GPT‑5.6: Granična inteligencija koja raste u skladu s vašom ambicijom

Objavljujemo obitelj modela GPT‑5.6 za opću dostupnost nakon našeg ograničenog pretpregleda⁠: naš novi vodeći model Sol uz Terru, uravnotežen model za svakodnevni rad, i Lunu, naš najisplativiji model.

GPT‑5.6 Sol postavlja novi standard za inteligenciju i učinkovitost postižući vrhunske rezultate u programiranju, radu koji se temelji na znanju, kibernetičkoj sigurnosti i znanosti, dok nadmašuje prethodne i konkurentske granične modele uz manje tokena i niži procijenjeni trošak. Rezultat je bolja performansa po uloženom novcu: više uspješno obavljenog posla za isti trošak ili usporedivi rezultati uz manji ukupni trošak. Uvodimo i novi način za ubrzavanje najzahtjevnijeg rada: ultra je naša najmoćnija postavka koja koordinira više agenata u paralelnim tijekovima rada kako bi složene zadatke dovršila brže. Snažnije korištenje računala i dizajnerska prosudba čine GPT‑5.6 Sol našim najdorađenijim suradnikom do sada te mu pomažu pregledavati, dorađivati i isporučivati rezultate spremne za upotrebu.

Obučili smo GPT‑5,6 da iz svakog tokena izvuče više korisnog rada. U testu Agents’ Last Exam⁠(otvara se u novom prozoru), evaluaciji dugotrajnih profesionalnih radnih tijekova u 55 područja, GPT‑5.6 Sol postavlja novu najvišu vrijednost od 53,6, nadmašivši Claude Fable 5 (adaptivno rasuđivanje) za 13,1 bod. Čak i uz srednju razinu rasuđivanja, nadmašuje Fable 5 za 11,4 boda uz otprilike četvrtinu procijenjenog troška. Ta se učinkovitost proteže i na manje modele, koji su ključni za to da inteligencija postane dostupnijom i cjenovno pristupačnijom: GPT‑5.6 Terra i GPT‑5.6 Luna nadmašuju Fable 5 uz otprilike šesnaestinu troška. Na indeksu inteligencije Artificial Analysis⁠(otvara se u novom prozoru), širokoj mjeri inteligencije koja obuhvaća agentski rad, kodiranje, znanstveno rasuđivanje i opće sposobnosti, GPT‑5.6 Sol s maksimalnim rasuđivanjem zaostaje samo jedan bod za modelom Fable 5, pritom dovršavajući zadatke za 61 % manje vremena uz otprilike polovicu procijenjenog troška.

GPT‑5.6 lansira se s našim najsnažnijim zaštitnim mjerama dosad, osmišljenima da budu otporne na upornu i prilagodljivu zlouporabu, a da pritom ne ograničavaju legitiman rad u velikoj mjeri. Prije opće dostupnosti, modele i zaštitne mjere podvrgnuli smo našem dosad najopsežnijem razdoblju evaluacije, kombinirajući red-team testiranje koje provode stručnjaci s automatiziranim testiranjem velikih razmjera. Tijekom pretpregleda blisko smo surađivali sa stručnim organizacijama te s pouzdanim partnerima kako bismo testirali otpornost obrambenih mehanizama i ojačali zaštitne mjere prije šireg lansiranja. Tako nastali sustav slojevito kombinira zaštitne mjere ugrađene u model tijekom obuke s provjerama u stvarnom vremenu, praćenjem i pristupom prilagođenim razinama povjerenja i rizika.

GPT‑5.6 Sol je naš najbolji model za kodiranje dosad. Na indeksu Artificial Analysis Coding Agent Index, GPT‑5.6 Sol s maksimalnim rasuđivanjem postavlja novi vrhunski rezultat od 80 i 2,8 boda više od Fablea 5, uz manje od polovice izlaznih tokena, manje od polovice vremena i otprilike trećinu manje troškove. Ta se prednost proteže kroz cijelu obitelj: Terra postiže tek nešto bolje rezultate od Fable 5, dok Luna nadmašuje Opus 4.8; svaki to postiže za otprilike trećinu vremena, s otprilike upola manje izlaznih tokena i uz približno četvrtinu procijenjenog troška. Također postiže nove najbolje rezultate na testovima Terminal‑Bench 2.1 i DeepSWE, kojima se ispituju složeni tijekovi rada u naredbenom retku i dugoročni inženjerski zadaci u stvarnim bazama kôda.

GPT‑5.6 može pisati i pokretati lagane programe koji koordiniraju alate, obrađuju međurezultate, prate napredak i odabiru sljedeću radnju kako se rad odvija. To omogućuje zadacima koji se uvelike oslanjaju na alate da napreduju uz manje tokena, manje razmjena s modelom i manje usmjeravanja. Umjesto da od razvojnih inženjera zahtijeva skriptiranje svakog koraka ili prosljeđivanje svakog odgovora alata natrag kroz model, programsko pozivanje alata⁠(otvara se u novom prozoru) u Responses API-ju može filtrirati velike količine međurezultata, zadržati samo ono što je važno i usput prilagođavati svoj tijek rada.

Za probleme kod kojih se veće ulaganje vremena i računalnih resursa isplati, GPT‑5.6 može ići dalje od ove učinkovite zadane postavke. max daje modelu GPT‑5.6 još više vremena nego xhigh za zaključivanje i istraživanje alternativa, provođenje provjera i revidiranje svojeg pristupa. ultra ide korak dalje, koordinirajući prema zadanim postavkama četiri agenta paralelno, uz cijenu veće potrošnje tokena za bolje rezultate i kraće vrijeme do rezultata na zahtjevnim zadacima. Grafikoni u nastavku uspoređuju zadanu konfiguraciju ultra s četiri agenta s osnovnom konfiguracijom s jednim agentom na mjerilima BrowseComp, SEC-Bench Pro i Terminal-Bench 2.1; BrowseComp i SEC-Bench Pro prikazuju i konfiguracije s 16 agenata. U svim trima evaluacijama, dodavanje paralelnih agenata pomiče graničnu krivulju rezultata i latencije prema gore i ulijevo, postižući bolje rezultate u kraćem vremenu. U API-ju programeri mogu izraditi iskustva nalik ultra modelu koristeći beta verziju s više agenata u Responses API-ju.

GPT‑5.6 donosi značajan iskorak u dizajnerskoj prosudbi. Uz samo visoke smjernice, GPT‑5.6 stvara estetski ugodna, ergonomska i funkcionalna sučelja. Njegove naprednije mogućnosti upotrebe računala omogućuju mu da pregleda i doradi renderirani rezultat, a ne samo da generira temeljni kôd ili sadržaj, kako bi mogao uočiti vizualne i funkcionalne probleme te primijeniti završne dorade prije nego što preda rad natrag.

Frontend mogućnosti modela GPT‑5.6 također pretvaraju zahtjeve na prirodnom jeziku u dotjerana, interaktivna objašnjenja i vizualizacije unutar alata ChatGPT Posao.

GPT‑5.6 donosi bolje rezultate za profesionalne zadatke. Preuzima neorganizirani kontekst iz vaših dokumenata i svakodnevnih tijekova rada kao što su Slack, Notion, Microsoft 365 i Google disk te ga pretvara u artefakte stručne razine koje je lako dijeliti.

Snaga modela GPT‑5.6 u radu temeljenom na znanju vidljiva je u procjenama koje obuhvaćaju dugoročnu profesionalnu analizu, pretraživanje, upotrebu alata i upotrebu računala. GPT‑5.6 Sol ostvaruje nove najbolje rezultate dosad na testovima BrowseComp od 92,2 % i OSWorld 2.0 od 62,6 %, a na OSWorldu nadmašuje Opus 4.8 uz 85 % manje izlaznih tokena. Ovdje se poboljšanja performansi po dolaru odnose na cijelu obitelj GPT‑5.6. Luna se gotovo može mjeriti s modelom GPT‑5.5 i njegovim vrhunskim performansama, ali uz manje od polovice procijenjenog troška, dok ga Terra nadmašuje uz niži trošak.

GPT‑5.6 Sol poboljšava kvalitetu u prezentacijama, dokumentima i proračunskim tablicama, stvarajući rezultate koji su dotjeraniji i točniji. Može izraditi potpuno uređive prezentacije od nule, pretvarajući upit i izvorni materijal u koherentnu vizualnu priču s jasnim rasporedom, hijerarhijom i dizajnom.

Poboljšanje je osobito izraženo pri upotrebi predložaka i referentnih prezentacija. GPT‑5.6 može iz prezentacije izvesti njezin sustav dizajna – rasporede, tipografiju, razmake, boje i ponavljajuće obrasce sadržaja, uključujući pravila ugrađena u matricu slajdova – te ih dosljedno primijeniti na novi sadržaj. U ovom primjeru, kada se zatraži ažuriranje brojeva na temelju referentne datoteke, u izlazu modela GPT‑5.5 nedostaju ključne komponente s glavnog slajda, dok model GPT‑5.6 vjernije slijedi referentnu strukturu.

GPT‑5.6 također izrađuje vizualno dotjeranije dokumente i proračunske tablice. Vjernije se pridržava složenih formata referenci, što je važno za aktivnosti rada temeljenog na znanju koje se ponavljaju. Preciznije obrađuje jednadžbe i financijske modele te bolje koristi tipografiju, razmake, hijerarhiju i raspored stranice ili radnog lista.

Rani korisnici koji su testirali GPT‑5.6 primijetili su poboljšanja u rezultatima rada temeljenog na znanju u različitim područjima.

GPT‑5.6 naš je dosad najsnažniji model za kibernetičku sigurnost, koji postiže izvanredne performanse uz znatno manje tokena. Na ExploitBenchu^2, koji mjeri napredak od dosezanja ranjivog kôda do izvršavanja proizvoljnog kôda, postiže rezultat od 73,5 % naspram rezultata modela GPT‑5.5 od 47,9 % pri usporedivom proračunu izlaznih tokena. Na ExploitGymu³, koji od agenata traži da stvarne ranjivosti pretvore u funkcionalne eksploite, gotovo udvostručuje vršnu stopu prolaznosti, s 15,1 % na 24,9 % unutar ograničenja od 2 sata; uz 6 sati doseže 33,7 %. Na SEC-Bench Pro, testu koji provjerava generiranje dokaza koncepta na složenom softveru, postiže 71,2 % u odnosu na rezultat modela GPT‑5.5 45,8 % pri poboljšanoj latenciji.

GPT‑5.6 podržava važne obrambene zadatke kao što su sigurnosni pregled kôda, primjena zakrpa, modeliranje prijetnji i blue teaming aktivnosti. Kvalificirani pojedinci i organizacije u programu program Trusted Access for Cyber tvrtke OpenAI Daybreak⁠ mogu pristupiti većem dijelu njegovih obrambenih mogućnosti putem preciznijih zaštitnih mjera za provjereni rad u ovlaštenim okruženjima, uključujući trijažu i validaciju ranjivosti, analizu zlonamjernog softvera, inženjering detekcije i provjeru zakrpa.

Pojedinci mogu potvrditi svoj identitet i zatražiti pouzdani pristup⁠(otvara se u novom prozoru), a organizacije mogu podnijeti zahtjev⁠ za svoje timove. Pojedinačni članovi morat će omogućiti značajku Napredna sigurnost računa⁠(otvara se u novom prozoru) pomoću pristupnih ključeva s hardverskom podrškom do 1. rujna kako bi zadržali pristup našim kibernetički najsposobnijim graničnim modelima; oni koji to ne učine vratit će se na zadani pristup. Korisnici koji još nemaju hardverski podržane pristupne ključeve mogu ostvariti povlaštene cijene⁠(otvara se u novom prozoru) kod našeg partnera, tvrtke Yubico. Također poduzimamo dodatne korake kako bismo ograničili pristup visokorizičnim subjektima i u visokorizičnim jurisdikcijama.

GPT‑5.6 Sol također pokazuje široka poboljšanja na području znanstvenih istraživanja. U procjenama iz područja životnih znanosti, GPT‑5.6 pokazuje Pareto poboljšanja u odnosu na GPT‑5.5 u biologiji stvarnog svijeta, istraživačkim tijekovima rada u životnim znanostima i kemiji.

GPT‑5.6 naš je najjači model za ubrzavanje istraživanja umjetne inteligencije dosad. Istraživači unutar OpenAI-ja koriste ga tijekom cijelog razvojnog ciklusa: za dijagnosticiranje neuspjeha, optimizaciju sustava za obuku, provođenje eksperimenata i tumačenje rezultata. Već smo primijetili to ubrzanje i veće prihvaćanje tijekom razdoblja internog testiranja modela GPT‑5.6, jer je prosječan dnevni broj izlaznih tokena po aktivnom istraživaču bio više od dvostruke visoke razine zabilježene za GPT‑5.5.

Ovakav način rada brzo postaje standard. Tijekom proteklih šest mjeseci, udio istraživačkih računalnih resursa posvećenih internoj inferenciji za programiranje porastao je 100 puta, dok se interna agentska upotreba tokena povećala približno 22 puta. Ove metrike usvajanja same po sebi ne mjere napredak istraživanja, ali pokazuju koliko brzo raste korištenje AI pomoći u istraživanjima i među drugim timovima poput prodaje, marketinga, korisničkih operacija, financija i drugih.

Kako bismo izravno izmjerili tu sposobnost, razvili smo interni skup evaluacija temeljen na stvarnim istraživačkim zadacima iz područja umjetne inteligencije, uključujući otklanjanje pogrešaka u istraživačkim sustavima, optimizaciju kernela i recepata za treniranje, provođenje eksperimenata strojnog učenja te poboljšavanje drugog modela.

Kako se mogućnosti modela povećavaju, jačamo svoj skup sigurnosnih mjera kako bi napredna inteligencija ostala široko korisna, uz strožu provjeru primjena s najvišim rizikom. Za GPT‑5.6 izgradili smo svoj najsnažniji sigurnosni sustav dosad, kalibriran prema mogućnostima svakog modela i uz više računalnih resursa nego ikad prije.

Modeli GPT‑5.6 sposobniji su od naših ranijih modela i u biologiji i u kibernetičkoj sigurnosti, ali ne prelaze kritični prag ni u jednoj kategoriji. U području kibernetičke sigurnosti naša testiranja sugeriraju da je GPT‑5.6 bolji u pronalaženju i otklanjanju ranjivosti nego u pouzdanom izvođenju autonomnih napada od početka do kraja na ojačane ciljeve, što obrambenim timovima pruža priliku da ojačaju sustave prije nego što se slabosti iskoriste. U području biologije naša testiranja sugeriraju da GPT‑5.6 može podržati legitimna istraživanja, ali ne pruža cjelovitu sposobnost potrebnu za stvaranje, inženjersko oblikovanje ili sintezu vrlo opasne nove prijetnje.

Oba su područja po svojoj naravi dvojne namjene. U kibernetičkoj sigurnosti, iste sposobnosti koje bi napadaču mogle pomoći da iskoristi ranjivost mogu branitelju pomoći da je pronađe, reproducira i razvije pouzdan popravak. Prekomjerno blokiranje stoga stvara zaseban sigurnosni rizik. To može spriječiti branitelje u testiranju sustava i uvođenju zakrpa, dok zlonamjerni akteri nastavljaju upotrebljavati druge modele, uključujući sve sposobnije modele otvorenog kôda, kao i etablirane alate. Učinkovite zaštitne mjere uzimaju u obzir kontekst i vjerojatne posljedice zahtjeva, čuvajući legitimne obrambene aktivnosti, a istodobno primjenjujući strože kontrole ondje gdje dokazi upućuju na ozbiljan rizik od štete.

Zaštitne mjere modela GPT‑5.6 slojevite su radi veće točnosti i višestruke sigurnosti te su osmišljene da se brzo prilagođavaju novim oblicima napada. Zaštitne mjere ugrađene u model tijekom treniranja djeluju zajedno s provjerama u stvarnom vremenu, kontinuiranim nadzorom i provedbom mjera na razini računa kako bi sustav ostao siguran čak i kada određeni sloj ne radi onako kako je predviđeno. U mnogim sustavima same oznake klasifikatora odlučuju što blokirati, oslanjajući se na modele niže inteligencije koje je teže mijenjati kako bi se spriječila šteta. Naš pristup dodaje monitor rasuđivanja koji pregledava razgovor kako bi utvrdio postoji li potencijal za štetu. Taj je dizajn osmišljen kako bi omogućio obrambeni rad i pritom spriječio ozbiljnu zloupotrebu, pri čemu su najosjetljivije mogućnosti rezervirane za provjerene korisnike putem značajke Pouzdani pristup (Trusted Access). Budući da neke zaštitne mjere koriste rasuđivanje tijekom testiranja, možemo ih brzo ažurirati kako bismo uklonili propuste bez ponovnog obučavanja klasifikatora od nule.

Primjenjujemo oprezniji pristup dok nastavljamo jačati sustav protiv prilagodivih napada. U usporedbi s prethodnim modelima, zaštitne kibernetičke mjere našeg modela GPT‑5.6 Sol blokiraju otprilike deset puta više potencijalno štetnih aktivnosti. Budući da te mjere mogu stvoriti prepreke za dobronamjernu upotrebu, u ChatGPT‑u i Codexu nudimo opciju za jednostavno ponovno pokušavanje upita na modelima manje sposobnosti, a nastavit ćemo smanjivati utjecaj naših zaštitnih mjera na dobronamjernu upotrebu uz održavanje visoke razine robusnosti. To odražava naš iterativni pristup uvođenju: započinjemo oprezno i poboljšavamo na temelju onoga što naučimo iz upotrebe u stvarnim uvjetima.

Prije opće dostupnosti proveli smo naše najintenzivnije evaluacije sigurnosti do sada, uključujući opsežno red-team testiranje, robusno testiranje sposobnosti i zaštitnih mjera s vanjskim stručnjacima te približno 700 000 sati GPU-a A100e automatiziranog black-box red-team testiranja. To nam je omogućilo da sustavno ispitamo vjerojatne slabe točke, otkrijemo jailbreak i pomogne nam ojačati sustav prije lansiranja.

Savršena sigurnost ne postoji, a naš rad na zaštiti sve sposobnijih modela se nastavlja. Otkrivat će se nove slabosti, kao i novi jailbreakovi koji zaobilaze postojeće zaštitne mjere. Svaka nova generacija modela također će otvoriti nove mogućnosti za napade i zlouporabu. Za tu stvarnost gradimo kroz višeslojne zaštitne mjere, kontinuirani nadzor, brzu sanaciju i suradnju unutar obrambene zajednice. Za GPT‑5.6 kombinirali smo naše postojeće Bug Bounty programe za sigurnost⁠(otvara se u novom prozoru) i Bug Bounty programe za biologiju⁠ s novim postupkom brze sanacije i našom dosad najsnažnijom inicijativom nadzora. Saznanja dobivena od istraživača, putem praćenja i iz zlouporabe u stvarnom svijetu kontinuirano će se koristiti za nove evaluacije i snažnije zaštitne mjere.

Pročitajte više o našim zaštitnim mjerama u ažuriranom dokumentu o sustavu GPT‑5.6⁠(otvara se u novom prozoru).

GPT‑5.6 obuhvaća tri razine modela: Sol, naš vodeći model; Terra, povoljniji model s performansama konkurentnima modelu GPT‑5.5; i Luna, naš najbrži i najpovoljniji model. Broj označava generaciju, dok su Sol, Terra i Luna trajne razine sposobnosti koje mogu napredovati vlastitim tempom.

GPT‑5.6 od danas je dostupan u ChatGPT‑ju, Codexu i API-ju OpenAI-ja. Uvođenje sada počinje globalno i postupno će se nastaviti do potpune dostupnosti tijekom sljedeća 24 sata.

• Razgovor: Korisnici planova Plus, Pro, Business i Enterprise mogu pristupiti modelu GPT‑5.6 Sol putem postavki Srednje i Visoke razine napora. Korisnici planova Pro i Enterprise mogu odabrati i GPT‑5.6 Sol Pro za najkvalitetnije rezultate na složenim zadacima.
• ChatGPT Rad i Codex: korisnici planova Free i Go imaju pristup modelu GPT‑5.6 Terra. Korisnici paketa Plus, Pro, Business i Enterprise mogu birati između modela GPT‑5.6 Sol, Terra i Luna te postaviti razinu napora za svaki. Opcija max dostupna je svim korisnicima s pristupom modelu GPT‑5.6 u alatima ChatGPT Posao i Codexu te se može uključiti u postavkama. U ChatGPT Posao, ultra je dostupan korisnicima paketa Pro i Enterprise. Codex je dostupan korisnicima plana Plus i planova viših razina.
• API: programeri mogu pristupiti Solu, Terri i Luni putem OpenAI API-ja. U API-ju Responses programsko pozivanje alata omogućuje modelu GPT‑5.6 da u memoriji piše i pokreće programe koji koordiniraju alate i obrađuju međurezultate, čime se osigurava kompatibilnost s načelom bez zadržavanja podataka (ZDR). Višeagentski sustav, koji je izvorno dostupan u beta verziji, omogućuje modelu GPT‑5.6 da pokreće istodobne podagente i objedini njihov rad u jednom zahtjevu.

Cijena za GPT‑5.6 određuje se po 1 milijunu tokena za tri veličine modela: Sol je 5 USD za ulaz / 30 USD za izlaz; Terra je 2,50 USD za ulaz / 15 USD za izlaz; a Luna je 1 USD za ulaz / 6 USD za izlaz. GPT‑5.6 uvodi i predvidljivije predmemoriranje upita, uključujući podršku za izričite točke prekida predmemorije⁠(otvara se u novom prozoru) i minimalni vijek trajanja predmemorije od 30 minuta. Za GPT‑5.6 i novije modele, pisanja u predmemoriju naplaćuju se po 1,25 x tarife modela za nepredmemorirani unos, dok se za čitanja iz predmemorije i dalje primjenjuje popust od 90 % za predmemorirani unos.