Léim go dtí an príomhábhar
OpenAI

9 Iúil 2026

TáirgeEisiúint

GPT‑5.6: Intleacht cheannródaíoch a fhásann le do uaillmhian

Faightear níos mó intleachta ó gach téacschomhartha, feidhmíocht níos láidre in aghaidh an dollar, agus níos mó cumais ar éileamh do do chuid oibre is dúshlánaí.

Ag lódáil…

Seolaimid an tsraith samhlacha GPT‑5.6 le haghaidh infhaighteachta ginearálta tar éis ár réamhamharc teoranta: ár samhail shuaitheanta nua, Sol, in éineacht le Terra, samhail chothromaithe don obair laethúil, agus Luna, an tsamhail is éifeachtúla ó thaobh costais de atá againn.

Leagann GPT‑5.6 Sol caighdeán nua síos don intleacht agus don éifeachtúlacht araon, agus é ag baint amach torthaí úrscothacha ar fud an chódaithe, na hoibre eolais, na cibearshlándála agus na heolaíochta, agus ag sárú samhlacha ar thús cadhnaíochta roimhe seo agus samhlacha ar thús cadhnaíochta iomaíocha le níos lú téacschomharthaí agus ar chostas measta níos ísle. Is é an toradh atá air ná feidhmíocht níos láidre in aghaidh an dollair: níos mó oibre rathúla ar an gcaiteachas céanna, nó torthaí inchomparáide ar chostas iomlán níos ísle. Tugaimid isteach freisin bealach nua chun an obair is déine a luathú: is é ultra ár socrú cumais is airde, a chomhordaíonn gníomhairí iomadúla thar shruthanna oibre comhthreomhara chun tascanna casta a chríochnú níos tapúla. Déanann úsáid ríomhaireachta níos láidre agus breithiúnas dearaidh níos fearr GPT‑5.6 Sol an comhoibrí is snasta atá againn go dtí seo, ag cabhrú leis iniúchadh a dhéanamh, a bheachtú, agus torthaí réidh le húsáid a sheachadadh.

Chuireamar oiliúint ar GPT‑5.6 chun níos mó oibre úsáideach a bhaint as gach téacschomhartha. Ar Agents’ Last Exam(osclaíonn i bhfuinneog nua), measúnú ar shreafaí oibre gairmiúla fadtréimhseacha thar 55 réimse, socraíonn buaicphointe nua de 53,6 GPT‑5.6 Sol, agus sáraíonn sé Claude Fable 5 (réasúnaíocht oiriúnaitheach) faoi 13,1 pointe. Fiú le réasúnaíocht mheánach, sáraíonn sé Fable 5 faoi 11,4 pointe ar thart ar aon cheathrú den chostas measta. Síneann an éifeachtúlacht sin go dtí samhlacha níos lú, atá riachtanach chun intleacht a dhéanamh níos flúirsí agus níos inacmhainne: sáraíonn GPT‑5.6 Terra agus GPT‑5.6 Luna Fable 5 ar thart ar aon séú cuid den chostas. Ar an Innéacs Intleachta Anailíse Saorga(osclaíonn i bhfuinneog nua), tomhas leathan ar intleacht a chuimsíonn obair ghníomhaireach, códú, réasúnaíocht eolaíoch, agus cumais ghinearálta, tagann GPT‑5.6 Sol le réasúnaíocht uasta laistigh de phointe amháin de Fable 5 agus tascanna á gcur i gcrích aige i 61 % níos lú ama ar thart ar leath an chostais mheasta.

Scrúdú Deireanach na nGníomhairí(osclaíonn i bhfuinneog nua): Sreafaí oibre gníomhaireacha fadtéarmacha thar réimsí gairmiúla.

Seoltar GPT‑5.6 leis na cosaintí is láidre atá againn go dtí seo, atá deartha chun seasamh go láidir i gcoinne mí-úsáide diongbháilte agus oiriúnaitheach gan obair dhlisteanach a theorannú go forleathan. Roimh infhaighteacht ghinearálta, chuireamar na samhlacha agus na cosaintí trí ár tréimhse mheastóireachta is fairsinge go dtí seo, ag comhcheangal tástáil mhodh na foirne deirge daonna le tástáil uathoibrithe ar mhórscála. Le linn na tréimhse réamhamhairc, d’oibríomar go dlúth le heagraíochtaí saineolacha agus le comhpháirtithe iontaofa chun tástáil struis a dhéanamh ar na cosaintí agus na bearta cosanta a neartú roimh sheoladh níos leithne. Cuireann an córas a eascraíonn as sin cosaintí atá ionchurtha sa tsamhail i sraitheanna le seiceálacha fíor-ama, monatóireacht, agus rochtain atá coigeartaithe de réir muiníne agus riosca.

Éifeachtach de réir réamhshocraithe, feidhmíocht uasta ar éileamh

Is é GPT‑5.6 Sol an tsamhail chódaithe is fearr atá againn go dtí seo. Ar Innéacs na nGníomhairí Códaithe Anailíse Saorga, le réasúnaíocht uasta, leagann GPT‑5.6 Sol caighdeán úrscothach nua síos ag 80, 2.8 pointe os cionn Fable 5, agus é ag úsáid níos lú ná leath na dtéacschomharthaí aschuir, ag glacadh níos lú ná leath den am, agus costas thart ar aon trian níos ísle air. Síneann an buntáiste sin ar fud an teaghlaigh: feidhmíonn Terra beagán os cionn Fable 5, agus feidhmíonn Luna níos fearr ná Opus 4.8; déanann gach ceann acu amhlaidh i dtuairim is aon trian den am, le thart ar leath oiread téacschomharthaí aschuir, agus ar thart ar aon cheathrú den chostas measta. Baineann sé amach freisin torthaí úrscothacha nua ar Terminal‑Bench 2.1 agus DeepSWE, a dhéanann tástáil ar shreafaí oibre casta ar líne na n-orduithe agus ar innealtóireacht fhadtéarmach i bhfíor-bhunachair chóid.

Innéacs Gníomhairí Códála Anailíse Shaorga: innéacs neamhspleách ar fheidhmíocht gníomhairí códála maidir le cur chun feidhme, úsáid teirminéil, agus fíorbhunachair chóid.

Is féidir le GPT‑5.6 cláir éadroma a scríobh agus a rith a chomhordaíonn uirlisí, a phróiseálann torthaí idirmheánacha, a dhéanann monatóireacht ar dhul chun cinn, agus a roghnaíonn an chéad ghníomh eile de réir mar a théann an obair ar aghaidh. Ligeann sé seo do thascanna atá dian ar uirlisí dul chun cinn a dhéanamh le níos lú téacschomharthaí, níos lú babhtaí anonn is anall leis an tsamhail, agus níos lú treorach. In ionad a éileamh ar fhorbróirí gach céim a scriptiú nó gach freagra uirlise a chur ar ais tríd an tsamhail, is féidir le Glaoch Uirlisí Cláir(osclaíonn i bhfuinneog nua) san API Freagraí méideanna móra sonraí idirmheánacha a scagadh, gan ach an méid is tábhachtaí a choinneáil, agus a shreabhadh oibre a oiriúnú ar an mbealach.

I gcás fadhbanna a mbíonn toradh níos fearr orthu de bharr infheistíocht níos mó ama agus acmhainní ríomhaireachta, is féidir le GPT‑5.6 dul níos faide ná an réamhshocrú éifeachtúil seo. Tugann max níos mó ama fós do GPT‑5.6 ná xhigh chun réasúnaíocht a dhéanamh agus roghanna eile a fhiosrú, seiceálacha a rith, agus a chur chuige a athbhreithniú. Téann ultra níos faide trí cheathrar gníomhairí a chomhordú go comhthreomhar de réir réamhshocraithe, agus glacann sé le húsáid níos airde téacschomharthaí mar mhalairt ar thorthaí níos láidre agus am níos giorra chun toradh a bhaint amach ar thascanna dúshlánacha. Déanann na cairteacha thíos comparáid idir socrú réamhshocraithe ceithre ghníomhaire ultra agus bonnlíne aon ghníomhaire ar fud BrowseComp, SEC-Bench Pro, agus Terminal-Bench 2.1; i gcás BrowseComp agus SEC-Bench Pro, taispeántar cumraíochtaí 16 ghníomhaire freisin. Sna trí mheastóireacht ar fad, bogann cur le gníomhairí comhthreomhara an teorainn scór aga folaigh suas agus ar chlé, agus torthaí níos láidre á mbaint amach i níos lú ama. San API, is féidir le forbróirí eispéiris cosúil le Ultra a chruthú trí úsáid a bhaint as an leagan béite ilghníomhairí san Responses API.

1 de 11
Tá GPT‑5.6 ar cheann de na samhlacha is láidre a ndearnamar tástáil orthu ar CursorBench, agus torthaí láidre á mbaint amach aige i meastóireachtaí luatha. Is céim spreagúil chun cinn í do fhorbróirí ó thaobh seasmhachta, intleachta agus éifeachtúlachta foriomláine de. Táimid ag súil go mór leis an tsamhail seo a chur ar fáil dár n-úsáideoirí Cursor.
—Oskar Schulz, Uachtarán ag Cursor

Céim mhór chun cinn sa dearadh

Soláthraíonn GPT‑5.6 céim mhór chun cinn maidir le breithiúnas dearaidh. Gan ach treoir ardleibhéil, cruthaíonn GPT‑5.6 comhéadain ghalánta, eirgeanamaíocha agus fheidhmiúla. Cuireann a chumais níos láidre maidir le húsáid ríomhaire ar a chumas an toradh rindreáilte a iniúchadh agus a bheachtú — ní hamháin an bunchód nó an t-inneachar bunúsach a ghiniúint — ionas gur féidir leis saincheisteanna físiúla agus feidhmiúla a aimsiú agus bailchríocha deiridh a chur i bhfeidhm sula dtugann sé an obair ar ais.

Leid: An féidir leat cluiche seoltóireachta 3T a chur i bhfeidhm domsa? Maidir le haon rud a bhfuil mapaí giotán/uigeachtaí/sprideanna de dhíth air (nó má chabhraíonn sé tagairt mhacamhla a bheith agat d’aon samhlacha 3T a thógann tú), ná bíodh drogall ort imagegen a úsáid.

Déanann cumais tosaigh GPT‑5.6 mínithe agus ina léirshamhlú snasta, idirghníomhach iarratais teanga nádúrtha a thiontú ina laistigh de ChatGPT Work freisin.

Leid: Cruthaigh spiri-graf idirghníomhach chun míniú a thabhairt ar a oibríocht.

Obair eolais ó thús go deireadh

Soláthraíonn GPT‑5.6 torthaí níos fearr do thascanna gairmiúla. Glacann sé comhthéacs mí-eagraithe ó do dhoiciméid agus ó shreafaí oibre laethúla amhail Slack, Notion, Microsoft 365 agus Google Drive, agus tiontaíonn sé ina dhéantáin inroinnte ar leibhéal saineolaithe é.

Tá láidreacht GPT‑5.6 san obair eolais le feiceáil i meastóireachtaí a chuimsíonn anailís ghairmiúil fhadtréimhseach, brabhsáil, úsáid uirlisí agus úsáid ríomhaire. Baineann GPT‑5.6 Sol torthaí nua úrscothacha amach ar BrowseComp ag 92.2% agus ar OSWorld 2.0 ag 62.6%; ar OSWorld, sáraíonn sé Opus 4.8 agus é ag úsáid 85% níos lú téacschomharthaí aschuir. Anseo tá na gnóthachain feidhmíochta in aghaidh an dollar le sonrú ar fud theaghlach GPT‑5.6. Tá Luna beagnach ar aon dul le GPT‑5.5 Buaicfheidhmíocht ar chostas faoi bhun leath an chostais mheasta, agus sáraíonn Terra é ar chostas níos ísle.

BrowseComp: Baineann GPT‑5.6 Sol caighdeán nua úrscothach amach ar BrowseComp, atá comhdhéanta de thascanna brabhsála gniomhaireacha.

Feabhsaíonn GPT‑5.6 Sol an cháilíocht i láithreoireachtaí, doiciméid agus scarbhileoga, ag cruthú aschur níos snasta agus níos cruinne. Is féidir leis cur i láthair in-eagarthóireachta go hiomlán a chruthú ón tús, ag aistriú leid agus bunábhar ina scéal amhairc chomhleanúnach le leagan amach, ordlathas agus dearadh láidir.

Tá an feabhas thar a bheith suntasach nuair a chloítear le teimpléid agus deiceanna tagartha. Is féidir le GPT‑5.6 córas dearaidh deice a bhaint amach—leagan amach, clóghrafaíocht, spásáil, dathanna, agus patrúin ábhair athfhillteacha, lena n-áirítear rialacha atá leabaithe sa Mháistirshleamhnán—agus na coinbhinsiúin sin a chur i bhfeidhm go comhsheasmhach ar ábhar nua. Sa sampla seo, nuair a iarrtar uimhreacha a nuashonrú bunaithe ar chomhad tagartha, tá comhpháirteanna tábhachtacha ar iarraidh ón sleamhnán máistir in aschur GPT‑5.5, ach leanann GPT‑5.6 an struchtúr tagartha níos dílse.

Comhad tagartha
Sleamhnán ionchuir le haghaidh meaitseála stíle GPT-5.6
Aschur GPT‑5.5
Sleamhnán aschuir GPT-5.5 chun stíl a mheaitseáil

Tá príomh-chomhpháirteanna den mháistirshleamhnán in easnamh ar GPT‑5.5

Aschur GPT‑5.6
Sleamhnán aschuir GPT-5.6 le haghaidh meaitseáil stíle

Cruthaíonn GPT‑5.6 doiciméid agus scarbhileoga atá níos snasta ó thaobh amhairc de freisin. Cloíonn sé ar bhealach níos dílse le formáidí tagartha casta, rud atá tábhachtach do ghníomhaíochtaí oibre eolais in-athdhéanta. Láimhseálann sé cothromóidí agus samhlacha airgeadais le beachtas níos beacht, agus baineann sé úsáid níos fearr as clóghrafaíocht, spásáil, ordlathas, agus leagan amach leathanaigh nó bileoige oibre.

Chonaic custaiméir luath a bhí ag tástáil ar GPT‑5.6 feabhsuithe ar aschuir oibre eolais thar raon leathan disciplíní.

1 de 9
Tá GPT‑5.6 thar a bheith éifeachtúil maidir leis na sreafaí oibre fada casta a bhaineann le haipeanna ar chaighdeán táirgeachta a fhorbairt. Mar cheann de na samhlacha atá in úsáid anois ag Lovable, cuireann sé torthaí ar fáil d’úsáideoirí le thart ar 25% níos lú céimeanna agus 35–48% níos lú glaonna uirlisí ná an tsamhail roimhe seo, agus ag an am céanna feabhsaíonn sé rath na dtionscadal agus laghdaíonn sé ritheanna sáinnithe faoi 15%. Is difríocht shuntasach í sin d’aon duine atá ag iarraidh dul ó smaoineamh go haip fheidhmiúil.
—Fabian Hedin, Comhbhunaitheoir ag Lovable

Ag brú teorainneacha sa chibearréimse agus san eolaíocht

Is é GPT‑5.6 an tsamhail chibearshlándála is láidre atá againn go dtí seo, agus tá feidhmíocht ar thús cadhnaíochta á baint amach aige le i bhfad níos lú téacschomharthaí. Ar ExploitBench2, a thomhaiseann dul chun cinn ó chód leochaileach a bhaint amach go dtí forghníomhú cód ar bith, scórálann sé 73,5% i gcomparáid le GPT‑5.5. 47,9% le buiséad téacschomhartha aschuir inchomparáide. Ar ExploitGym3, a iarrann ar ghníomhairí leochaileachtaí sa saol fíor a iompú ina ndúshaothruithe feidhmiúla, déanann sé beagnach feidhmíocht GPT‑5.5 a dhúbailt buaicráta pasála, ó 15,1% go 24,9% faoin uasteorainn dhá uair an chloig; le sé uair an chloig, sroicheann sé 33,7%. Ar SEC-Bench Pro, a dhéanann tástáil ar ghiniúint cruthúnais coincheapa ar bhogearraí casta, scórálann sé 71,2% i gcomparáid le scór GPT‑5.5. 45,8% ag aga folaigh feabhsaithe.

Tacaíonn GPT‑5.6 le tascanna cosanta tábhachtacha amhail athbhreithniú slándála ar chód, paisteáil, samhaltú bagairtí, agus blue teaming. Is féidir le daoine aonair agus eagraíochtaí cáilithe i gclár Rochtain Iontaofa OpenAI Daybreak ar Chibearshlándáil rochtain a fháil ar bhreis dá gcumas cosanta trí chosaintí níos beaichte d’obair fhíoraithe i dtimpeallachtaí údaraithe, lena n-áirítear triáis agus bailíochtú leochaileachtaí, anailís ar bhogearraí mailíseacha, innealtóireacht braite, agus bailíochtú paistí.

Is féidir le daoine aonair a gcéannacht a fhíorú agus rochtain iontaofa a iarraidh(osclaíonn i bhfuinneog nua), agus is féidir le heagraíochtaí cur isteach thar ceann a bhfoirne. Beidh ar bhaill aonair Slándáil Chuntais Chéimnithe(osclaíonn i bhfuinneog nua) a chumasú le heochracha rochtana le tacaíocht crua-earraí faoin 1 Meán Fómhair chun rochtain a choinneáil ar ár samhlacha ar thús cadhnaíochta is cumasaí ó thaobh cibearshlándála de. Fillfidh iad siúd nach ndéanfaidh é sin ar rochtain réamhshocraithe. Is féidir le húsáideoirí nach bhfuil pas-eochracha le tacaíocht crua-earraí acu cheana féin praghsáil roghnaithe(osclaíonn i bhfuinneog nua) a fháil ónár gcomhpháirtí, Yubico. Táimid ag glacadh céimeanna breise freisin chun rochtain a shrianadh d’eintitis ardriosca agus i ndlínsí ardriosca.

ExploitBench: Ag tógáil saothruithe V8 atá níos cumasaí de réir a chéile; léiríonn GPT‑5.6 feabhas mór i gcomparáid le GPT‑5.5. Ní thaispeántar an chairt moille mar níl meastachán moille iontaofa don tagarmharc seo.

Léiríonn GPT‑5.6 Sol feabhsuithe fairsinge freisin ar fud taighde eolaíoch. I meastóireachtaí ar na heolaíochtaí beatha, léiríonn GPT‑5.6 feabhsuithe Pareto i gcomparáid le GPT‑5.5 i mbitheolaíocht sa saol réadúil, i sreafaí oibre taighde sna heolaíochtaí beatha, agus sa cheimic.

GeneBench Pro: Anailísí fadtréimhseacha ar ghéanómaíocht agus ar bhitheolaíocht chainníochtúil; baineann GPT‑5.6 torthaí níos láidre amach le níos lú téacschomharthaí agus i níos lú ama. Ní chuirtear Claude Fable 5 san áireamh toisc nach dtugann sé freagra(osclaíonn i bhfuinneog nua) ar cheisteanna ardleibhéil bitheolaíochta agus go ndiúltaíonn sé don chuid is mó de na ceisteanna sa mheastóireacht seo.

Cuireann GPT‑5.6 dlús le OpenAI

Tá GPT‑5.6 fós ar an tsamhail is láidre atá againn chun taighde ar IS a luathú. Laistigh in OpenAI, úsáideann taighdeoirí é i ngach céim den lúb forbartha: teipeanna a dhiagnóisiú, córais oiliúna a bharrfheabhsú, turgnaimh a reáchtáil, agus torthaí a léirmhíniú. Chonaiceamar an luasghéarú sin agus an glacadh níos láidre sin cheana féin le linn thréimhse tástála inmheánaí GPT‑5.6, mar bhí meánlíon laethúil na dtéacschomharthaí aschuir in aghaidh an taighdeora ghníomhaigh níos mó ná dhá oiread an leibhéil ab airde a breathnaíodh i gcás GPT‑5.5.

Tá an modh oibre seo ag éirí ina chaighdeán go tapa. Le sé mhí anuas, tháinig méadú 100 oiread ar an sciar den ríomh taighde a bhí tiomnaithe do inféiréis chódaithe inmheánach, agus tháinig méadú thart ar 22 oiread ar úsáid téacschomharthaí gníomhaire inmheánach. Ní thomhaiseann na méadrachtaí glactha seo dul chun cinn taighde astu féin, ach léiríonn siad cé chomh tapa atá ag méadú an chúnamh AI don taighde agus ar fud foirne eile amhail díolacháin, margaíocht, oibríochtaí úsáideoirí, airgeadas, agus eile.

Chun an cumas seo a thomhas go díreach, d’fhorbraíomar sraith inmheánach meastóireachtaí bunaithe ar thascanna fíor-thaighde intleachta saorga, lena n-áirítear córais taighde a dhífhabhtú, eithní agus oidis oiliúna a bharrfheabhsú, turgnaimh meaisínfhoghlama a reáchtáil, agus samhail eile a fheabhsú.

Cumas comhiomlán RSI: I sraith meastóireachtaí a thomhaiseann dul chun cinn i dtreo féinfheabhsaithe athchúrsaigh, feicimid go bhfuil feabhas 16.2 pointe ag GPT‑5.6 Sol ar GPT‑5.5, rud a luasghéaraíonn taighde inmheánach ar bhonn uilechoiteann.

Ag méadú na sábháilteachta agus na slándála trí chumas a leathnú 

De réir mar a mhéadaíonn cumais na samhlacha, neartaímid ár gcruach sábháilteachta ionas gur féidir le hardintleacht fanacht úsáideach go forleathan, agus cuirtear grinnscrúdú níos doimhne i bhfeidhm ar na húsáidí is mó a bhaineann le riosca. Maidir le GPT‑5.6, thógamar an córas sábháilteachta is láidre atá againn go dtí seo, atá calabraithe de réir chumais gach samhail agus cumhachtaithe ag níos mó ríomha ná riamh cheana.

Tá samhlacha GPT‑5.6 níos cumasaí ná ár samhlacha níos luaithe sa bhitheolaíocht agus sa chibearshlándáil araon, ach ní sháraíonn siad an tairseach Criticiúil i gceachtar catagóir. Sa chibearshlándáil, léiríonn ár dtástáil go bhfuil GPT‑5.6 níos fearr ag aimsiú agus ag réiteach leochaileachtaí ná ag déanamh ionsaithe uathrialacha, ceann go ceann, go hiontaofa ar spriocanna cruaite – rud a thugann deis do chosantóirí córais a neartú sula mbaintear leas as laigí. Sa bhitheolaíocht, tugann ár dtástálacha le fios gur féidir le GPT‑5.6 tacú le taighde dlisteanach, ach nach soláthraíonn sé an cumas ceann go ceann atá de dhíth chun bagairt nua thar a bheith contúirteach a chruthú, a innealtóiriú nó a shintéisiú.

Tá úsáid dhúbailte ag an dá fhearann ó dhúchas. I gcibearshlándáil, is féidir leis na cumais chéanna a d’fhéadfadh cabhrú le hionsaitheoir leochaileacht a shaothrú cabhrú le cosantóir í a aimsiú, í a athchruthú agus ceartúchán iontaofa a fhorbairt. Cruthaíonn blocáil iomarcach, dá bhrí sin, riosca slándála dá cuid féin. Féadfaidh sé cosc a chur ar chosantóirí córais córais a thástáil agus paistí a imscaradh, fad is atá gníomhaithe mailíseacha ag leanúint de shamhlacha eile a úsáid, lena n-áirítear samhlacha foinse oscailte atá ag éirí níos cumasaí, chomh maith le huirlisí seanbhunaithe. Cuireann bearta cosanta éifeachtacha comhthéacs agus iarmhairtí dóchúla iarratais san áireamh, agus obair chosanta dhlisteanach á caomhnú acu agus rialuithe níos láidre á gcur i bhfeidhm nuair a léiríonn an fhianaise riosca tromchúiseach díobhála.

Tá cosaintí GPT‑5.6 leagtha amach i sraitheanna chun cruinneas agus iomarcaíocht níos fearr a bhaint amach, agus tá siad deartha chun oiriúnú go tapa de réir mar a thagann ionsaithe nua chun cinn. Oibríonn na cosaintí a cuireadh isteach sa tsamhail le linn na hoiliúna in éineacht le seiceálacha fíor-ama, monatóireacht leanúnach, agus forfheidhmiú ar leibhéal cuntais, chun cuidiú leis an gcóras fanacht sábháilte fiú nuair nach n-oibríonn sraith ar leith mar a bhí beartaithe. I go leor córais, is iad bratacha aicmitheora amháin a chinneann cad atá le blocáil, agus iad ag brath ar shamhlacha le hintleacht níos ísle atá níos deacra a athrú chun dochar a chosc. Cuireann ár gcur chuige monatóir réasúnaíochta leis a dhéanann athbhreithniú ar an gcomhrá lena chinneadh an bhfuil baol díobhála féideartha ann. Tá sé i gceist leis an dearadh seo obair chosanta a chumasú agus mí-úsáid thromchúiseach a chosc, agus na cumais is íogaire curtha in áirithe d’úsáideoirí fíoraithe trí Trusted Access. Ós rud é go n-úsáideann roinnt cosaintí réasúnaíocht ag am tástála, is féidir linn iad a nuashonrú go tapa chun bearnaí a dhúnadh gan aicmitheoirí a athoiliúint ón tús.

Táimid ag glacadh cur chuige níos coimeádaí agus muid ag leanúint ar aghaidh leis an gcóras a neartú in aghaidh ionsaithe oiriúnaitheacha. I gcomparáid le samhlacha roimhe seo, an GPT‑5.6 atá againn Cuireann cosaintí cibearshlándála Sol bac ar thart ar deich oiread níos mó gníomhaíochta a d’fhéadfadh a bheith díobhálach. Toisc gur féidir leis na bearta seo frithchuimilt a chruthú d’úsáid neamhurchóideach, cuirimid rogha ar fáil in ChatGPT agus i Codex chun triail eile a dhéanamh go héasca ar leideanna ar shamhlacha le cumas níos ísle, agus leanfaimid de thionchar ár mbeart cosanta ar úsáid neamhurchóideach a laghdú agus caighdeán ard stóinsithe á choinneáil againn. Léiríonn sé seo ár gcur chuige atriallach maidir le himscaradh: ag tosú go cúramach agus ag feabhsú de réir mar a fhoghlaimímid ó úsáid sa saol fíor.

Roimh an infhaighteacht ghinearálta, rinneamar na measúnuithe sábháilteachta is déine go dtí seo, lena n-áirítear tástáil ionsaitheach fhairsing, tástáil láidir ar chumais agus ar bhearta cosanta le saineolaithe seachtracha, agus thart ar 700,000 uair GPU A100e de thástáil ionsaitheach uathoibrithe bosca dubh. Chuir sé seo ar ár gcumas pointí laga dóchúla a fhiosrú go córasach, jailbreak a nochtadh, agus cabhrú linn an córas a neartú roimh an seoladh.

Níl a leithéid de rud ann mar shlándáil fhoirfe, agus leanann ár n-obair chun samhlacha atá ag éirí níos cumasaí a dhaingniú. Aimseofar laigí nua, mar aon le jailbreaks nua a théann timpeall ar na cosaintí atá ann cheana. Cruthóidh gach glúin nua samhail bealaí nua freisin le haghaidh ionsaithe agus mí-úsáide. Tógaimid ar an réaltacht sin trí bhearta cosanta ilshraitheacha, monatóireacht leanúnach, mear-leasúcháin, agus comhoibriú ar fud an phobail chosanta. Maidir le GPT‑5.6, tá ár cláir duais fabhtaimsithe slándála atá ann cheana(osclaíonn i bhfuinneog nua) agus ár cláir duais fabhtaimsithe bitheolaíochta curtha i gcomhar againn le próiseas nua mear-leasúcháin agus leis an iarracht faireacháin is láidre atá déanta againn go dtí seo. Cuirfidh torthaí ó thaighdeoirí, ó fhaireachán agus ó mhí-úsáid sa saol fíor le mheastóireachtaí nua agus le bearta cosanta níos láidre ar bhonn leanúnach.

Infhaighteacht agus praghsáil

Cuimsíonn GPT‑5.6 trí shraith samhlacha: Sol, ár bpríomhshamhail; Terra, samhail ar chostas níos ísle a bhfuil feidhmíocht aici atá iomaíoch le GPT‑5.5; agus Luna, ár samhail is gasta agus is inacmhainne. Sainaithníonn an uimhir an ghlúin, agus is sraitheanna cumais marthanacha iad Sol, Terra agus Luna ar féidir leo dul chun cinn de réir a rithime féin.

Tá GPT‑5.6 ar fáil ó inniu in ChatGPT, Codex, agus san API OpenAI. Tá an rolladh amach ag tosú ar fud an domhain anois agus leanfaidh sé ar aghaidh de réir a chéile go dtí go mbeidh sé ar fáil go hiomlán sna 24 uair an chloig atá romhainn.

  • Comhrá: Faigheann úsáideoirí Plus, Pro, Business agus Enterprise rochtain ar GPT‑5.6 Sol trí na socruithe iarrachta meánacha agus níos airde. Is féidir le húsáideoirí Pro agus Enterprise GPT‑5.6 Sol Pro a roghnú freisin chun na torthaí den chaighdeán is airde a fháil ar thascanna casta.
  • ChatGPT Work agus Codex: Tá rochtain ag úsáideoirí Free agus Go ar GPT‑5.6 Terra. Is féidir le húsáideoirí Plus, Pro, Business agus Enterprise roghnú as GPT‑5.6 Sol, Terra agus Luna agus socraigh leibhéal iarrachta do gach ceann acu. Tá max ar fáil do gach úsáideoir a bhfuil rochtain acu ar GPT‑5.6 laistigh de ChatGPT Work agus Codex, agus is féidir é a chumasú sna socruithe. In ChatGPT Work, tá ultra ar fáil d’úsáideoirí Pro agus Enterprise. In Codex, tá sé ar fáil do phleananna Plus agus níos airde.
  • API: Is féidir le forbróirí rochtain a fháil ar Sol, Terra agus Luna trí API OpenAI. In Responses API, ligeann Glaoch Ríomhchláraithe ar Uirlisí do GPT‑5.6 cláir a scríobh agus a rith sa chuimhne, cláir a chomhordaíonn uirlisí agus a phróiseálann torthaí idirmheánacha, rud a fhágann go bhfuil sé comhoiriúnach le gan coinneáil sonraí (ZDR). Ligeann Multi-agent, atá ar fáil i mbéite ar dtús, do GPT‑5.6 fo-ghníomhairí comhuaineacha a rith agus a gcuid oibre a shintéisiú in aon iarratas amháin.

Tá praghas GPT‑5.6 in aghaidh 1 milliún téacschomhartha le haghaidh trí mhéid samhla: Sol ar $5 ionchur / $30 aschur; Terra ar $2.50 ionchur / $15 aschur; agus Luna ar $1 ionchur / $6 aschur. Tugann GPT‑5.6 taisceadh leid níos intuartha isteach freisin, lena n-áirítear tacaíocht do bhrisphointí follasacha taisce(osclaíonn i bhfuinneog nua) agus saolré íosta taisce 30 nóiméad. I gcás GPT‑5.6 agus samhlacha níos déanaí, gearrtar táille ar scríobhanna taisce ag 1.25x ráta ionchuir neamhthaiscthe na samhla, agus leanann léamha taisce de bheith ag fáil na lascaine 90 % ar ionchur taiscthe.

Gairmiúil

MeasúnúGPT‑5.6 SolGPT‑5.6 Terra GPT‑5.6 Luna GPT‑5.5 Claude Fable 5 Claude Opus 4.8 Gemini 3.1 Pro Réamhamharc Gemini 3.5 Flash
Scrúdú Deireanach na nGníomhaire52.7%50.4%50.3%46.9%40.5%45.2%32.1%
GDPval-AA v21 747,8 Elo1 593 Elo1 591,8 Elo1 493,7 Elo1 759,6 Elo1 600,1 Elo9623 Elo1 348,8 Elo
Tascanna Comhairliúcháin Bainistíochta (Inmheánach)432%372%354%313%355%316%132%
Tagarmharc Mór Airgeadais53%51%36%49%44%
Innéacs Intleachta Anailíse Saorga v4.158.9 Scór innéacs 55 Scór innéacs 51.2 Scór innéacs 54.8 Scór innéacs 59.9 Scór innéacs 55.7 Scór innéacs 46.5 Scór innéacs 50.2 Scór innéacs

Códú

MeasúnúGPT‑5.6 SolGPT‑5.6 Sol UltraGPT‑5.6 Terra GPT‑5.6 Luna GPT‑5.5 Claude Mythos 5Claude Mythos PreviewClaude Fable 5Claude Opus 4.8Gemini 3.1 Pro Preview
Innéacs Gníomhaire Códaithe Anailíse Shaorga v1.180 Scór innéacs77.4 Scór innéacs74.6 Scór innéacs76.4 Scór innéacs77.2 Scór innéacs72.5 Scór innéacs42.7 Scór innéacs
SWE-Bench Pro64.6%63.4%62.7%59.4%80.3%77.8%80%69.2%54.2%
DeepSWE v1.172.7%69.6%67.2%67%69.7%59%11.8%
Terminal-Bench 2.188.8%91.9%87.4%84.7%85.6%88%83.1%78.9%70.7%

Eolaíocht

MeasúnúGPT‑5.6 SolGPT‑5.6 Terra GPT‑5.6 Luna GPT‑5.5 Claude Mythos 5Claude Mythos PreviewClaude Fable 5Claude Opus 4.8
MedChemBench48.3%35%30.4%35.5%
LifeSciBench59.9%56%51.2%50.4%
HealthBench Professional60.5%57.7%55.7%49.5%66%64.7%60.9%53%

Úsáid ríomhaire

MeasúnúGPT‑5.6 SolGPT‑5.6 Sol UltraGPT‑5.6 Terra GPT‑5.6 Luna GPT‑5.5 Claude Mythos 5Claude Mythos PreviewClaude Opus 4.8Gemini 3.1 Pro Preview
OSWorld 2.062.6%50.2%45.6%47.5%54.8%
BrowseComp90.4%92.2%87.5%83.3%84.4%88%87.9%84.3%85.9%
BenchCAD70.6%62.3%63.1%44.4%38.4%35.5%27.3%
BenchCAD (uirlis Python)83.4%78.2%73.9%55.8%65%61%51.8%

Cibearshlándáil

MeasúnúGPT‑5.6 SolGPT‑5.6 Sol UltraGPT‑5.6 Terra GPT‑5.6 Luna GPT‑5.5 Claude Mythos 5Claude Mythos PreviewClaude Opus 4.8
Dúshláin Gabháil na Brataí96.7%91.8%85.2%88.1%
SEC-Bench Pro71.2%74.3%57.7%48.9%45.8%
CyberGym84.5%81.8%77.9%81.8%83.8%83%78.1%
ExploitBench73.5%52.9%33.2%47.9%78%74.2%40%
ExploitGym33.7%23.2%12.4%15.1%

Féinfheabhsú

MeasúnúGPT‑5.6 SolGPT‑5.6 Terra GPT‑5.6 LunaGPT‑5.5
Meastóireacht ar dhífhabhtú taighde inmheánach68.3%67.8%50.8%50%
KernelGen 1P61.1%49.2%22.4%29.3%
NanoGPT9.69%14.5%1.66%2.65%
PostTrainBench Lite50.3%51.5%29.6%38.8%
Innéacs RSI57.9%56.3%41.9%41.7%

Ilmhódach

MeasúnúGPT‑5.6 SolGPT‑5.6 Terra GPT‑5.6 Luna GPT‑5.5 Claude Fable 5Claude Opus 4.8Gemini 3.1 Pro Preview
MMMU Pro (gan uirlisí)83%80.7%78.4%81.2%80.5%
MMMU Pro (le huirlisí)84.6%82%79.5%83.2%
gdp.pdf30.7%24.7%22.7%26%29.8%22.5%16.7%

Acadúil

MeasúnúGPT‑5.6 SolGPT‑5.6 Terra GPT‑5.6 Luna GPT‑5.5 Claude Mythos 5Claude Mythos PreviewClaude Fable 5Claude Opus 4.8Gemini 3.1 Pro Preview
GPQA Diamond94.6%92.9%92.3%93.6%94.1%94.6%92.6%92%94.3%
FrontierMath Leibhéal 1-3 (v2)89%84.9%78.6%85.3%87%80%59.6%
FrontierMath Leibhéal 4 (v2)83%68.3%58.5%72.5%87.8%56.1%

Úsáid uirlisí

MeasúnúGPT‑5.6 SolGPT‑5.6 Terra GPT‑5.6 Luna GPT‑5.5 Claude Mythos 5Claude Mythos PreviewClaude Fable 5Claude Opus 4.8Gemini 3.1 Pro PreviewGemini 3.5 Flash
AutomationBench18.1%15.2%14.9%12.9%17.4%15.5%14.5%
Toolathlon58%53.1%53.4%55.6%61.7%61.1%61.7%59.9%48.8%

Comhthéacs fada

MeasúnúGPT‑5.6 SolGPT‑5.6 Terra GPT‑5.6 Luna GPT‑5.5 Claude Mythos 5Claude Mythos PreviewClaude Opus 4.8
OpenAI MRCR v2 8-needle 256K-512K91.5%89.6%41.3%81.5%
OpenAI MRCR v2 8-needle 512K-1M73.8%72.5%41.3%74%
GraphWalks BFS 256k f190.7%76.9%81.3%73.7%91.1%85.7%85.9%
GraphWalks BFS 1mil f177.1%71.2%51.2%45.4%79.4%74.3%68.1%

Réasúnaíocht theibí

MeasúnúGPT‑5.6 SolGPT‑5.6 Terra GPT‑5.6 Luna GPT‑5.5 Claude Opus 4.8 Gemini 3.1 Pro Preview
ARC-IGS-3⁷ 7.78% 0.8% 0.18% 0.43% 1.5% 0.42%

Údar

OpenAI

Fonótaí

1. Déanann cosaintí cibear a mheas le cosaintí laghdaithe. Is féidir le húsáideoirí páirt a ghlacadh i gclár Trusted Access for Cyber de chuid OpenAI Daybreak chun rochtain mhéadaithe a fháil ar chumais chibearchosanta.

2. Déantar gach samhail a mheas trí leas a bhaint as creat API ExploitBench le 5 shíol agus leanúnachas réasúnaíochta.

3. Ritheamar ExploitGym ar ár API alfa, a sheolann freagraí níos tapúla ná ár API poiblí, agus ansin athscálaíomar chun é a chur i gcomhréir lenár API poiblí. Nuair a athscálaítear moilleanna chuig na luasanna a bhfuiltear ag súil leo dár API poiblí, bíonn roinnt moilleanna measta níos mó ná na teorainneacha ama dhá uair an chloig agus sé huaire an chloig dá bharr, cé gur cloíodh leo i gceart sa rith mheasúnaithe. Chun luasanna níos tapúla a fháil le haghaidh obair atá íogair ó thaobh ama de, cuirimid próiseáil tosaíochta⁠ ar fáil san API agus mód tapa⁠ in Codex.

4. Measaimid an aga folaigh agus costas API trí bhreathnú ar iompraíocht ár samhail sa táirgeadh agus trí ionsamhlú a dhéanamh as líne. Cuireann na meastacháin seo sonraí glaonna uirlise, téacschomharthaí sampláilte agus téacschomharthaí ionchuir san áireamh. D’fhéadfadh torthaí sa saol réadach athrú go suntasach, agus braitheann siad ar go leor tosca nach gcuirtear san áireamh inár n-ionsamhlú. Insamhlaímid an aga folaigh ag luasanna gasta API, agus an costas de réir ghnáthphraghsáil API.

5. Léirítear samhlacha nach bhfuil téacschomharthaí aschuir, aga folaigh ná costas tuairiscithe acu mar línte cothrománacha poncaithe.

6. Maidir le socruithe ilghníomhairí, díorthaítear an aga folaigh ón ngníomhaire fréimhe, agus áirítear gach téacschomhartha sna hiomláin do théacschomharthaí aschuir agus do chostais API. Tá Ultra á rith le 4 ghníomhaire.

7. Déanaimid scóir a ríomh leis an gcur chuige scórála oifigiúil a ndéantar cur síos air sa pháipéar HealthBench Professional, nach bhfuil inchomparáide leis na torthaí a thuairiscítear i gcártaí córais Anthropic.

8. Rith ARC-IGS-3 in Opus 4.8 ar réasúnaíocht ard seachas uasta, ós é seo an t-aon toradh foilsithe ARC-IGS-3.