5 sa mas murang halaga.

Tingnan ang mga gawain sa BrowseComp: isang benchmark na nakabatay sa paghahanap at sumusubok sa kakayahan ng modelo na maghanap ng mahirap matuklasang impormasyon. Tatlong buwan na ang nakalipas, nakakuha ang GPT‑5.5 (Napakataas) ng 84.36% sa benchmark na ito sa kabuuang halagang $33.27. Sa paglulunsad, halos kapareho ang performance ng GPT‑5.6 Luna (Napakataas), na nakakuha ng 84.04% sa halagang $1.33. Mula noon, lalo pa naming ibinaba ang mga presyo. Magbasa pa tungkol sa pinakabago naming mga bawas-presyo.

Ang mas maliliit na modelo sa pamilyang 5.6 ay angkop na angkop sa malakihang workload, mga interaksiyong sensitibo sa latency, at mga paulit-ulit na hakbang sa mga agentic workflow. Halimbawa, kung nagpapatakbo ka ng legal-tech startup na nagpa-parse ng mga sulat-kamay na memo bago ang agentic analysis, maaari mo nang gamitin ang Terra o Luna sa extraction sa halip na isang frontier na modelo para sa buong proseso, at makatipid nang malaki.

Bukod sa pagpapahusay sa agarang performance ng GPT‑5.6, naglabas din kami ng mga bagong primitive para sa Responses API upang makamit ang higit pang pakinabang. Sinanay namin ang GPT‑5.6 nang end-to-end gamit ang tatlong magkakaugnay na pagbabago sa arkitektura na nagbibigay-daan sa mga agent na gumana nang mas mahusay:

1. Gamitin muli ang natapos nang gawain: sa pamamagitan ng pagpapanatili ng pangangatwiran sa iba’t ibang tawag⁠(magbubukas sa bagong window) ng modelo at paggamit ng native compaction⁠(magbubukas sa bagong window) upang paikliin ang mahahabang pag-uusap, napapanatili ng modelo ang pagkakaugnay ng gawain sa mas mahahabang yugto nang hindi nalilito o muling binubuo ang naunang konteksto.

2. Hatiin at pagsabay-sabayin kung naaangkop: sa paggamit ng native multi-agent orchestration⁠(magbubukas sa bagong window), maaaring pag-ugnayin ang maraming agent sa magkakasabay na workstream upang mas mabilis matapos ang mga komplikadong gawain.

3. Ilipat sa code ang mga tiyak na gawain: gamitin ang programmatic tool calling⁠(magbubukas sa bagong window) upang mag-filter, magsama-sama, at mag-orchestrate ng mga output ng tool sa labas ng context window ng modelo. Sa ganitong paraan, nakalaan ang mga token ng modelo sa pagpapasya at nababawasan ang gastos, latency, at pagkasira ng konteksto.

Kapag pinagsama-sama, maaaring maging napakalaki ng epekto. Halimbawa, sa ARC-AGI-3, nakakuha ang GPT‑5.6 Sol ng 13.3% gamit ang karaniwang harness. Ngunit matapos paganahin ang retained reasoning at compaction, tumaas ang score sa 38.3%—habang gumagamit ng humigit-kumulang 6× na mas kaunting output token. Walang pagbabago sa modelo, ngunit halos tatlong beses ang performance. Makakabasa pa tungkol dito sa aming pagsisiyasat sa ARC-AGI-3 harness.

Kadalasang may dalawang uri ng gawain ang mga agentic workflow:

1. Mga gawaing nangangailangan ng pagpapasya

2. Gawaing pangunahing nangangailangan ng paglilipat, pag-filter, at pagsasama-sama ng data

Kapag kumuha ang isang agent ng 100 filing, nag-filter ayon sa petsa, at tumukoy ng mahahalagang transaksiyon, hindi na dapat pangatwiranan ng modelo ang bawat pansamantalang resulta sa context window nito. Sa Programmatic Tool Calling, makasusulat ang GPT‑5.6 ng JavaScript upang mag-orchestrate ng mga tool, sabay-sabay na magpatakbo ng mga hiwalay na tawag, at iproseso ang mga output ng mga ito sa labas ng context window. Sa gayon, makapagtutuon ang modelo sa nangangailangan ng talino: ang mahusay na pagpapasya.

Sa mga komplikado at maaaring pagsabay-sabayin na gawain, ang pamamahagi ng mga aksiyon at pangangatwiran sa maraming workstream ng agent ay nagpapabilis sa pagkumpleto at nagpapataas ng intelligence. Sa ganitong setup, responsibilidad ng pangunahing agent na i-orchestrate ang mga subagent at magtalaga ng mga gawain sa kanila. Sabay-sabay na tinutupad ng mga subagent ang kani-kanilang layunin at ibinabalik ang kanilang output sa pangunahing agent para sa panghuling pagbubuo. Maaaring simulang gamitin ng mga team ang native multi-agent sa pamamagitan ng pag-enable sa multi-agent⁠(magbubukas sa bagong window) sa Responses API. Ganito rin gumagana ang Ultra capability setting sa ChatGPT.

Bagama’t mahusay matukoy ng GPT‑5.6 ang angkop na bilang ng mga subagent at kung kailan sila bubuuin, lubos na magagabayan ang kilos nito sa multi-agent. Ang pagtuturo sa modelo kung kailan gagamit ng mga subagent ay makatutulong upang bumuo lamang ito ng mga agent kapag magdudulot ng mas mahusay na performance ang karagdagang gastos sa token.

Sa buong pamilya ng mga modelo, pinalawig sa hindi bababa sa 30 minuto ang TTL ng prompt cache, at maaari na ngayong deterministikong itakda ang mga cache breakpoint sa loob ng context window ng isang modelo. Dahil dito, lubos na napahusay ng mga startup ang kanilang cache hit rate.

Bukod sa pagtatakda ng mga cache breakpoint, ang patuloy na paggamit ng angkop na prompt_cache_key⁠(magbubukas sa bagong window) ay nagpapataas sa posibilidad na mapunta ang mga request sa parehong inference engine na dati nang nagproseso sa kaparehong prefix, kaya nababawasan ang latency.

Ang kapansin-pansin sa lahat ng halimbawang ito ay kung gaano kalaki ang ipinagbago ng gastos sa pagbuo ng mga agent.

Ang mga gamit na dati’y nangangailangan ng frontier na modelo sa bawat hakbang ay maaari na ngayong makamit ang kapantay o mas mahusay na resulta sa maliit na bahagi ng gastos sa pamamagitan ng mas maliliit na modelo, pagsasaayos ng pagsisikap sa pangangatwiran, at episyenteng pagpili ng arkitektura.

Sabik kaming makita ang mga bubuuin ninyo!