Elindítjuk a GPT‑5.6 sorozat korlátozott előzetesét: a Sol a zászlóshajó modellünk; a Terra kiegyensúlyozott modell a mindennapi munkához; a Luna pedig gyors és kedvező árú modell. A Terra teljesítménye versenyképes a GPT‑5.5‑tel, miközben kétszer olcsóbb, a Luna pedig erős képességeket kínál a legalacsonyabb költségünk mellett.
A GPT‑5.6 Sol az eddigi legrobusztusabb biztonsági csomagunkkal indul. Megerősítettük a védelmet a magasabb kockázatú tevékenységek, az érzékeny kiberbiztonsági kérések és az ismételt visszaélések ellen, és több hetet töltöttünk gyengeségek keresésével, a rendszer terheléses tesztelésével és a valós támadásokkal szembeni megerősítésével.
Hiszünk a széles körű hozzáférésben, és terveink szerint a következő hetekben általánosan elérhetővé tesszük a GPT‑5.6 Solt, Terrát és Lunát. Az amerikai kormánnyal folytatott folyamatos együttműködésünk részeként a mai bevezetés előtt előzetesen ismertettük terveinket és a modellek képességeit. Kérésükre a szélesebb körű kiadás előtt egy megbízható partnerekből álló kis csoport számára indítunk korlátozott előzetest, amelynek részvételét megosztottuk a kormánnyal. Az előzetes során folytatjuk a tesztelést és a szoros egyeztetést partnereinkkel, miközben a szélesebb körű elérhetőség felé haladunk. Nem gondoljuk, hogy az ilyen típusú kormányzati hozzáférési folyamatnak hosszú távon alapértelmezetté kellene válnia. Ez távol tartja a legjobb eszközöket azoktól a felhasználóktól, fejlesztőktől, vállalatoktól, kibervédőktől és globális partnerektől, akiknek szükségük van rájuk. Ezt a rövid távú lépést azért tesszük meg, mert szerintünk ez a legerősebb út a következő hetekben várható szélesebb körű elérhetőséghez, miközben a kormányzattal együtt dolgozunk a kiberbiztonsági elnöki rendelet keretrendszerének és a jövőbeli modellkiadások megismételhető folyamatának kidolgozásán.
A GPT‑5.6 Sol az eddigi legerősebb modellünk. A modell teljesítményének előzetes bemutatásához olyan értékeléseket osztunk meg, amelyek a kódolásban, biológiában és kiberbiztonságban javuló ügynöki képességeket emelik ki; további biztonsági és felkészültségi értékelések a rendszerkártyánkban(új ablakban nyílik meg) érhetők el. A modell széles körű elérhetővé tételekor kibővített értékelési eredménycsomagot osztunk meg.
A GPT‑5.6‑tal új „max” érvelési ráfordítást vezetünk be, hogy a Solnak a legtöbb ideje legyen mélyen érvelni. Emellett bevezetünk egy új „ultra” módot is, amely alügynökök bevonásával gyorsítja fel az összetett munkát, és túlmutat egyetlen ügynök képességein.
Kódolási munkafolyamatokban a GPT‑5.6 Sol új csúcsteljesítményt ér el a Terminal‑Bench 2.1 teszten, amely tervezést, iterációt és eszközkoordinációt igénylő parancssori munkafolyamatokat vizsgál.
A GPT‑5.6 Sol a biológiai munkafolyamatokban is széles körű javulást mutat. A hosszú távú genomikai és kvantitatív biológiai elemzéseket értékelő GeneBench v1 teszten erősebb eredményeket ér el, mint a GPT‑5.5, miközben kevesebb tokent használ.
A GPT‑5.6 Sol az eddigi legképességesebb modellünk kiberbiztonság terén. Előrébb tolja a teljesítmény és hatékonyság határát a hosszú távú biztonsági feladatokban, beleértve a sérülékenységkutatást és az exploitációt. Az ExploitBench² teszten a GPT‑5.6 Sol versenyképes a Mythos Preview-val, miközben csak a kimeneti tokenek körülbelül egyharmadát használja. Az ExploitGym(új ablakban nyílik meg)3 teszten, amelyet a UC Berkeley kutatói az OpenAI-jal és más élvonalbeli laboratóriumokkal együttműködésben hoztak létre, a GPT‑5.6 Sol, Terra és Luna modellek mind erős javulást mutatnak a kiberképességekben az érvelés növelésével.
A GPT‑5.6 Solt, Terrát és Lunát az eddigi legrobusztusabb védelmi intézkedéseinkkel fejlesztettük, az egyes modellek képességeihez igazított konfigurációkkal. Ahogy a modell képességei nőnek, úgy tervezzük a védelmi intézkedéseket, hogy egyre jobban ellenálljanak a valós ellenséges nyomásnak, miközben megőrzik a hozzáférést a legitim munkákhoz, például a kódellenőrzéshez, a sérülékenységkutatáshoz, a javítások fejlesztéséhez, a hibakereséshez, a biztonsági oktatáshoz és a védelmi teszteléshez. Célunk, hogy a tiltott támadó tevékenységet nehezebbé, bizonytalanabbá és észlelhetőbbé tegyük anélkül, hogy szükségtelenül korlátoznánk ezeket a hasznos felhasználásokat. A modellről és a védelmi intézkedésekről készített értékelésünk alapján jelentős előnyt várunk a legitim védelmi munkában, miközben érdemben korlátozzuk a tiltott támadó felhasználást.
A GPT‑5.6 Sol jobban segít az embereknek sérülékenységeket megtalálni és kijavítani, mint megbízhatóan végrehajtani teljes, elejétől végéig tartó támadásokat. Ahogy ezek a képességek tovább fejlődnek, prioritásunk, hogy eljussanak a védőkhöz és az ő javukat szolgálják, akik ezekkel az eszközökkel gyengeségeket találhatnak, javításokat fejleszthetnek és szélesebb körben erősíthetik a rendszereket.
A GPT‑5.6 Sol nem lépi át a Cyber Critical küszöböt a Felkészültségi keretrendszer szerint. A Chromiumot és Firefoxot érintő értékelésekben hibákat és exploitációs primitíveket – vagyis egy exploit építőelemeit – azonosított, de a tesztelt feltételek mellett nem hozott létre önállóan működő, teljes láncú exploitot. A benchmark-küszöbök azonban nem tudják megragadni minden módját annak, ahogyan egy modell használható vagy más eszközökkel kombinálható. Ez a bizonytalanság, valamint a modell képességeiben bekövetkező szélesebb ugrás az oka annak, hogy a modell megnövekedett képességeit erősebb védelmi intézkedésekkel és szakaszos kiadással párosítjuk. Védelmi intézkedéseinkről további részleteket osztunk meg a GPT‑5.6 Preview rendszerkártyában(új ablakban nyílik meg).
Egyetlen védelmi intézkedés sem elegendő az elszánt vagy alkalmazkodó visszaéléssel szemben. A GPT‑5.6 előzetesében rétegzett védelmi intézkedéseket használunk, amelyek pontos konfigurációja modellenként eltér, és valós támadásokkal szemben terheléses tesztelésnek vetjük alá őket. Ide tartoznak a modellbe betanított védelmek, a generálás közbeni valós idejű ellenőrzések, a fiókszintű jelek, a differenciált hozzáférés, a monitorozás, a szabályérvényesítés és a folyamatos tesztelés.
A GPT‑5.6-ot úgy tanítottuk, hogy megtagadja a tiltott kiberbiztonsági segítségnyújtást, akkor is, ha a felhasználók megpróbálják leplezni a szándékukat vagy jailbreakelni a modellt. Ezek a modellszintű védelmi intézkedések húzzák meg az első határt akörül, hogy miben szabad és miben nem szabad segítenie a modellnek.
A valós idejű kiberbiztonsági és biológiai visszaélés-osztályozók újabb réteget adnak azáltal, hogy a létrehozása közben értékelik a kimenetet. Magasabb kockázatú esetekben, ha potenciális szabálysértést észlelnek, a generálás szünetelhet, amíg egy nagyobb érvelési modell áttekinti a beszélgetést és annak kontextusát. Ha a kimenetet tiltottként értékeljük, visszatartjuk, mielőtt eljutna a felhasználóhoz.
A megjelölt tevékenység fiókszintű felülvizsgálatot is kiválthat a releváns beszélgetések és kockázati jelek körében, a tartalommegőrzésre és felülvizsgálatra vonatkozó feltételeinkkel és szabályzatainkkal összhangban. Az egyetlen beszélgetésen túlmutató vizsgálat segít rendszereinknek megkülönböztetni a tartós rosszindulatú viselkedést a legitim kettős felhasználású biztonsági munkától, ahol hasonló technikai fogalmak nagyon eltérő kontextusokban jelenhetnek meg.
Ezek a rétegek együtt robusztusabbá teszik az átfogó megközelítést, mint bármelyik védelmi intézkedés önmagában. A modell viselkedése csökkenti a káros válaszok valószínűségét, a valós idejű rendszerek beavatkozhatnak a generálás közben, a fiókszintű felülvizsgálat szélesebb mintázatokat azonosíthat, a differenciált hozzáférés pedig megőrzi a fontos védelmi munkát anélkül, hogy a legérzékenyebb képességeket alapértelmezés szerint széles körben elérhetővé tenné.
Különösen az előzetes időszakban a felhasználók találkozhatnak olyan védelmi intézkedésekkel, amelyek blokkolnak vagy megtagadnak bizonyos kéréseket. Más kérések tovább tarthatnak, mert a generálás további felülvizsgálat miatt szünetel. A védelmi intézkedések időnként legitim munkába is beavatkozhatnak, különösen a kettős felhasználású területeken, ahol a védelmi és támadó tevékenység elsőre hasonlónak tűnhet.
Részben ezt hivatott tesztelni az előzetes. Nemcsak azt szeretnénk megérteni, hogy a védelmi intézkedések korlátozzák-e a visszaélést, hanem azt is, hogy a legitim felhasználók továbbra is megbízhatóan és hatékonyan el tudják-e végezni a szokásos munkát. Az előzetes során kapott visszajelzések segítenek csökkenteni a szükségtelen blokkolásokat és késedelmeket, javítani, ahogyan a védelmi intézkedések értelmezik a kontextust, és gördülékenyebb élményt kialakítani a szélesebb körű kiadás előtt.
Vállalati ügyfelekkel is dolgozunk hosszabb távú megközelítéseken – köztük az adatvédelmet megőrző észlelésen, az ügyfelek által működtetett biztonsági kontrollokon, valamint az ügyfél, a felhasználó vagy a munkaterhelés kockázatához igazított hozzáférésen –, hogy a vállalati adatvédelmi követelmények támogatása mellett fejlesszük a biztonságot.
A védelmi intézkedéseknek akkor is hatékonynak kell maradniuk, amikor a támadók változtatnak a taktikájukon. Egy olyan védelem, amely csak ismert támadások rögzített készlete ellen működik, nem elég robusztus egy élvonalbeli modellhez.
Ezért minden eddiginél több intelligenciát és számítási kapacitást fordítunk a biztonságra: saját modelljeinkkel keressük a gyengeségeket, és gyorsabban javítjuk a védelmi intézkedéseket. Több mint 700 000 A100-egyenértékű GPU-órát szántunk automatizált támadásszimulációra, amelynek célja univerzális jailbreakek megtalálása volt: olyan támadásoké, amelyek sokféle utasításban vagy kontextusban működhetnek, nem csak egy szűk helyzetben. A nehezebb, általánosabb támadásokra összpontosítva a védelmi intézkedéseket az ismert hibák rögzített körén túl is tesztelhettük. Ez azt is lehetővé teszi, hogy sokkal több támadási mintázatot vizsgáljunk meg, mint amennyit pusztán emberi teszteléssel le lehetne fedni, korábban azonosítsuk a hibamintákat, és lerövidítsük az utat a gyengeség megtalálásától a javításig.
Az automatizált támadásszimuláció mellett külső tesztelőkkel is dolgoztunk kiterjedt, emberi szakértői támadásszimuláció végrehajtásán, amely az előzetes időszakban is folytatódik. Az emberi támadásszimuláció kiegészíti az automatizált munkát azzal, hogy kreatív szakértők próbálják a modellt olyan módokon visszaélésre használni, amelyeket rendszereink esetleg nem látnának előre.
Egyetlen értékelés sem képes lefedni minden termékkonfigurációt, többlépéses támadást vagy valós munkafolyamatot, ezért gyors reagálású folyamatot tartunk fenn az újonnan felfedezett jailbreakek reprodukálására, értékelésére, rangsorolására és javítására, majd hozzáadjuk őket a folyamatos értékeléseinkhez, hogy a jövőben hasonló hibák ellen is tesztelhessünk.
Az előzetes időszakban a GPT‑5.6 modellek kezdetben az API-n és a Codexen keresztül lesznek elérhetők megbízható partnerek és szervezetek kiválasztott csoportja számára. Terveink szerint hamarosan szélesebb körben is elérhetővé tesszük őket a ChatGPT‑t, a Codexet és az API-t használók számára.
A GPT‑5.6‑tal bevezetett új elnevezési rendszerben a szám a modell generációját jelöli, míg a Sol, a Terra és a Luna tartós képességszinteket azonosít, amelyek a saját ütemükben fejlődhetnek. A család így átláthatóbb választási lehetőségeket kínál a felhasználóknak és a fejlesztőknek intelligencia, sebesség és költség szerint.
A GPT‑5.6 ára 1 millió tokenenként, három modellméretben: a Sol bemenete 5 USD, kimenete 30 USD; a Terra bemenete 2,50 USD, kimenete 15 USD; a Luna bemenete 1 USD, kimenete 6 USD. A GPT‑5.6 kiszámíthatóbb utasítás-gyorsítótárazást is bevezet, beleértve az explicit gyorsítótár-töréspontok és a 30 perces minimális gyorsítótár-élettartam támogatását. A GPT‑5.6 és a későbbi modellek esetében a gyorsítótárba írásokat a modell nem gyorsítótárazott bemeneti díjának 1,25-szörösén számlázzuk, míg a gyorsítótárból olvasások továbbra is megkapják a gyorsítótárazott bemenetekre járó 90%-os kedvezményt.
Júliusban a GPT‑5.6 Solt is elindítjuk Cerebrason, akár 750 token/másodperc sebességgel, így példátlan gyorsasággal juttatjuk el az élvonalbeli intelligenciát az ügyfelekhez. A hozzáférés kezdetben kiválasztott ügyfelekre korlátozódik, miközben bővítjük a kapacitást.
Izgatottan várjuk, hogy tovább tanuljunk ebből az előzetes időszakból, és hamarosan több emberhez is eljuttassuk a GPT‑5.6 Solt, Terrát és Lunát.
1. A késleltetést és az API-költséget modelljeink éles működésének vizsgálatával, offline szimulációval becsüljük. Ezek a becslések figyelembe veszik az eszközhívások részleteit, a mintavételezett tokeneket és a bemeneti tokeneket. A valós eredmények jelentősen eltérhetnek, és számos olyan tényezőtől függnek, amelyet a szimulációnk nem fed le. A késleltetést gyors API-sebességekkel, a költséget pedig normál API-árazással szimuláljuk.
2. Minden modellt az ExploitBench API végrehajtási környezet segítségével értékelünk, 5 seeddel és érvelési folytonossággal.
3. Az ExploitGymet az alfa API-unkon futtattuk, amely gyorsabban ad válaszokat, mint a nyilvános API-unk, majd az eredményeket átskáláztuk a nyilvános API-unkhoz. Amikor a késleltetéseket a nyilvános API-hoz várt sebességekre skálázzuk át, egyes becsült késleltetések meghaladják a 2 és 6 órás időkorlátot, noha az értékelési futásban ezek helyesen teljesültek. Időérzékeny munkákhoz gyorsabb sebességet az API-ban elérhető prioritásos feldolgozással és a Codex gyors módjával kínálunk.
4. A jelentett kimeneti tokenek, késleltetés vagy költség nélküli modelleket vízszintes pontozott vonalakként ábrázoljuk.
