Stiamo avviando un’anteprima limitata della serie GPT‑5.6: Sol, il nostro modello di punta; Terra, un modello bilanciato per il lavoro quotidiano; e Luna, un modello veloce e conveniente. Terra offre prestazioni competitive rispetto a GPT‑5.5 a un costo dimezzato, mentre Luna porta capacità solide al nostro costo più basso.
GPT‑5.6 Sol viene lanciato con il nostro stack di sicurezza più robusto finora. Abbiamo rafforzato le protezioni per attività a rischio più elevato, richieste cyber sensibili e abusi ripetuti, e abbiamo dedicato diverse settimane a trovare debolezze, sottoporre il sistema a stress test e irrobustirlo contro attacchi reali.
Crediamo in un accesso ampio e prevediamo di rendere GPT‑5.6 Sol, Terra e Luna generalmente disponibili nelle prossime settimane. Nell’ambito del nostro dialogo continuo con il governo degli Stati Uniti, abbiamo presentato in anteprima i nostri piani e le capacità dei modelli prima del lancio di oggi. Su loro richiesta, iniziamo con un’anteprima limitata per un piccolo gruppo di partner fidati la cui partecipazione è stata condivisa con il governo, prima di un rilascio più ampio. Durante questa anteprima continueremo a testare e a coordinarci strettamente con i partner mentre lavoriamo verso una disponibilità più ampia. Non crediamo che questo tipo di processo di accesso governativo debba diventare l’impostazione predefinita a lungo termine, poiché impedisce a utenti, sviluppatori, imprese, difensori cyber e partner globali di accedere agli strumenti migliori di cui hanno bisogno. Stiamo compiendo questo passo nel breve periodo perché riteniamo che sia il modo più efficace per raggiungere una disponibilità più ampia nelle prossime settimane, mentre collaboriamo con l’Amministrazione allo sviluppo del quadro previsto dall’Executive Order sulla cybersicurezza e di un processo ripetibile per i futuri rilasci di modelli.
GPT‑5.6 Sol è il nostro modello ad oggi più potente. Per offrire un’anteprima delle prestazioni del modello, condividiamo una serie di valutazioni che evidenziano capacità agentiche migliorate in coding, biologia e cybersicurezza, con ulteriori valutazioni di sicurezza e preparazione disponibili nella nostra scheda di sistema(si apre in una nuova finestra). Condivideremo una suite ampliata di risultati di valutazione quando renderemo il modello ampiamente disponibile.
Con GPT‑5.6 introduciamo un nuovo sforzo di ragionamento `max` per dare a Sol il massimo tempo per ragionare in profondità. Inoltre, introduciamo una nuova modalità `ultra` che va oltre le capacità di un singolo agente sfruttando subagenti per accelerare il lavoro complesso.
Per i workflow di coding, GPT‑5.6 Sol stabilisce un nuovo stato dell’arte su Terminal‑Bench 2.1, che testa workflow da riga di comando che richiedono pianificazione, iterazione e coordinamento degli strumenti.
GPT‑5.6 Sol mostra inoltre ampi miglioramenti nei workflow di biologia. Su GeneBench v1, che valuta analisi di genomica e biologia quantitativa su orizzonti lunghi, ottiene risultati più forti di GPT‑5.5 usando meno token.
GPT‑5.6 Sol è il nostro modello più capace finora per la cybersicurezza. Sposta la frontiera prestazioni-efficienza per attività di sicurezza su orizzonti lunghi, tra cui ricerca di vulnerabilità e sfruttamento. Su ExploitBench², GPT‑5.6 Sol è competitivo con Mythos Preview usando solo circa 1/3 dei token di output. Su ExploitGym(si apre in una nuova finestra)3, un benchmark creato da ricercatori di UC Berkeley in collaborazione con OpenAI e altri laboratori di frontiera, i modelli GPT‑5.6 Sol, Terra e Luna mostrano tutti forti miglioramenti nelle capacità cyber all’aumentare del ragionamento.
Abbiamo sviluppato GPT‑5.6 Sol, Terra e Luna con le nostre misure di sicurezza più robuste finora, con configurazioni adeguate alle capacità di ciascun modello. Man mano che il modello diventa più capace, progettiamo misure di sicurezza che resistano sempre meglio alla pressione avversaria del mondo reale, preservando al contempo l’accesso a lavori legittimi come revisione del codice, ricerca di vulnerabilità, sviluppo di patch, debugging, formazione sulla sicurezza e test difensivi. Il nostro obiettivo è rendere l’attività offensiva vietata più difficile, incerta e rilevabile, senza limitare inutilmente questi usi benefici. In base alla nostra valutazione del modello e delle misure di sicurezza, ci aspettiamo benefici sostanziali per il lavoro difensivo legittimo, limitando in modo significativo l’uso offensivo vietato.
GPT‑5.6 Sol è migliore nell’aiutare le persone a trovare e correggere vulnerabilità che nell’eseguire in modo affidabile attacchi end-to-end. Mentre queste capacità continuano ad avanzare, la nostra priorità è assicurarci che raggiungano e avvantaggino i difensori, che possono usare questi strumenti per trovare debolezze, sviluppare patch e rafforzare i sistemi in modo più ampio.
GPT‑5.6 Sol non supera la soglia Cyber Critical prevista dal nostro Preparedness Framework. Nelle valutazioni che coinvolgevano Chromium e Firefox, ha identificato bug e primitive di sfruttamento, cioè gli elementi costitutivi di un exploit, ma nelle condizioni testate non ha prodotto autonomamente un exploit full-chain funzionante. Tuttavia, le soglie dei benchmark non possono cogliere ogni modo in cui un modello può essere usato o combinato con altri strumenti. Questa incertezza, insieme al più ampio salto di capacità del modello, è il motivo per cui affianchiamo alle maggiori capacità del modello misure di sicurezza più forti e un rilascio graduale. Condividiamo maggiori dettagli sulle nostre misure di sicurezza nella scheda di sistema GPT‑5.6 Preview(si apre in una nuova finestra).
Nessuna singola misura di sicurezza è sufficiente contro un uso improprio determinato o adattivo. In tutta l’anteprima di GPT‑5.6 usiamo misure di sicurezza a livelli, con configurazioni esatte che variano tra i modelli, e le sottoponiamo a stress test contro attacchi reali. Queste includono protezioni addestrate nel modello, controlli in tempo reale durante la generazione, segnali a livello di account, accesso differenziato, monitoraggio, applicazione delle regole e test continui.
GPT‑5.6 è addestrato a rifiutare assistenza cyber vietata, anche quando gli utenti cercano di mascherare le proprie intenzioni o di effettuare il jailbreak del modello. Queste misure di sicurezza a livello di modello stabiliscono il primo confine intorno a ciò con cui il modello dovrebbe o non dovrebbe aiutare.
I classificatori in tempo reale per l’uso improprio in ambito cyber e biologico forniscono un ulteriore livello valutando l’output mentre viene generato. Nei casi a rischio più elevato, se rilevano una potenziale violazione, la generazione può essere messa in pausa mentre un modello di ragionamento più grande esamina la conversazione e il suo contesto. Se l’output viene valutato come non consentito, viene trattenuto prima di raggiungere l’utente.
L’attività segnalata può anche attivare una revisione a livello di account su conversazioni pertinenti e segnali di rischio, in linea con i nostri termini e le nostre policy sulla conservazione e revisione dei contenuti. Guardare oltre una singola conversazione aiuta i nostri sistemi a distinguere il comportamento malevolo persistente dal lavoro di sicurezza legittimo dual-use, in cui concetti tecnici simili possono comparire in contesti molto diversi.
Nel complesso, questi livelli rendono l’approccio complessivo più robusto di qualsiasi singola misura di sicurezza da sola. Il comportamento del modello riduce la probabilità di risposte dannose, i sistemi in tempo reale possono intervenire durante la generazione, la revisione a livello di account può identificare pattern più ampi e l’accesso differenziato preserva importanti lavori difensivi senza rendere le capacità più sensibili ampiamente disponibili per impostazione predefinita.
Soprattutto durante l’anteprima, gli utenti potrebbero incontrare misure di sicurezza che bloccano o rifiutano alcune richieste. Altre richieste potrebbero richiedere più tempo perché la generazione viene messa in pausa per una revisione aggiuntiva. Le misure di sicurezza possono occasionalmente intervenire su lavori legittimi, in particolare in aree dual-use in cui attività difensive e offensive possono inizialmente apparire simili.
È parte di ciò che l’anteprima è progettata per testare. Vogliamo capire non solo se le misure di sicurezza limitano l’uso improprio, ma anche se gli utenti legittimi riescono comunque a completare il lavoro normale in modo affidabile ed efficiente. Il feedback durante l’anteprima ci aiuterà a ridurre blocchi e ritardi non necessari, migliorare il modo in cui le misure di sicurezza interpretano il contesto e creare un’esperienza più fluida prima del rilascio più ampio.
Stiamo inoltre collaborando con clienti enterprise su approcci di più lungo periodo, tra cui rilevamento che tutela la privacy, controlli di sicurezza gestiti dai clienti e accesso calibrato sul rischio di un cliente, utente o carico di lavoro, per far avanzare la sicurezza supportando al contempo i requisiti di privacy delle imprese.
Anche le misure di sicurezza devono restare efficaci quando gli attaccanti adattano le proprie tattiche. Una protezione che funziona solo su un insieme fisso di attacchi noti non è abbastanza robusta per un modello di frontiera.
Per questo stiamo applicando alla sicurezza più intelligenza e capacità di calcolo che mai, usando i nostri modelli per individuare debolezze e migliorare più rapidamente le misure di protezione. Abbiamo dedicato oltre 700.000 ore GPU equivalenti ad A100 al red teaming automatizzato mirato a trovare jailbreak universali: attacchi capaci di funzionare in molti prompt o contesti, non solo in uno scenario ristretto. Concentrarci su questi attacchi più difficili e generali ci ha permesso di testare le misure di sicurezza oltre un insieme fisso di fallimenti noti. Ci consente inoltre di esplorare molti più schemi di attacco di quanti ne potrebbe coprire il solo testing umano, individuare prima i pattern di fallimento e accorciare il percorso tra la scoperta di una debolezza e la sua correzione.
Oltre al red teaming automatizzato, abbiamo collaborato con tester di terze parti per condurre un ampio red teaming umano con esperti, che proseguirà durante il periodo di anteprima. Il red teaming umano integra il lavoro automatizzato testando le misure di sicurezza contro esperti creativi che cercano di usare impropriamente il modello in modi che i nostri sistemi potrebbero non prevedere.
Nessuna valutazione può rappresentare ogni configurazione di prodotto, attacco multi-step o workflow reale. Per questo manteniamo un processo di risposta rapida per riprodurre, valutare, dare priorità e correggere i jailbreak appena scoperti, quindi aggiungerli alle nostre valutazioni continue così da poter testare in futuro fallimenti simili.
Durante l’anteprima, i modelli GPT‑5.6 saranno inizialmente disponibili tramite API e Codex per un gruppo selezionato di partner e organizzazioni fidati. Prevediamo di renderli presto disponibili in modo più ampio a chi usa ChatGPT, Codex e l’API.
Nel nuovo sistema di denominazione introdotto con GPT‑5.6, il numero identifica la generazione di un modello, mentre Sol, Terra e Luna indicano livelli di capacità durevoli che possono progredire con una propria cadenza. Nel complesso, la famiglia offre a persone e sviluppatori scelte più chiare tra intelligenza, velocità e costo.
GPT‑5.6 ha un prezzo per 1 milione di token in tre dimensioni di modello: Sol costa 5 USD in input / 30 USD in output; Terra 2,50 USD in input / 15 USD in output; e Luna 1 USD in input / 6 USD in output. GPT‑5.6 introduce anche una cache dei prompt più prevedibile, con supporto per breakpoint di cache espliciti e una durata minima della cache di 30 minuti. Per GPT‑5.6 e i modelli successivi, le scritture in cache vengono addebitate a 1,25 volte la tariffa di input non in cache del modello, mentre le letture dalla cache continuano a ricevere lo sconto del 90% sull’input in cache.
A luglio lanceremo anche GPT‑5.6 Sol su Cerebras fino a 750 token al secondo, portando ai clienti intelligenza di frontiera a una velocità senza precedenti. L’accesso sarà inizialmente limitato a clienti selezionati mentre ampliamo la capacità.
Siamo entusiasti di continuare a imparare da questo periodo di anteprima e di portare presto GPT‑5.6 Sol, Terra e Luna a più persone.
1. Stimiamo latenza e costo API osservando il comportamento in produzione dei nostri modelli e simulandolo offline. Queste stime tengono conto dei dettagli delle chiamate agli strumenti, dei token campionati e dei token di input. I risultati reali possono variare in modo sostanziale e dipendono da molti fattori non considerati nella nostra simulazione. Simuliamo la latenza a velocità API elevate e il costo ai prezzi API standard.
2. Tutti i modelli sono valutati usando l’harness API di ExploitBench con 5 seed e continuità del ragionamento.
3. Abbiamo eseguito ExploitGym sulla nostra API alpha, che produce risposte più rapidamente della nostra API pubblica, e poi abbiamo riscalato i risultati per allinearli alla nostra API pubblica. Quando le latenze vengono riscalate alle velocità previste per la nostra API pubblica, alcune latenze stimate superano i limiti di tempo di 2 e 6 ore, pur essendo state rispettate correttamente nella valutazione. Per ottenere velocità maggiori nei lavori sensibili al tempo, offriamo elaborazione prioritaria nell’API e modalità veloce in Codex.
4. I modelli senza token di output, latenza o costo riportati sono tracciati come linee tratteggiate orizzontali.
