GPT‑5.6: framarleg greind sem vex með metnaði

Við kynnum GPT–5.6 líkanaættina til almenns aðgengis eftir takmarkaða forskoðun⁠: nýja flaggskipið okkar, Sol, ásamt Terra, jafnvægi líkani fyrir daglega vinnu, og Luna, hagkvæmasta líkaninu okkar.

GPT‑5.6 Sol setur nýjan staðal fyrir bæði greind og skilvirkni, nær framúrskarandi árangri á heimsmælikvarða í forritun, þekkingarvinnu, netöryggi og vísindum og skarar fram úr fyrri og samkeppnishæfum framarlega líkönum með færri tóka og lægri áætluðum kostnaði. Niðurstaðan er betri árangur fyrir hverja krónu: árangursríkari vinna fyrir sömu fjárútlát, eða sambærilegar niðurstöður með lægri heildarkostnaði. Við kynnum einnig nýja leið til að hraða vinnu við mest krefjandi verkefnin: ultra er öflugasta stillingin okkar og samstillir marga fulltrúa yfir samhliða verkstrauma til að ljúka flóknum verkefnum hraðar. Öflugri tölvunotkun og hönnunarmat gera GPT‑5.6 Sol er fágaðasti samstarfsaðili okkar hingað til og hjálpar honum að skoða, fínpússa og skila niðurstöðum sem eru tilbúnar til notkunar.

Við þjálfuðum GPT‑5.6 til að ná meiri gagnsemi úr hverjum tóka. Í Agents’ Last Exam⁠(opnast í nýjum glugga), mati á langvarandi faglegum verkflæðum á 55 sviðum setur GPT‑5.6 Sol nýtt hámark upp á 53,6 stig og fer 13,1 stigi fram úr Claude Fable 5 (aðlögunarhæf rök). Jafnvel með miðlungs rökum nær það 11,4 stigum hærri niðurstöðu en Fable 5, á um það bil fjórðungi af áætluðum kostnaði. Sú skilvirkni nær einnig til smærri líkana, sem eru nauðsynleg til að gera greind aðgengilegri og hagkvæmari: GPT‑5.6 Terra og GPT‑5.6 Luna skila betri árangri en Fable 5 fyrir um einn sextánda af kostnaðinum. Á Artificial Analysis Intelligence Index⁠(opnast í nýjum glugga), víðtækur mælikvarði á greind sem nær yfir sjálfstæð verk, forritun, vísindaleg rök og almenna getu, er GPT‑5.6 Sol með hámarksrökum aðeins einu stigi á eftir Fable 5, en lýkur verkefnum á 61% skemmri tíma og á um það bil helmingi áætlaðs kostnaðar.

GPT‑5.6 kemur út með okkar öflugustu öryggisráðstöfunum til þessa, hannaðar til að þola markvissa og aðlögunarhæfa misnotkun án þess að takmarka lögmæt verkefni að verulegu leyti. Fyrir almennt aðgengi létum við líkönin og öryggisráðstafanirnar ganga í gegnum umfangsmesta matsferli okkar til þessa, þar sem mannlegt rauðteymi var sameinað umfangsmiklum sjálfvirkum prófunum. Á forskoðunartímabilinu unnum við náið með sérfræðistofnunum og traustum samstarfsaðilum að því að prófa varnir undir álagi og efla verndarráðstafanir fyrir víðtækari útgáfu. Kerfið sem af þessu leiðir sameinar varnir sem eru þjálfaðar inn í líkanið með rauntímaathugunum, vöktun og aðgangi sem er kvarðaður út frá trausti og áhættu.

GPT‑5.6 Sol er okkar besta líkan fyrir forritun hingað til. Á Artificial Analysis Coding Agent Index nær GPT‑5.6 Sol nýjum besta árangri með 80 stigum þegar hámarksrök eru notuð, 2,8 stigum meira en Fable 5, á sama tíma og það notar innan við helming tókar, tekur innan við helming tímans og kostar um þriðjungi minna. Þessi yfirburður nær yfir alla fjölskylduna: Terra stendur sig rétt aðeins betur en Fable 5, á meðan Luna stendur sig betur en Opus 4.8; hvort um sig gerir það á um það bil þriðjungi tímans, með um helmingi færri tókar og á um það bil fjórðungi af áætluðum kostnaði. Það setur einnig ný viðmið um bestu frammistöðu á Terminal‑Bench 2.1 og DeepSWE, sem prófa flókin verkferli á skipanalínuvinnuflæði og langtíma verkfræðivinnu í raunverulegum kóðagrunnum.

GPT‑5.6 getur skrifað og keyrt létt forrit sem samræma verkfæri, vinna úr milliniðurstöðum, fylgjast með framvindu og velja næstu aðgerð eftir því sem verkinu vindur fram. Þetta gerir verkfæraþungum verkefnum kleift að komast áfram með færri tókum, færri samskiptaumferðum við líkanið og minni leiðsögn. Í stað þess að krefjast þess að þróunaraðilar forriti hvert skref eða sendi hvert svar frá verkfæri aftur í gegnum líkanið, getur Programmatic Tool Calling⁠(opnast í nýjum glugga) í Responses API síað mikið magn milligagna, haldið aðeins eftir því sem skiptir máli og aðlagað verkflæði sitt jafnóðum.

Við úrlausn vandamála þar sem meiri tími og meira reikniafl skila betri árangri getur GPT‑5.6 farið út fyrir þessa skilvirku sjálfgefnu stillingu. max gefur GPT‑5.6 enn meiri tíma en xhigh til að rökhugsa og kanna valkosti, keyra athuganir og endurskoða nálgun sína. ultra gengur skrefinu lengra með því að samhæfa fjóra fulltrúa samhliða að sjálfgefnu, með meiri notkun tóka í skiptum fyrir sterkari niðurstöður og styttri tíma þar til niðurstaða fæst í krefjandi verkefnum. Myndritin hér að neðan bera saman sjálfgefna uppsetningu ultra með fjórum fulltrúum við grunnviðmið með einum fulltrúa í BrowseComp, SEC-Bench Pro og Terminal-Bench 2.1; BrowseComp og SEC-Bench Pro sýna einnig uppsetningar með 16 fulltrúum. Í öllum þremur matsprófunum hliðrar það að bæta við samhliða fulltrúum framarlega skora og biðtíma upp og til vinstri, og nær sterkari niðurstöðum á styttri tíma. Í API-inu geta forritarar byggt upp upplifanir í líkingu við ultra með betaútgáfunni fyrir fjölfulltrúa í Responses API.

GPT‑5.6 skilar stökki fram á við í hönnunardómgreind. Með aðeins háum leiðbeiningum býr GPT‑5.6 til smekklegt, þægilegt og hagnýtt viðmót. Öflugri tölvunotkunargeta þess gerir því kleift að skoða og fínpússa útkomuna eins og hún birtist – ekki bara að búa til undirliggjandi kóða eða efni – svo það geti greint sjónræn og virkni vandamál og lagt lokahönd á verkið áður en því er skilað aftur.

Framendi GPT‑5.6 umbreytir einnig beiðnum á náttúrulegu máli í vandaðar og gagnvirkar útskýringar og sjónrænar framsetningar í ChatGPT Vinnu.

GPT‑5.6 skilar betri niðurstöðum í faglegum verkefnum. Það tekur óskipulegt samhengi úr skjölunum þínum og daglegum verkferlum á borð við Slack, Notion, Microsoft 365 og Google Drive og umbreytir því í deilanlegar afurðir á sérfræðistigi.

Styrkur GPT‑5.6 í þekkingarvinnu kemur fram í matsprófunum sem spanna langtímamiðaða faglega greiningu, vefskoðun, notkun verkfæra og tölvunotkun. GPT‑5.6 Sol nær nýjum fremsta árangri á BrowseComp með 92,2% og OSWorld 2.0 með 62,6%. Á OSWorld fer það fram úr Opus 4.8 á meðan það notar 85% færri tóka. Hér nær aukningin í afköstum á dollara yfir alla GPT‑5.6 fjölskylduna. Luna jafnast næstum á við GPT‑5.5 hámarksafköst á minna en helmingi af áætluðum kostnaði, á meðan Terra fer fram úr því með lægri kostnaði.

GPT‑5.6 Sol bætir gæði í kynningum, skjölum og töflureiknum, og skilar niðurstöðum sem eru fágaðri og nákvæmari. Það getur búið til fullbreytanlegar kynningar frá grunni og unnið úr kvaðning og upphafsefni í samhangandi sjónræna frásögn með skýra uppsetningu, stigveldi og hönnun.

Bætingin er sérstaklega áberandi þegar fylgt er sniðmátum og viðmiðunarkynningum. GPT‑5.6 getur greint hönnunarkerfi glærusafns—útlitssnið, leturfræði, bil, liti og endurtekin efnismynstur, þar á meðal reglur sem eru innbyggðar í aðalglæruna—og beitt þessum viðmiðum á samræmdan hátt á nýtt efni. Í þessu dæmi, þegar beðið er um að uppfæra tölur út frá tilvísunarskrá, vantar úttakið frá GPT‑5.5 lykileiningar úr aðalglærunni, en GPT‑5.6 fylgir uppbyggingu fyrirmyndarinnar af meiri nákvæmni.

GPT‑5.6 býr einnig til sjónrænt fágaðri skjöl og töflureikniskjöl. Það fylgir flóknum tilvísanasniðum af meiri nákvæmni, sem er mikilvægt fyrir endurtakanlega verkþætti í þekkingarvinnu. Það vinnur með jöfnur og fjármálalíkön af meiri nákvæmni og nýtir betur leturfræði, bil, stigveldi og útlit síðu eða vinnublaðs.

Fyrstu viðskiptavinir sem prófuðu GPT‑5.6 sáu framfarir í afurðum þekkingarvinnu á ýmsum sviðum.

GPT‑5.6 er sterkasta netöryggislíkanið okkar hingað til og nær framarlega frammistöðu með marktækt færri tókum. Á ExploitBench^2, sem mælir framfarir frá því að ná til viðkvæms kóða og yfir í keyrslu á handahófskenndum kóða, skorar það 73,5% samanborið við GPT‑5.5 47,9% með sambærilegu úttakstókamagni. Á ExploitGym³, þar sem fulltrúar eru beðnir um að breyta raunverulegum veikleikum í virkar nýtingar, næstum tvöfaldar það árangur GPT‑5.5 hámarksárangurshlutfall, úr 15,1% í 24,9% undir tveggja klukkustunda hámarkinu; með sex klukkustundum nær það 33,7%. Í SEC-Bench Pro, sem prófar gerð hugmyndasönnunar í flóknum hugbúnaði, nær það 71,2% samanborið við GPT‑5.5 45,8% með bættum biðtíma.

GPT‑5.6 styður mikilvægar varnaraðgerðir, svo sem öryggisrýni kóða, innleiðingu öryggisuppfærslna, ógnalíkanagerð og varnarliðsstjórnun. Einstaklingar og stofnanir sem uppfylla skilyrði í áætlun Trusted Access for Cyber hjá OpenAI Daybreak⁠ geta fengið aðgang að meiri varnargetu með nákvæmari öryggisráðstöfunum fyrir staðfesta vinnu í heimiluðum umhverfum, þar á meðal forgangsflokkun og staðfestingu veikleika, greiningu spilliforrita, greiningarverkfræði og staðfestingu leiðréttinga.

Einstaklingar geta staðfest auðkenni sitt og óskað eftir traustum aðgangi⁠(opnast í nýjum glugga) og stofnanir geta sótt um⁠ fyrir teymi sín. Einstakir meðlimir þurfa að virkja ítarlegt Reikningsöryggi⁠(opnast í nýjum glugga) með vélbúnaðarstuddum aðgangslyklum fyrir 1. september til að halda aðgangi að framarlegu líkönum okkar með mesta netöryggisstyrk; þeir sem gera það ekki fara aftur í sjálfgefinn aðgang. Notendur sem eru ekki nú þegar með vélbúnaðarstudda aðgangslykla geta fengið sérkjör⁠(opnast í nýjum glugga) frá samstarfsaðila okkar, Yubico. Við erum einnig að grípa til frekari ráðstafana til að takmarka aðgang hááhættuaðila og í hááhættu lögsagnarumdæmum.

GPT‑5.6 Sol sýnir einnig víðtækar framfarir á sviði vísindarannsókna. Í lífvísindamati sýnir GPT‑5.6 Pareto-framfarir miðað við GPT‑5.5 í líffræði úr raunheimum, rannsóknarverkferlum á sviði lífvísinda og efnafræði.

GPT‑5.6 er öflugasta líkanið okkar hingað til til að flýta fyrir rannsóknum á gervigreind. Innan OpenAI nota rannsakendur það í allri þróunarhringrásinni: til að greina bilanir, fínstilla þjálfunarkerfi, framkvæma tilraunir og túlka niðurstöður. Við sáum þegar þessa hröðun og aukna notkun á innra prófunartímabili GPT‑5.6, þar sem meðalfjöldi daglegra tóka á hvern virkan rannsakanda var meira en tvöfalt hærra en hæsta gildi sem sést hafði fyrir GPT‑5.5.

Þessi vinnubrögð eru að verða viðurkennd viðmið. Á síðustu sex mánuðum jókst hlutfall rannsóknarreikniafls sem varið var til innri ályktunarvinnslu fyrir kóðun 100-falt, á meðan innri gerenda-tengd notkun tóka jókst um það bil 22-falt. Þessir mælikvarðar á upptöku mæla ekki einir og sér framfarir í rannsóknum, en þeir sýna hversu hratt gervigreindaraðstoð fer ört vaxandi fyrir rannsóknir og hjá öðrum teymum á borð við söluteymi, markaðsteymi, notendaumsjón, fjármál og fleiri.

Til að mæla þessa getu beint þróuðum við innra safn matsprófa sem byggir á raunverulegum rannsóknarverkefnum á sviði gervigreindar, þar á meðal villuleit í rannsóknarkerfum, bestun kjarna og þjálfunaruppskrifta, keyrslu vélanámstilrauna og umbótum á öðru líkani.

Eftir því sem geta líkana eykst styrkjum við öryggisstafla okkar svo háþróuð greind geti áfram verið víða gagnleg, um leið og við beitum meiri rýni á notkunartilvik með mestri áhættu. Fyrir GPT‑5.6 byggðum við okkar öflugasta öryggiskerfi hingað til, stillt að getu hvers líkans og knúið af meira reikniafli en nokkru sinni fyrr.

Líkön GPT‑5.6 eru hæfari en fyrri líkön okkar bæði í líffræði og netöryggi en fara ekki yfir Critical-þröskuldinn í hvorugum flokknum. Á sviði netöryggis benda prófanir okkar til þess að GPT‑5.6 sé betra í að finna og lagfæra öryggisveikleika en í að framkvæma áreiðanlega sjálfstæðar árásir frá upphafi til enda gegn hertum skotmörkum – sem gefur varnaraðilum tækifæri til að styrkja kerfi áður en veikleikar eru misnotaðir. Í líffræði benda prófanir okkar til þess að GPT‑5.6 geti stutt lögmætar rannsóknir en veiti ekki þá heildargetu frá upphafi til enda sem þarf til að skapa, hanna eða smíða afar hættulega nýja ógn.

Bæði sviðin eru í eðli sínu tvínota. Á sviði netöryggis geta sömu hæfileikar sem gætu hjálpað árásaraðila að nýta sér öryggisveikleika hjálpað varnaraðila að finna hann, endurskapa hann og búa til áreiðanlega lagfæringu. Of mikil útilokun skapar því öryggisáhættu í sjálfu sér. Það getur komið í veg fyrir að varnaraðilar prófi kerfi og innleiði lagfæringar á meðan illgjarnir aðilar halda áfram að nota önnur líkön, þar á meðal sífellt öflugri opinn hugbúnaðarlíkön, sem og rótgróin verkfæri. Árangursríkar verndarráðstafanir taka mið af samhengi og líklegum afleiðingum beiðni, varðveita lögmætt varnarstarf en beita strangari stýringum þar sem gögn benda til alvarlegrar hættu á skaða.

Öryggisráðstafanir GPT‑5.6 eru lagskiptar til að veita meiri nákvæmni og umframöryggi og eru hannaðar til að aðlagast hratt þegar nýjar árásir koma fram. Öryggisráðstafanir sem eru þjálfaðar inn í líkanið vinna samhliða rauntímaathugunum, stöðugu eftirliti og framfylgd á reikningsstigi, til að hjálpa kerfinu að vera áfram öruggt jafnvel þegar tiltekið lag virkar ekki eins og til er ætlast. Í mörgum kerfum ráða flokkunarmerki ein því, hvað á að loka á, og reiða sig á líkön með minni greind sem erfiðara er að breyta til að koma í veg fyrir skaða. Aðferð okkar bætir við vöktunareiningu fyrir rök sem fer yfir samtalið til að ákvarða hvort hætta sé á skaða. Þessi hönnun er ætluð til að gera varnarstarf kleift um leið og komið er í veg fyrir alvarlega misnotkun, þar sem viðkvæmustu eiginleikarnir eru fráteknir fyrir staðfesta notendur með traustum aðgangi. Þar sem sumar varnir nota rök á prófunartíma getum við uppfært þær hratt til að loka glufum án þess að endurþjálfa flokkara frá grunni.

Við beitum varkárari nálgun á meðan við styrkjum kerfið gegn aðlögunarhæfum árásum. Í samanburði við fyrri líkön er GPT‑5.6 okkar Netvarnir Sol stöðva um það bil tífalt meira af mögulega skaðlegri virkni. Þar sem þessar ráðstafanir geta valdið hnökrum í skaðlausri notkun bjóðum við upp á valkost í ChatGPT og Codex til að endurprófa kvaðningar á líkönum með minni getu, og við munum halda áfram að draga úr áhrifum öryggisráðstafana okkar á skaðlausa notkun á sama tíma og við viðhöldum háu viðmiði um traustleika. Þetta endurspeglar ítrunarmiðaða innleiðingarnálgun okkar: að byrja varlega og bæta út frá því sem við lærum af raunverulegri notkun.

Áður en kerfið varð almennt aðgengilegt framkvæmdum okkar á umfangsmestu öryggismati til þessa, þar á meðal víðtæku rauðteymi, öflugum prófunum á getu og öryggisráðstöfunum með utanaðkomandi sérfræðingum og um það bil 700.000 A100e GPU-klukkustundum af sjálfvirku svartkassa-rauðteymi. Þetta gerði okkur kleift að kanna kerfisbundið líklega veikleika, koma í ljós tilvikum þar sem eiga við stýrikerfi voru gerð og styrkja kerfið fyrir opnun.

Fullkomið öryggi er ekki til og vinna okkar við að tryggja sífellt öflugri líkan heldur áfram. Nýir veikleikar munu uppgötvast, sem og nýjar eiga við stýrikerfi sem sniðganga núverandi öryggisráðstafanir. Hver ný kynslóð líkana mun einnig skapa nýjar leiðir til árása og misnotkunar. Við byggjum á þessum veruleika með marglaga öryggisráðstöfunum, stöðugri vöktun, skjótum úrbótum og samstarfi innan varnarsamfélagsins. Fyrir GPT‑5.6 höfum við sameinað núverandi bug bounty-áætlanir okkar á sviði öryggis⁠(opnast í nýjum glugga) og bug bounty-áætlanir á sviði líffræði⁠ við nýtt ferli fyrir hraðar úrbætur og öflugasta vöktunarátak okkar til þessa. Niðurstöður rannsakenda, vöktunar og raunverulegrar misnotkunar munu jafnt og þétt nýtast við nýtt mat og öflugri öryggisráðstafanir.

Lestu meira um öryggisráðstafanir okkar í uppfærða GPT‑5.6-kerfiskortinu⁠(opnast í nýjum glugga).

GPT‑5.6 nær yfir þrjú líkanaþrep: Sol, flaggskipið okkar; Terra, ódýrara líkan með frammistöðu sem stenst samanburð við GPT‑5.5; og Luna, hraðasta og hagkvæmasta líkanið okkar. Talan auðkennir kynslóðina, en Sol, Terra og Luna eru varanleg getuþrep sem geta þróast á sínum eigin takti.

GPT‑5.6 er fáanlegt í dag í ChatGPT, Codex og OpenAI API. Innleiðingin hefst nú á heimsvísu og heldur áfram í áföngum þar til fullu aðgengi er náð á næstu 24 klukkustundum.

• Spjall: Notendur Plus, Pro, Business og Enterprise fá aðgang að GPT‑5.6 Sol með stillingum fyrir miðlungs og hátt vinnuálag. Pro- og Enterprise-notendur geta einnig valið GPT‑5.6 Sol Pro til að fá niðurstöður í hæsta gæðaflokki fyrir flókin verkefni.
• ChatGPT Vinna og Codex: Notendur Free og Go hafa aðgang að GPT‑5.6 Terra. Notendur Plus, Pro, Business og Enterprise geta valið á milli GPT‑5.6 Sol, Terra og Luna, stilltu áreynslustig fyrir hvert þeirra. max er í boði fyrir alla notendur með aðgang að GPT‑5.6 í ChatGPT Vinna og Codex og hægt er að virkja það í stillingum. Í ChatGPT Vinna er ultra í boði fyrir Pro- og Enterprise-notendur. Í Codex er það í boði fyrir Plus og hærri áskriftaráætlanir.
• API: Þróunaraðilar geta fengið aðgang að Sol, Terra og Luna í gegnum OpenAI API. Í Responses API gerir forritunarleg verkfæraákall GPT‑5.6 kleift að skrifa og keyra forrit í minni sem samhæfa verkfæri og vinna úr milliniðurstöðum – sem gerir það samhæft við engin gögn varðveitt (ZDR). Multi-agent, sem verður upphaflega í boði í betaútgáfu, gerir GPT‑5.6 kleift að keyra samhliða undirfulltrúa og samþætta vinnu þeirra í einni beiðni.

Verð GPT‑5.6 er reiknað fyrir hverja 1 milljón tóka í þremur líkanastærðum: Sol er 5 USD fyrir inntak / 30 USD fyrir úttak; Terra er 2,50 USD fyrir inntak / 15 USD fyrir úttak; og Luna er 1 USD fyrir inntak / 6 USD fyrir úttak. GPT‑5.6 kynnir einnig fyrirsjáanlegri skyndivistun kvaðninga, þar á meðal stuðning við tilgreind skyndivistunarskil⁠(opnast í nýjum glugga) og 30 mínútna lágmarkslíftíma skyndiminnis. Fyrir GPT‑5.6 og síðari líkön eru skrif í skyndiminni gjaldfærð á 1,25-földu inntaksgjaldi líkansins fyrir inntak sem er ekki í skyndiminni, en lestur úr skyndiminni heldur áfram að fá 90% afslátt fyrir inntak úr skyndiminni.