We're beginning a limited preview of the GPT‑5.6 series: Sol, our flagship model; Terra, a balanced model for everyday work; and Luna, a fast and affordable model. Terra has competitive performance to GPT‑5.5 while being 2x cheaper and Luna brings strong capability at our lowest cost.
GPT‑5.6 Sol launches with our most robust safety stack to date. We strengthened protections for higher-risk activity, sensitive cyber requests, and repeated misuse, and spent multiple weeks finding weaknesses, pressure-testing our system, and hardening it against real-world attacks.
We believe in broad access, and we plan to make GPT‑5.6 Sol, Terra, and Luna generally available in the coming weeks. As part of our ongoing engagement with the U.S. government, we previewed our plans and the models’ capabilities ahead of today’s launch. At their request, we are starting with a limited preview for a small group of trusted partners whose participation has been shared with the government, before releasing more broadly. During this preview, we will continue testing and coordinating closely with partners as we work toward broader availability. We don’t believe this kind of government access process should become the long-term default. It keeps the best tools from users, developers, enterprises, cyber defenders, and global partners who need them. We are taking this short-term step because we believe it is the strongest path to broader availability in the coming weeks, while we work with the Administration to develop the cyber Executive Order framework and a repeatable process for future model releases.
GPT‑5.6 Sol is our strongest model yet. To give a preview of model performance, we share a set of evaluations highlighting improved agentic capabilities in coding, biology, and cybersecurity, with additional safety and preparedness evaluations available in our system card(s'ouvre dans une nouvelle fenêtre). We will share an expanded suite of evaluation results when we make the model broadly available.
With GPT‑5.6, we’re introducing a new max reasoning effort to give Sol the most time to reason deeply. Additionally, we’re introducing a new ultra mode that goes beyond the capabilities of a single agent by leveraging subagents to accelerate complex work.
For coding workflows, GPT‑5.6 Sol sets a new state of the art on Terminal‑Bench 2.1, which tests command-line workflows requiring planning, iteration, and tool coordination.
GPT‑5.6 Sol also shows broad improvements in biology workflows. On GeneBench v1, which evaluates long-horizon genomics and quantitative-biology analyses, it achieves stronger results than GPT‑5.5 while using fewer tokens.
GPT‑5.6 Sol is our most capable model yet for cybersecurity. It shifts the performance-efficiency frontier for long-horizon security tasks including vulnerability research and exploitation. On ExploitBench², GPT‑5.6 Sol is competitive with Mythos Preview using only ~1/3 of the output tokens. On ExploitGym(s'ouvre dans une nouvelle fenêtre)3, a benchmark created by UC Berkeley researchers in collaboration with OpenAI and other frontier labs, GPT‑5.6 Sol, Terra, and Luna models all demonstrate strong improvements in cyber capabilities as we increase reasoning.
We developed GPT‑5.6 Sol, Terra and Luna with our most robust safeguards to date, with configurations matched to each model’s capabilities. As the model becomes more capable, we design safeguards to increasingly hold up to real-world adversarial pressure while preserving access to legitimate work such as code review, vulnerability research, patch development, debugging, security education, and defensive testing. Our goal is to make prohibited offensive activity more difficult, uncertain, and detectable without unnecessarily limiting those beneficial uses. Based on our assessment of the model and safeguards, we expect substantial benefit for legitimate defensive work, while meaningfully constraining prohibited offensive use.
GPT‑5.6 Sol is better at helping people find and fix vulnerabilities than reliably carrying out end-to-end attacks. As these capabilities continue to advance, our priority is to make sure they reach and benefit defenders, who can use these tools to find weaknesses, develop patches, and strengthen systems more broadly.
GPT‑5.6 Sol does not cross the Cyber Critical threshold under our Preparedness Framework. In evaluations involving Chromium and Firefox, it identified bugs and exploitation primitives—the building blocks of an exploit—but did not autonomously produce a functional full-chain exploit under the conditions tested. Still, benchmark thresholds cannot capture every way a model may be used or combined with other tools. That uncertainty, along with the model’s broader step change in capabilities, is why we are pairing the model’s increased capabilities with stronger safeguards and a phased release. We share more details about our safeguards in the GPT‑5.6 Preview system card(s'ouvre dans une nouvelle fenêtre).
No single safeguard is sufficient against determined or adaptive misuse. Across the GPT‑5.6 preview, we use layered safeguards, with exact configurations varying across models, and pressure-test them for real-world attacks. These include protections trained into the model, real-time checks during generation, account-level signals, differentiated access, monitoring, enforcement, and continued testing.
GPT‑5.6 is trained to refuse prohibited cyber assistance, including when users attempt to disguise their intent or jailbreak the model. These model-level safeguards establish the first boundary around what the model should and should not help with.
Real-time cyber and biology misuse classifiers provide another layer by evaluating output as it is generated. For higher risk cases, if they detect a potential violation, the generation may be paused while a larger reasoning model reviews the conversation and its context. If the output is assessed as disallowed, it is withheld before it reaches the user.
Flagged activity can also trigger account-level review across relevant conversations and risk signals, consistent with our terms and policies around content retention and review. Looking beyond a single conversation helps our systems distinguish persistent malicious behavior from legitimate dual-use security work, where similar technical concepts may appear in very different contexts.
Together, these layers make the overall approach more robust than any one safeguard on its own. Model behavior reduces the likelihood of harmful responses, real-time systems can intervene during generation, account-level review can identify broader patterns, and differentiated access preserves important defensive work without making the most sensitive capabilities broadly available by default.
Especially during the preview, users may encounter safeguards that block or refuse some requests. Other requests may take longer because generation is paused for additional review. Safeguards may occasionally intervene on legitimate work, particularly in dual-use areas where defensive and offensive activity can initially look similar.
That is part of what the preview is designed to test. We want to understand not only whether the safeguards constrain misuse, but whether legitimate users can still complete normal work reliably and efficiently. Feedback during the preview will help us reduce unnecessary blocks and delays, improve how the safeguards interpret context, and create a smoother experience before wider release.
We are also working with enterprise customers on longer-term approaches—including privacy-preserving detection, customer-operated safety controls, and access calibrated to the risk of a customer, user, or workload—to advance safety while supporting enterprise privacy requirements.
Les mesures de protection doivent aussi demeurer efficaces lorsque les attaquants adaptent leurs tactiques. Une protection qui fonctionne seulement contre un ensemble fixe d’attaques connues n’est pas assez robuste pour un modèle de pointe.
C’est pourquoi nous appliquons plus d’intelligence et de capacité de calcul que jamais à la sécurité, en utilisant nos propres modèles pour trouver les faiblesses et améliorer les mesures de protection plus rapidement. Nous avons consacré plus de 700 000 heures GPU équivalentes A100 au red-teaming automatisé visant à trouver des jailbreaks universels : des attaques qui peuvent fonctionner avec de nombreuses invites ou dans de nombreux contextes, et pas seulement dans un cadre très restreint. En nous concentrant sur ces attaques plus difficiles et plus générales, nous avons pu tester les mesures de protection au-delà d’un ensemble fixe d’échecs connus. Cela nous permet aussi d’explorer bien plus de schémas d’attaque que ne le permettrait le seul test humain, de repérer plus tôt les tendances d’échec et de réduire le délai entre la découverte d’une faiblesse et sa correction.
En plus du red-teaming automatisé, nous avons travaillé avec des testeurs tiers pour mener un vaste red-teaming humain par des experts, qui se poursuivra pendant la période d’aperçu. Le red-teaming humain complète le travail automatisé en mettant à l’épreuve les mesures de protection face à des experts créatifs qui tentent d’utiliser le modèle à mauvais escient d’une manière que nos systèmes pourraient ne pas anticiper.
Aucune évaluation ne peut représenter toutes les configurations de produit, attaques en plusieurs étapes ou flux de travail réels. Nous maintenons donc un processus de réponse rapide pour reproduire, évaluer, prioriser et corriger les jailbreaks nouvellement découverts, puis les ajouter à nos évaluations continues afin de pouvoir tester à l’avenir les échecs similaires.
Pendant l’aperçu, les modèles GPT‑5.6 seront d’abord offerts par l’entremise de l’API et de Codex à un groupe sélectionné de partenaires et d’organisations de confiance. Nous prévoyons de les rendre bientôt plus largement accessibles aux personnes qui utilisent ChatGPT, Codex et l’API.
Dans ce nouveau système de dénomination introduit avec GPT‑5.6, le numéro indique la génération d’un modèle, tandis que Sol, Terra et Luna désignent des niveaux de capacités durables qui peuvent progresser à leur propre rythme. Ensemble, cette famille offre aux personnes et aux développeurs des choix plus clairs en matière d’intelligence, de vitesse et de coût.
GPT‑5.6 est tarifé par million de tokens pour trois tailles de modèles : Sol coûte 5 $ en entrée / 30 $ en sortie; Terra, 2,50 $ en entrée / 15 $ en sortie; et Luna, 1 $ en entrée / 6 $ en sortie. GPT‑5.6 introduit aussi une mise en cache des invites plus prévisible, y compris la prise en charge de points d’arrêt de cache explicites et une durée de vie minimale du cache de 30 minutes. Pour GPT‑5.6 et les modèles ultérieurs, les écritures en cache sont facturées à 1,25 fois le tarif d’entrée non mise en cache du modèle, tandis que les lectures en cache continuent de bénéficier de la réduction de 90 % sur les entrées mises en cache.
Nous lançons aussi GPT‑5.6 Sol sur Cerebras en juillet, jusqu’à 750 tokens par seconde, offrant aux clients une intelligence de pointe à une vitesse sans précédent. L’accès sera d’abord limité à certains clients pendant que nous augmentons la capacité.
Nous avons hâte de continuer à apprendre de cette période d’aperçu et d’offrir bientôt GPT‑5.6 Sol, Terra et Luna à un plus grand nombre de personnes.
1. Nous estimons la latence et le coût de l’API en observant le comportement en production de nos modèles et en effectuant des simulations hors ligne. Ces estimations tiennent compte des détails des appels d’outils, des tokens échantillonnés et des tokens d’entrée. Les résultats réels peuvent varier considérablement et dépendent de nombreux facteurs que notre simulation ne prend pas en compte. Nous simulons la latence à des vitesses API rapides et le coût selon la tarification API régulière.
2. Tous les modèles sont évalués avec le harnais d’API ExploitBench, avec 5 graines et la continuité du raisonnement.
3. Nous avons exécuté ExploitGym sur notre API alpha, qui produit des réponses plus rapidement que notre API publique, puis nous avons redimensionné les résultats pour les faire correspondre à notre API publique. Lors du redimensionnement des latences aux vitesses attendues pour notre API publique, certaines latences estimées dépassent ainsi les limites de temps de 2 h et de 6 h, même si elles ont été correctement respectées lors de l’exécution de l’évaluation. Pour obtenir des vitesses plus élevées pour les tâches sensibles au temps, nous offrons le traitement prioritaire dans l’API et le mode rapide dans Codex.
4. Les modèles pour lesquels les tokens de sortie, la latence ou le coût ne sont pas indiqués sont représentés par des lignes pointillées horizontales.
