Inilulunsad namin ang pamilya ng mga modelong GPT‑5.6 para sa pangkalahatang availability kasunod ng aming limitadong preview: ang bago naming flagship na Sol, kasama ang Terra, balanseng modelo para sa pang-araw-araw na gawain, at ang Luna, ang aming pinakamatipid na modelo.
Nagtatakda ang GPT‑5.6 Sol ng bagong pamantayan para sa talino at kahusayan, na nakakamit ang mga pinakamodernong resulta sa coding, knowledge work, cybersecurity, at siyensiya habang nalalampasan ang mga nauna at kakumpitensiyang frontier na modelo gamit ang mas kaunting token at sa mas mababang tinatayang gastos. Mas mataas ang resulta na pagganap sa bawat dolyar: mas maraming matagumpay na gawain para sa parehong gastos, o maihahambing na mga resulta sa mas mababang kabuuang gastos. Nagpapakilala rin kami ng bagong paraan para pabilisin ang mga pinakamahirap na gawain: ang ultra ang aming setting na may pinakamataas na kakayahan, na nag-uugnay sa maraming agent sa magkakaparehong workflow para mas mabilis na matapos ang mga kumplikadong gawain. Dahil sa mas mahusay nitong kakayahang gumamit ng computer at mas mahusay na pagpapasya sa disenyo, mas naging mahusay ang GPT‑5.6 Ang Sol ang aming pinakamahusay na katuwang hanggang ngayon, na tumutulong sa pagsuri, pagpipino, at paghahatid ng mga resultang handa nang gamitin.
Sinanay namin ang GPT‑5.6 para makagawa ng mas kapaki-pakinabang na output mula sa bawat token. Sa Huling Pagsusulit ng mga Agent(magbubukas sa bagong window), isang pagsusuri ng matatagal na propesyonal na daloy ng trabaho sa 55 larangan, nagtatakda ang GPT‑5.6 Sol ng bagong high na iskor na 53.6, na nahihigitan ang Claude Fable 5 (adaptive na pangangatwiran) ng 13.1 puntos. Kahit sa medium na antas ng pangangatwiran, nalalamangan nito ang Fable 5 nang 11.4 puntos, sa humigit-kumulang isang-kapat lang ng tinatayang gastos. Umaabot din ang kahusayang ito sa mas maliliit na modelo, na mahalaga para gawing mas malawak na naaabot at mas abot-kaya ang AI: nahihigitan ng GPT‑5.6 Terra at GPT‑5.6 Luna ang Fable 5 sa humigit-kumulang ikalabing-anim ng halaga nito. Sa Artificial Analysis Intelligence Index(magbubukas sa bagong window), isang malawak na sukatan ng Intelligence na sumasaklaw sa mga agentic na gawain, coding, siyentipikong pangangatwiran, at mga pangkalahatang kakayahan, ang GPT‑5.6 Sol na may max na pangangatwiran ay isang puntos na lang ang agwat sa Fable 5 habang kinukumpleto ang mga gawain sa 61% na mas kaunting oras at sa tinatayang halos kalahating gastos.
Huling Pagsusulit ng mga Agent(magbubukas sa bagong window): Mga pangmatagalang agentic workflow sa iba't ibang propesyonal na larangan.
Inilulunsad ang GPT‑5.6 na may pinakamatitibay naming pananggalang hanggang ngayon, na idinisenyong maging matatag laban sa sinasadya at umaangkop na maling paggamit nang hindi malawakang nililimitahan ang lehitimong gawain. Bago ang pangkalahatang availability, isinailalim namin ang mga modelo at mga pananggalang sa aming pinakamalawak na panahon ng pagsusuri hanggang ngayon, na pinagsasama ang red teaming na isinasagawa ng tao at malawakang awtomatikong pagsubok. Sa panahon ng preview, malapit kaming nakipagtulungan sa mga ekspertong organisasyon at mga pinagkakatiwalaang partner para masusing subukan ang aming mga depensa at palakasin ang aming mga pananggalang bago ang mas malawak na paglulunsad. Pinagsasama ng system na ito ang mga pananggalang na isinama sa modelo sa panahon ng pagsasanay at ang mga real-time na pagsusuri, pagsubaybay, at kontrol sa pag-access na iniangkop batay sa antas ng tiwala at panganib.
Ang GPT‑5.6 Sol ang pinakamahusay naming modelo sa coding hanggang ngayon. Sa Artificial Analysis Coding Agent Index, nagtakda ang GPT‑5.6 Sol na may maximum reasoning ng bagong state of the art na iskor na 80—2.8 puntos na mas mataas kaysa Fable 5—habang gumagamit ng wala pang kalahati ng output token, tumatagal ng wala pang kalahati ng oras, at may humigit-kumulang isang-katlong mas mababang gastos. Umaabot din ang bentahe na ito sa iba pang modelo sa pamilya: bahagyang mas mahusay ang performance ng Terra kaysa Fable 5, habang nahihigitan ng Luna ang Opus 4.8. Pareho nilang nagagawa ito sa humigit-kumulang isang-katlo ng oras, gamit ang halos kalahati ng output token, at sa tinatayang isang-kapat ng gastos. Nagtatakda rin ito ng mga bagong pinakamakabagong resulta sa Terminal‑Bench 2.1 at DeepSWE, na sumusubok sa mga kumplikadong workflow sa command line at pangmatagalang gawaing pang-engineering sa mga aktuwal na codebase.
Artificial Analysis Coding Agent Index: isang independiyenteng indeks ng pagganap ng coding agent sa implementasyon, paggamit ng terminal, at mga tunay na codebase.
Kayang magsulat at magpatakbo ng GPT‑5.6 ng magagaan na program na nakikipag-ugnayan sa mga tool, nagpoproseso ng mga intermediate result, sumusubaybay sa progress, at nagpapasya kung ano ang susunod na hakbang habang isinasagawa ang gawain. Dahil dito, mas mahusay na naisasagawa ang mga gawaing lubos na umaasa sa mga tool gamit ang mas kaunting token, mas kaunting palitan ng data sa modelo, at mas kaunting gabay. Sa halip na hilingin sa mga developer na isa-isahing isulat ang bawat hakbang o ipadaan muli sa modelo ang bawat tugon mula sa tool, maaaring salain ng Programmatic Tool Calling(magbubukas sa bagong window) sa Responses API ang napakaraming pansamantalang data, panatilihin lang ang mahahalagang impormasyon, at iangkop ang workflow habang umuusad ang gawain.
Para sa mga problemang nangangailangan ng mas malaking paglalaan ng oras at pag-compute, kayang higitan ng GPT‑5.6 ang episyenteng default na ito. binibigyan ng max ang GPT‑5.6 ng mas maraming oras kaysa sa xhigh para mangatwiran at tumuklas ng mga alternatibo, magsagawa ng mga pagsusuri, at baguhin ang paraan nito. Mas nagpapatuloy pa ang ultra sa pamamagitan ng pag-coordinate ng apat na mga agent nang parallel bilang default, na ipinagpapalit ang mas mataas na paggamit ng token para sa mas malalakas na resulta at mas mabilis na oras bago makuha ang resulta sa mga mapanghamong gawain. Inihahambing ng mga chart sa ibaba ang default na setup ng ultra na may apat na agent sa baseline na may agent sa BrowseComp, SEC-Bench Pro, at Terminal-Bench 2.1; ipinapakita rin ng BrowseComp at SEC-Bench Pro ang mga configuration na may 16 na mga agent. Sa lahat ng tatlong pagsusuri, ang pagdaragdag ng mga parallel agent ay inililipat ang score-latency frontier pataas at pakaliwa, na nagbibigay ng mas mahusay na mga resulta sa mas maikling oras. Sa API, maaaring bumuo ang mga developer ng mga karanasang katulad ng ultra gamit ang multi-agent beta sa Responses API.
Naghahatid ang GPT‑5.6 ng makabuluhang pagbabago sa pagpapasya sa disenyo. Sa pamamagitan lamang ng mataas na antas ng direksyon, gumagawa ang GPT‑5.6 ng mga interface na maayos, ergonomiko, at functional. Dahil sa mas mahusay nitong kakayahan sa paggamit ng computer, nasusuri at napapahusay nito ang na-render na resulta—hindi lamang nalilikha ang pinagbabatayang code o nilalaman—kaya nitong matukoy ang mga isyung biswal at pang-function at mai-apply ang mga huling pagpapahusay bago ibalik ang natapos na gawain.
Prompt: Puwede mo bang i-implement ang 3D na larong paglalayag para sa akin? Para sa anumang bagay na nangangailangan ng mga bitmap/texture/sprite (o kung makakatulong na magkaroon ng mockup na reference para sa anumang 3D na modelo na gagawin mo), huwag mag-atubiling gumamit ng imagegen.
Nagagawa rin ng mga kakayahan ng GPT‑5.6 sa frontend na gawing mahusay at interaktibong mga paliwanag at visualization sa ChatGPT Work ang mga kahilingang nakasulat sa natural na wika.
Prompt: Gumawa ng interaktibong spirograph para ipaliwanag kung paano ito gumagana.
Naghahatid ang GPT‑5.6 ng mas magagandang resulta para sa mga propesyonal na gawain. Kinukuha nito ang magulong konteksto mula sa iyong mga dokumento at pang-araw-araw na daloy ng trabaho tulad ng Slack, Notion, Microsoft 365, at Google Drive, at ginagawang mga artifact na puwedeng ibahagi sa antas ng eksperto.
Makikita ang husay ng GPT‑5.6 sa gawaing nakabatay sa kaalaman sa iba't ibang pagsusuring sumasaklaw sa pangmatagalang propesyonal na pagsusuri, pag-browse, paggamit ng mga tool, at paggamit ng computer. Nagtatakda ang GPT‑5.6 Sol ng mga bagong state-of-the-art na resulta sa BrowseComp sa 92.2% at OSWorld 2.0 sa 62.6%; sa OSWorld, nahihigitan nito ang Opus 4.8 habang gumagamit ng 85% mas kaunting output token. Dito, umaabot sa buong pamilya ng GPT‑5.6 ang mga pakinabang sa performance kada dolyar. Halos napapantayan ng Luna ang GPT‑5.5 Pinakamataas na pagganap sa halagang mas mababa sa kalahati ng tinatayang gastos, habang nahihigitan naman ito ng Terra sa mas mababang gastos.
BrowseComp: Nakamit ng GPT‑5.6 Sol ang bagong antas ng kahusayan sa BrowseComp, na binubuo ng mga agentic na gawain sa pag-browse.
Pinapahusay ng GPT‑5.6 Sol ang kalidad sa mga presentasyon, dokumento, at spreadsheet, na naglalabas ng mga output na mas pulido at tumpak. Kaya nitong gumawa ng ganap na nae-edit na mga presentasyon mula sa simula, at gawing isang magkakaugnay na biswal na salaysay ang isang prompt at mga pinagkunang materyal gamit ang mahusay na layout, malinaw na visual hierarchy, at propesyonal na disenyo.
Mas kapansin-pansin ang pagbuti kapag sumusunod sa mga template at mga sangguniang deck. Kayang matukoy ng GPT‑5.6 ang design system ng deck—gaya ng mga layout, typography, spacing, kulay, at paulit-ulit na pattern ng nilalaman, kabilang ang mga panuntunang nakapaloob sa Slide Master—at tuloy-tuloy na gamitin ang mga ito sa bagong nilalaman. Sa halimbawang ito, nang hilinging i-update ang mga numero batay sa reference file, hindi naisama sa output ng GPT‑5.5 ang mahahalagang bahagi ng master slide, samantalang mas tumpak na sinunod ng GPT‑5.6 ang istruktura ng reference.
File ng sanggunian

Output ng GPT‑5.5

Kulang ang GPT‑5.5 ng mahahalagang bahagi ng master slide
Output ng GPT‑5.6

Gumagawa rin ang GPT‑5.6 ng mga dokumento at spreadsheet na mas pinong tingnan. Mas tapat nitong sinusunod ang mga kumplikadong format ng sanggunian, na mahalaga para sa mga gawaing pangkaalaman na puwedeng ulitin. Pinapangasiwaan nito ang mga equation at modelong pampinansyal nang may mas mataas na katumpakan, at mas mahusay nitong ginagamit ang typography, spacing, hierarchy, at layout ng pahina o worksheet.
Nakakita ang mga naunang customer na sumusubok sa GPT‑5.6 ng mga pagpapahusay sa mga output ng gawaing pangkaalaman sa iba’t ibang larangan.
Ang GPT‑5.6 ang pinakamalakas naming modelo sa cybersecurity hanggang ngayon, na nakakamit ang frontier performance, gamit ang higit na mas kaunting mga token. Sa ExploitBench2, na sumusukat sa pag-unlad mula sa pagtukoy sa vulnerable na code hanggang sa arbitrary code execution, nakakuha ito ng iskor na 73.5%, kumpara sa GPT‑5.5 na 47.9% sa maihahambing na badyet ng mga output token. Sa ExploitGym3, na humihiling sa mga agent na gawing gumaganang exploit ang mga totoong kahinaan sa seguridad, halos doble ang naging resulta nito kumpara sa pinakamataas na pass rate ng GPT‑5.5, mula 15.1% hanggang 24.9% sa ilalim ng 2-oras na limitasyon; kapag 6-oras, umaabot ito sa 33.7%. Sa SEC-Bench Pro, na sumusubok sa pagbuo ng patunay ng konsepto sa kumplikadong software, nakakuha ito ng iskor na 71.2% kumpara sa iskor ng 45.8% ng GPT‑5.5 na may pinahusay na latency.
Sinusuportahan ng GPT‑5.6 ang mahahalagang gawaing pandepensa tulad ng secure na pagsusuri ng code, paglalapat ng mga patch, pagmomodelo ng banta, at blue teaming. Ang mga kwalipikadong indibidwal at organisasyon sa program na OpenAI Daybreak’s Trusted Access for Cyber ay maaaring magkaroon ng mas malawak na pag-access sa kakayahan nitong pangdepensa sa pamamagitan ng mas tumpak na mga panseguridad para sa na-verify na gawain sa mga awtorisadong kapaligiran, kabilang ang pagsusuri at pag-verify ng kahinaan, pagsusuri ng malware, engineering ng pagtuklas, at pag-verify ng patch.
Maaaring i-verify ng mga indibidwal ang kanilang pagkakakilanlan at humiling ng pinagkakatiwalaang access(magbubukas sa bagong window), at maaaring mag-apply ang mga organisasyon para sa kanilang mga team. Kailangang i-enable ng bawat miyembro ang Advanced Account Security(magbubukas sa bagong window) gamit ang mga hardware-backed passkey bago ang Setyembre 1 para mapanatili ang access sa aming mga frontier na modelo na may pinakamataas na kakayahan sa cybersecurity. Ang mga hindi makasusunod ay ibabalik sa default na access. Ang mga user na wala pang mga hardware-backed passkey ay maaaring makakuha ng pinapaborang presyo(magbubukas sa bagong window) mula sa aming partner, Yubico. Gumagawa rin kami ng mga karagdagang hakbang para limitahan ang access sa mga entidad na may mataas na panganib at sa mga hurisdiksyon na may mataas na panganib.
ExploitBench: Pagbuo ng mas may kakayahang mga V8 exploit; Ang GPT‑5.6 ay nagpapakita ng malaking pakinabang kumpara sa GPT‑5.5. Hindi ipinapakita ang latency chart dahil hindi maaasahan ang pagtatantya ng latency para sa benchmark na ito.
Nagpapakita rin ang GPT‑5.6 Sol ng malawakang pag-unlad sa siyentipikong pananaliksik. Sa mga pagsusuri sa larangan ng mga Life Science, ipinapakita ng GPT‑5.6 ang mga pagpapahusay na Pareto kumpara sa GPT‑5.5 sa aktuwal na biyolohiya, mga daloy ng pananaliksik sa mga Life Science, at chemistry.
GeneBench Pro: Mga pangmatagalang pagsusuri sa genomics at quantitative biology; nakakamit ng GPT‑5.6 ang mas malalakas na resulta gamit ang mas kaunting token at mas maikling oras. Hindi kasama ang Claude Fable 5 dahil hindi ito sumasagot(magbubukas sa bagong window) sa mga tanong sa advanced biology at tinatanggihan nito ang karamihan ng mga tanong sa eval na ito.
Ang GPT‑5.6 ang pinakamalakas naming modelo hanggang ngayon para sa pagpapabilis ng pananaliksik sa AI. Sa loob ng OpenAI, ginagamit ito ng mga mananaliksik sa buong siklo ng pag-unlad: pag-diagnose ng mga pagkabigo, pag-optimize ng mga system ng pagsasanay, pagpapatakbo ng mga eksperimento, at pagbibigay-kahulugan sa mga resulta. Nakita na namin ang pagbilis na iyon at ang mas malawak na paggamit sa panahon ng panloob na pagsubok ng GPT‑5.6, dahil ang karaniwang pang-araw-araw na bilang ng mga output token bawat aktibong mananaliksik ay mahigit dalawang beses kaysa sa mataas na antas na naobserbahan para sa GPT‑5.5.
Mabilis na nagiging pamantayan ang ganitong paraan ng pagtatrabaho. Sa nakalipas na anim na buwan, lumaki nang 100 na beses ang bahagi ng research compute na inilaan sa panloob na coding inference, habang tumaas nang humigit-kumulang 22 na beses ang panloob na paggamit ng agentic token. Hindi direktang sinusukat ng mga metric ng paggamit na ito ang pag-unlad ng pananaliksik, pero ipinapakita ng mga ito kung gaano kabilis lumalawak ang paggamit ng AI bilang katuwang sa pananaliksik at sa iba pang mga team, gaya ng sales, marketing, user operation, finance, at iba pa.
Para direktang masukat ang kakayahang ito, bumuo kami ng internal na hanay ng mga pagsusuri batay sa mga totoong gawain sa AI research, kabilang ang pag-debug ng mga research system, pag-optimize ng mga kernel at training recipe, pagpapatakbo ng mga machine-learning experiment, at pagpapahusay ng isa pang modelo.
Pinagsama-samang kakayahan sa RSI: Sa pinagsama-samang hanay ng mga pagsusuring sumusukat sa pag-unlad tungo sa recursive self-improvement, nakapagtala ang GPT‑5.6 Sol ng 16.2 puntos na mas mataas kaysa GPT‑5.5, na nagpapabilis sa panloob na pananaliksik sa iba't ibang larangan.
Habang patuloy na lumalawak ang kakayahan ng mga modelo, lalo rin naming pinatitibay ang aming safety stack para manatiling kapaki-pakinabang ang advanced intelligence para sa mas maraming tao, habang mas mahigpit na sinusuri ang mga paggamit na may pinakamataas na panganib. Para sa GPT‑5.6, binuo namin ang aming pinakamatatag na safety system hanggang ngayon, na iniangkop sa kakayahan ng bawat modelo at pinapagana ng mas malaking computing resources kaysa dati.
Mas may kakayahan ang mga modelong GPT‑5.6 kaysa sa aming mga naunang modelo sa biology at cybersecurity, pero hindi pa naaabot ng mga ito ang antas na Critical sa alinmang kategorya. Sa cybersecurity, ipinapakita ng aming mga pagsusuri na mas mahusay ang GPT‑5.6 sa pagtukoy at pag-aayos ng mga kahinaan sa seguridad kaysa sa mapagkakatiwalaang pagsasagawa ng mga awtonomo at end-to-end na pag-atake laban sa mga target na may matitibay na depensa. Dahil dito, nagkakaroon ng pagkakataon ang mga tagapagtanggol na palakasin ang kanilang mga system bago mapagsamantalahan ang mga kahinaang ito. Sa biology, ipinapakita ng aming mga pagsusuri na kayang suportahan ng GPT‑5.6 ang lehitimong pananaliksik, pero wala itong end-to-end na kakayahang kailangan para lumikha, mag-engineer, o mag-synthesize ng bago at lubhang mapanganib na banta.
Ang parehong larangan ay likas na may dalawahang gamit. Sa cybersecurity, ang parehong mga kakayahan na maaaring makatulong sa isang umaatake na pagsamantalahan ang kahinaan ay maaari ring makatulong sa defender na mahanap ito, kopyahin ito, at bumuo ng maaasahang pag-aayos. Samakatuwid, ang sobrang pagharang ay lumilikha rin ng sarili nitong panganib sa seguridad. Maaari nitong mapigilan ang mga defender sa pagsubok ng mga system at pagpapatupad ng mga patch habang patuloy na gumagamit ang mga malisyosong aktor ng iba pang mga modelo, kabilang ang mga open-source na modelo na lalong nagiging mas may kakayahan, pati na rin ang mga matagal nang ginagamit na tool. Isinasaalang-alang ng epektibong mga pananggalang ang konteksto at ang malamang na mga kahihinatnan ng kahilingan, pinapanatili ang lehitimong gawaing pangdepensa habang nagpapatupad ng mas mahigpit na mga kontrol kapag ipinapakita ng ebidensiya ang seryosong panganib ng pinsala.
Ang mga pananggalang ng GPT‑5.6 ay binuo sa magkakapatong na layer para magkaroon ng mas mataas na katumpakan at redundancy, at idinisenyo para mabilis na umangkop habang lumilitaw ang mga bagong uri ng pag-atake. Ang mga proteksyong isinama sa pagsasanay ng modelo ay gumagana kasama ng mga real-time na pagsusuri, tuloy-tuloy na monitoring, at pagpapatupad ng mga kontrol sa antas ng account para makatulong na manatiling ligtas ang system kahit hindi gumana nang ayon sa layunin ang isang partikular na layer. Sa maraming system, ang mga flag lang mula sa classifier ang nagtatakda kung ano ang dapat i-block, na umaasa sa mga modelong may mas mababang antas ng katalinuhan na mas mahirap baguhin para maiwasan ang pinsala. Ang aming pamamaraan ay nagdaragdag ng reasoning monitor na sumusuri sa pag-uusap para matukoy kung may posibleng panganib ng pinsala. Idinisenyo ang paraang ito para suportahan ang gawaing pangdepensa habang hinaharangan ang seryosong maling paggamit, kung saan ang mga pinaka-sensitibong kakayahan ay nakalaan lamang para sa mga na-verify na user sa pamamagitan ng Trusted Access. Dahil gumagamit ang ilang pananggalang ng test-time reasoning, mabilis naming maa-update ang mga ito para maisara ang mga kakulangan nang hindi na kailangang sanayin muli ang mga classifier mula sa simula.
Gumagamit kami ng mas konserbatibong pamamaraan habang patuloy naming pinatitibay ang system laban sa mga adaptive na pag-atake. Kumpara sa mga nakaraang modelo, ang aming GPT‑5.6 Hinaharangan ng mga pananggalang sa cyber ng Sol ang humigit-kumulang sampung beses na mas marami pang potensyal na mapaminsalang aktibidad. Dahil maaaring magdulot ng sagabal ang mga hakbang na ito para sa hindi nakapipinsalang paggamit, nagbibigay kami ng opsyon sa ChatGPT at Codex para madaling muling subukan ang mga prompt sa mga modelong may mas mababang kakayahan, at patuloy naming babawasan ang epekto ng aming mga pananggalang sa hindi nakapipinsalang paggamit habang pinananatili ang mataas na antas ng katatagan. Sinasalamin nito ang aming iteratibong pamamaraan sa pag-deploy: nagsisimula nang maingat at nagpapahusay batay sa mga natututuhan namin mula sa aktuwal na paggamit.
Bago ang pangkalahatang availability, isinagawa namin ang aming pinakamasusing pagsusuri sa kaligtasan hanggang ngayon, kabilang ang malawakang red teaming, mahigpit na pagsubok sa kakayahan at mga pananggalang kasama ang mga panlabas na eksperto, at humigit-kumulang 700,000 oras ng A100e GPU para sa automated na black-box red teaming. Dahil dito, sistematiko naming nasuri ang mga posibleng mahihinang bahagi, natukoy ang mga jailbreak, at napalakas ang system bago ang paglulunsad.
Walang ganap na seguridad, at patuloy ang aming pagsisikap na mapanatiling ligtas ang mga modelong may patuloy na lumalawak na kakayahan. Matutuklasan ang mga bagong kahinaan, gayundin ang mga bagong jailbreak na nakalulusot sa mga umiiral na pananggalang. Ang bawat bagong henerasyon ng modelo ay lilikha rin ng mga bagong paraan para sa pag-atake at maling paggamit. Bumubuo kami para sa realidad na iyon sa pamamagitan ng maraming antas ng mga pananggalang, tuloy-tuloy na pagsubaybay, mabilis na pagwawasto, at pakikipagtulungan sa buong komunidad ng pagtatanggol. Para sa GPT‑5.6, ipinares namin ang aming kasalukuyang programa sa seguridad(magbubukas sa bagong window) at mga bug bounty program sa biyolohiya sa isang bagong proseso ng mabilisang pagwawasto at sa aming pinakamalakas na pagsisikap sa pagsubaybay hanggang sa kasalukuyan. Ang mga natuklasan mula sa mga mananaliksik, pagsubaybay, at aktuwal na maling paggamit ay patuloy na gagamitin sa mga bagong pagsusuri at mas matitibay na pananggalang.
Basahin pa ang tungkol sa aming mga pag-iingat sa na-update na card ng system ng GPT‑5.6(magbubukas sa bagong window).
Saklaw ng GPT‑5.6 ang tatlong tier ng modelo: Sol, ang aming pangunahing modelo; Terra, ang mas abot-kayang modelo na may pagganap na kayang makipagsabayan sa GPT‑5.5; at Luna, ang aming pinakamabilis at pinaka-abot-kayang modelo. Tinutukoy ng numero ang henerasyon, habang ang Sol, Terra, at Luna ay mga matatag na antas ng kakayahan na maaaring umunlad ayon sa sarili nilang iskedyul.
Available na simula ngayong araw ang GPT‑5.6 sa ChatGPT, Codex, at OpenAI API. Nagsisimula na ang rollout sa buong mundo at unti-unting ipatutupad hanggang sa maging ganap na available sa loob ng susunod na 24 na oras.
- Chat: Maa-access ng mga user ng Plus, Pro, Business, at Enterprise ang GPT‑5.6 Sol sa pamamagitan ng mga setting na may medium at high na antas ng pagsisikap. Puwede ring piliin ng mga user ng Pro at Enterprise ang GPT‑5.6 Sol Pro para sa mga resultang may pinakamataas na kalidad sa mga kumplikadong gawain.
- ChatGPT Work at Codex: May access ang mga user ng Free at Go sa GPT‑5.6 Terra. Maaaring pumili ang mga user ng Plus, Pro, Business, at Enterprise mula sa GPT‑5.6 Sol, Terra at Luna, at magtakda ng antas ng pagsisikap para sa bawat isa. Available ang
maxsa lahat ng user na may access sa GPT‑5.6 sa ChatGPT Work at Codex, at maaari itong i-on sa mga setting. Sa ChatGPT Work, available angultrasa mga user ng Pro at Enterprise. Sa Codex, available ito sa Plus at sa mas mataas na mga plano. - API: Maaaring ma-access ng mga developer ang Sol, Terra, at Luna sa pamamagitan ng OpenAI API. Sa Responses API, ang Programmatic Tool Calling ay nagbibigay-daan sa GPT‑5.6 na magsulat at magpatakbo ng mga program nang nasa memory para i-coordinate ang mga tool at iproseso ang mga pansamantalang resulta, na ginagawa itong tugma sa zero na pagpapanatili ng data (ZDR). Ang Multi-agent, na unang available bilang beta, ay nagbibigay-daan sa GPT‑5.6 na magpatakbo ng magkakasabay na mga subagent at pagsama-samahin ang kanilang mga resulta sa iisang kahilingan.
Ang GPT‑5.6 ay may presyong batay sa bawat 1M token sa tatlong laki ng modelo: ang Sol ay nagkakahalaga ng $5 para sa input at $30 para sa output; ang Terra ay $2.50 para sa input at $15 para sa output; at ang Luna ay $1 para sa input at $6 para sa output. Ipinapakilala rin ng GPT‑5.6 ang mas maaasahang pag-cache ng prompt, kabilang ang suporta para sa mga tahasang cache breakpoint(magbubukas sa bagong window) at minimum na tagal ng cache na 30 minuto. Para sa GPT‑5.6 at mga mas bagong modelo, ang pagsusulat sa cache ay sinisingil sa 1.25x ng rate ng input ng modelo na hindi naka-cache, habang ang pagbabasa sa cache ay patuloy na nakakatanggap ng 90% diskuwento sa naka-cache na input.
Propesyonal
| Eval | GPT‑5.6 Sol | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 | Claude Fable 5 | Claude Opus 4.8 | Gemini 3.1 Pro Preview | Gemini 3.5 Flash |
| Huling Pagsusulit ng mga Agent | 52.7% | 50.4% | 50.3% | 46.9% | 40.5% | 45.2% | 32.1% | — |
| GDPval-AA v2 | 1,747.8 Elo | 1,593 Elo | 1,591.8 Elo | 1,493.7 Elo | 1,759.6 Elo | 1,600.1 Elo | 962.3 Elo | 1,348.8 Elo |
| Mga Gawain sa Management Consulting (Panloob) | 43.2% | 37.2% | 35.4% | 31.3% | 35.5% | 31.6% | 13.2% | — |
| Big Finance Bench | 53% | 51% | 36% | 49% | — | 44% | — | — |
| Artificial Analysis Intelligence Index v4.1 | 58.9 Iskor ng index | 55 Iskor ng index | 51.2 Iskor ng indeks | 54.8 Iskor ng indeks | 59.9 Iskor ng indeks | 55.7 Iskor ng indeks | 46.5 Iskor ng indeks | 50.2 Iskor ng indeks |
Pag-code
| Eval | GPT‑5.6 Sol | GPT‑5.6 Sol Ultra | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 | Claude Mythos 5 | Claude Mythos Preview | Claude Fable 5 | Claude Opus 4.8 | Gemini 3.1 Pro Preview |
| Artificial Analysis Coding Agent Index v1.1 | 80 Iskor ng indeks | — | 77.4 Iskor ng indeks | 74.6 Iskor ng indeks | 76.4 Iskor ng indeks | — | — | 77.2 Iskor ng indeks | 72.5 Iskor ng indeks | 42.7 Iskor ng indeks |
| SWE-Bench Pro | 64.6% | — | 63.4% | 62.7% | 59.4% | 80.3% | 77.8% | 80% | 69.2% | 54.2% |
| DeepSWE v1.1 | 72.7% | — | 69.6% | 67.2% | 67% | — | — | 69.7% | 59% | 11.8% |
| Terminal-Bench 2.1 | 88.8% | 91.9% | 87.4% | 84.7% | 85.6% | 88% | — | 83.1% | 78.9% | 70.7% |
Kaligtasan
| Eval | GPT‑5.6 Sol | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 | GPT‑5.4 | Claude Opus 4.8 | Claude Mythos 5 | Claude Mythos Preview |
| Healthbench Professional | 60.5% | 57.7% | 55.7% | 51.8% | 48.1% | 52.6% | 66% | 64.7% |
Paggamit ng computer
| Eval | GPT‑5.6 Sol | GPT‑5.6 Sol Ultra | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 | Claude Mythos 5 | Claude Mythos Preview | Claude Opus 4.8 | Gemini 3.1 Pro Preview |
| OSWorld 2.0 | 62.6% | — | 50.2% | 45.6% | 47.5% | — | — | 54.8% | — |
| BrowseComp | 90.4% | 92.2% | 87.5% | 83.3% | 84.4% | 88% | 87.9% | 84.3% | 85.9% |
| BenchCAD | 70.6% | — | 62.3% | 63.1% | 44.4% | 38.4% | 35.5% | 27.3% | — |
| BenchCAD (Python na tool) | 83.4% | — | 78.2% | 73.9% | 55.8% | 65% | 61% | 51.8% | — |
Cybersecurity
| Eval | GPT‑5.6 Sol | GPT‑5.6 Sol Ultra | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 | Claude Mythos 5 | Claude Mythos Preview | Claude Opus 4.8 |
| Capture-the-Flag Challenges | 96.7% | — | 91.8% | 85.2% | 88.1% | — | — | — |
| SEC-Bench Pro | 71.2% | 74.3% | 57.7% | 48.9% | 45.8% | — | — | — |
| CyberGym | 84.5% | — | 81.8% | 77.9% | 81.8% | 83.8% | 83% | 78.1% |
| ExploitBench | 73.5% | — | 52.9% | 33.2% | 47.9% | 78% | 74.2% | 40% |
| ExploitGym | 33.7% | — | 23.2% | 12.4% | 15.1% | — | — | — |
Pagpapabuti sa sarili
| Eval | GPT‑5.6 Sol | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 |
| Panloob na Pagsusuri sa Pag-debug ng Pananaliksik | 68.3% | 67.8% | 50.8% | 50% |
| KernelGen 1P | 61.1% | 49.2% | 22.4% | 29.3% |
| NanoGPT | 9.69% | 14.5% | 1.66% | 2.65% |
| PostTrainBench Lite | 50.3% | 51.5% | 29.6% | 38.8% |
| Indeks ng RSI | 57.9% | 56.3% | 41.9% | 41.7% |
Multimodal
| Eval | GPT‑5.6 Sol | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 | Claude Fable 5 | Claude Opus 4.8 | Gemini 3.1 Pro Preview |
| MMMU Pro (walang mga tool) | 83% | 80.7% | 78.4% | 81.2% | — | — | 80.5% |
| MMMU Pro (may mga tool) | 84.6% | 82% | 79.5% | 83.2% | — | — | — |
| gdp.pdf | 30.7% | 24.7% | 22.7% | 26% | 29.8% | 22.5% | 16.7% |
Pang-akademiko
| Eval | GPT‑5.6 Sol | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 | Claude Mythos 5 | Claude Mythos Preview | Claude Fable 5 | Claude Opus 4.8 | Gemini 3.1 Pro Preview |
| GPQA Diamond | 94.6% | 92.9% | 92.3% | 93.6% | 94.1% | 94.6% | 92.6% | 92% | 94.3% |
| FrontierMath Tier 1-3 (v2) | 89% | 84.9% | 78.6% | 85.3% | — | — | 87% | 80% | 59.6% |
| FrontierMath Tier 4 (v2) | 83% | 68.3% | 58.5% | 72.5% | — | — | 87.8% | 56.1% | — |
Paggamit ng mga tool
| Eval | GPT‑5.6 Sol | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 | Claude Mythos 5 | Claude Mythos Preview | Claude Fable 5 | Claude Opus 4.8 | Gemini 3.1 Pro Preview | Gemini 3.5 Flash |
| AutomationBench | 18.1% | 15.2% | 14.9% | 12.9% | — | — | 17.4% | 15.5% | — | 14.5% |
| Toolathlon | 58% | 53.1% | 53.4% | 55.6% | 61.7% | 61.1% | 61.7% | 59.9% | 48.8% | — |
Mahabang konteksto
| Eval | GPT‑5.6 Sol | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 | Claude Mythos 5 | Claude Mythos Preview | Claude Opus 4.8 |
| OpenAI MRCR v2 8-needle 256K-512K | 91.5% | 89.6% | 41.3% | 81.5% | — | — | — |
| OpenAI MRCR v2 8-needle 512K-1M | 73.8% | 72.5% | 41.3% | 74% | — | — | — |
| GraphWalks BFS 256k f1 | 90.7% | 76.9% | 81.3% | 73.7% | 91.1% | 85.7% | 85.9% |
| GraphWalks BFS 1mil f1 | 77.1% | 71.2% | 51.2% | 45.4% | 79.4% | 74.3% | 68.1% |
Abstract na pangangatwiran
| Eval | GPT‑5.6 Sol | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 | Claude Opus 4.8 | Gemini 3.1 Pro Preview |
| ARC-AGI-3⁷ | 7.78% | 0.8% | 0.18% | 0.43% | 1.5% | 0.42% |
May-akda
Mga Footnote
1. Sinusuri ang mga kakayahan sa cyber na may binawasang mga pananggalang. Maaaring sumali ang mga user sa Trusted Access for Cyber program ng OpenAI Daybreak para sa mas malawak na pag-access sa mga depensibong kakayahan sa cyber.
2. Sinusuri ang lahat ng modelo gamit ang ExploitBench API harness na may 5 seed at reasoning continuity.
3. Pina-run namin ang ExploitGym sa aming alpha API, na naglalabas ng mga tugon nang mas mabilis kaysa sa aming pampublikong API, at pagkatapos ay muling ini-scale para tumugma sa aming pampublikong API. Kapag nire-rescale ang mga latency sa mga bilis na inaasahan para sa aming pampublikong API, nagiging sanhi ito na lumampas ang ilang tinatayang latency sa mga time limit na 2- at 6-oras, kahit tama namang nasunod ang mga ito sa evaluation run. Para sa mas mabilis na pagproseso ng mga gawaing kailangang matapos agad, nag-aalok kami ng priority processing sa API at fast mode sa Codex.
4. Tinatantiya namin ang latency, at gastos sa API sa pamamagitan ng pagtingin sa paggawi sa produksyon ng aming mga modelo, at pagsasagawa ng simulasyon nang offline. Kasama sa mga pagtatayang ito ang mga detalye ng tool call, token na may sample, at input token. Maaaring mag-iba nang malaki ang mga resulta sa totoong buhay, at nakadepende ang mga ito sa maraming salik na hindi nakuha sa aming simulation. Ginagaya namin ang latency batay sa bilis ng fast API, at ang gastos batay sa regular na pagpepresyo ng API.
5. Ang mga modelo na walang iniulat na output token, latency, o gastos ay ipinapakita bilang mga pahalang na tuldok-tuldok na linya.
6. Para sa multi-agent, ang latency ay nakabatay sa pangunahing agent, samantalang kasama sa mga kabuuan ng output token at gastos sa API ang lahat ng token. Pinapatakbo ang Ultra gamit ang apat na ahente.
7. Kinakalkula namin ang mga iskor gamit ang opisyal na paraan ng pagmamarka na inilalarawan sa Papel ng HealthBench Professional, na hindi maihahambing sa mga resulta na iniulat sa mga card ng system ng Anthropic.
8. Ang ARC-AGI-3 para sa Opus 4.8 ay pinatakbo sa mataas at hindi sa maximum na effort sa pangangatwiran, dahil ito ang tanging nailathalang resulta ng ARC-AGI-3.

