Негізгі мазмұнға өту
OpenAI

2026 ж. 9 шілде

ӨнімШығарылым

GPT‑5.6: Талпынысыңызға сәйкес кеңейетін озық Ойлау деңгейі

Әрбір токеннен көбірек Ойлау деңгейі, әр долларға жоғары өнімділік және ең күрделі жұмыстарыңызға қажет кезде кеңейтілген мүмкіндіктер.

Жүктелуде…

Біз алдын ала шектеулі қолжетімділіктен кейін GPT‑5.6 модельдер тобының жалпы қолжетімділігін іске қосып отырмыз: жаңа флагманымыз Sol, күнделікті жұмысқа арналған теңгерімді модель Terra және ең үнемді модель Luna.

GPT‑5.6 Sol интеллект пен тиімділік бойынша жаңа стандарт қалыптастырады: код жазу, білімге негізделген жұмыс, киберқауіпсіздік және ғылым салаларында ең озық деңгейдегі нәтижелерге қол жеткізеді, әрі бұрынғы және бәсекелес озық модельдерден азырақ токендер қолданып, төменірек болжамды шығынмен асып түседі. Нәтижесінде әр жұмсалған долларға шаққандағы тиімділік артады: бірдей шығынмен көбірек сәтті жұмыс орындалады немесе төменірек жалпы шығынмен салыстырмалы нәтижелерге қол жеткізіледі. Сондай-ақ ең күрделі жұмысты жеделдетудің жаңа тәсілін ұсынамыз: ultra — күрделі тапсырмаларды тезірек аяқтау үшін бірнеше агентті параллель жұмыс ағындары бойынша үйлестіретін ең жоғары мүмкіндікті параметріміз. Компьютерді пайдалану мүмкіндігінің күшеюі және дизайн бойынша пайымдау қабілеті GPT‑5.6‑ны Sol — әзірге ең жетілдірілген серіктесіміз, ол тексеруге, жетілдіруге және пайдалануға дайын нәтижелерді ұсынуға көмектеседі.

Біз GPT‑5.6-ны әрбір токеннен көбірек пайдалы нәтиже алу үшін оқыттық. 55 саладағы ұзақ орындалатын кәсіби жұмыс процестерін бағалайтын Агенттердің соңғы емтиханы(жаңа терезеде ашылады) бағалауында GPT‑5.6 Sol 53,6 жаңа ең жоғары нәтижеге жетіп, Claude Fable 5-тен (бейімделмелі ой қорыту) 13,1 ұпайға асып түседі. Тіпті орташа ой қорыту деңгейінде де, ол Fable 5-ті 11,4 ұпайға басып озады және болжалды шығыны шамамен төрттен бірін ғана құрайды. Бұл тиімділік интеллектіні кеңірек қолжетімді әрі арзанырақ ету үшін маңызды шағын модельдерге де таралады: GPT‑5.6 Terra және GPT‑5.6 Luna Fable 5-тен құнының шамамен 16-дан біріне тең шығынмен асып түседі. Агенттік жұмыс, код жазу, ғылыми ой қорыту және жалпы мүмкіндіктерді қамтитын интеллектіні кең ауқымда өлшейтін Artificial Analysis Intelligence Index(жаңа терезеде ашылады) бағалауында GPT‑5.6 Sol ең жоғары ой қорыту режимінде Fable 5 көрсеткішінен бір ұпай ғана төмен нәтиже көрсетеді, бірақ тапсырмаларды 61% аз уақытта әрі болжалды құнның шамамен жартысымен орындайды.

Агенттердің соңғы емтиханы(жаңа терезеде ашылады): кәсіби салалардағы ұзақ мерзімді агенттік жұмыс процестері.

GPT‑5.6 заңды жұмысты кеңінен шектемей, табандылықпен әрі бейімделе жасалатын теріс пайдалануға төзімді болуға арналған бүгінгі күнге дейінгі ең сенімді қорғаныс тетіктерімізбен іске қосылады. Жалпы қолжетімділікке дейін біз модель мен қорғаныс шараларын осы уақытқа дейінгі ең ауқымды бағалау кезеңінен өткіздік, онда адамдар жүргізетін редтиминг кең ауқымды автоматтандырылған тестілеумен ұштастырылды. Алдын ала таныстыру кезеңінде біз кең ауқымда іске қоспай тұрып қорғаныс шараларын қатаң сынақтан өткізу және қауіпсіздік тетіктерін күшейту үшін сарапшы ұйымдармен және сенімді серіктестермен тығыз жұмыс істедік. Нәтижесінде алынған жүйе модельге оқыту барысында енгізілген қорғаныс шараларын нақты уақыт режиміндегі тексерулермен, мониторингпен және сенім мен тәуекел деңгейіне қарай реттелген қолжетімділікпен қабаттастырады.

Әдепкі бойынша тиімді, қажет кезде ең жоғары өнімділік

GPT‑5.6 Sol — біздің бүгінге дейінгі код жазуға арналған ең үздік моделіміз. Artificial Analysis Coding Agent Index бағалауында ең жоғары ой қорытуы қосылған GPT‑5.6 Sol 80 баллмен ең озық жаңа нәтиже орнатады — бұл Fable 5-тен 2,8 ұпай жоғары — әрі шығыс токендерінің жартысынан азын қолданып, уақыттың жартысынан азын жұмсайды және шамамен үштен біріне арзанға түседі. Бұл артықшылық бүкіл топтамаға таралады: Terra Fable 5-тен сәл ғана жоғары нәтиже көрсетеді, ал Luna Opus 4.8-ден озады; әрқайсысы мұны шамамен үштен бір уақыт ішінде, шығыс токендерінің шамамен жартысын ғана пайдаланып және есептелген құнның шамамен төрттен бірімен орындайды. Ол сондай-ақ күрделі пәрмен жолы жұмыс процестерін және нақты код базаларындағы ұзақ мерзімді инженерлік жұмыстарды сынайтын Terminal‑Bench 2.1 және DeepSWE бойынша жаңа ең озық нәтижелер көрсетеді.

Artificial Analysis кодтау агенттері индексі: іске асыру, терминалды пайдалану және нақты код базалары бойынша кодтау агенттерінің өнімділігін бағалайтын тәуелсіз индекс.

GPT‑5.6 құралдардың жұмысын үйлестіретін, аралық нәтижелерді өңдейтін, орындалу барысын қадағалайтын және жұмыс өрбіген сайын келесі әрекетті таңдайтын жеңіл бағдарламаларды жаза және іске қоса алады. Бұл құралдарды көп пайдаланатын тапсырмалардың аз токенмен, модельмен азырақ сұрау-жауап айналымымен және аз нұсқаумен ілгерілеуіне мүмкіндік береді. Әзірлеушілерден әр қадамды скрипттеуді немесе құралдың әрбір жауабын модель арқылы қайта өткізуді талап етудің орнына, Responses API-дегі бағдарламалық құрал шақыру(жаңа терезеде ашылады) үлкен көлемдегі аралық деректерді сүзгілей алады, тек маңыздысын ғана сақтайды және жұмыс процесін жол-жөнекей бейімдейді.

Уақыт пен есептеу ресурстарын көбірек жұмсауды талап ететін мәселелерде GPT‑5.6 осы тиімді әдепкі режимнен асып түсе алады. max GPT‑5.6‑ға xhigh режиміне қарағанда ой қорытуға, балама шешімдерді қарастыруға, тексерулер жүргізуге және өз тәсілін қайта қарап шығуға көбірек уақыт береді. ultra әдепкі бойынша төрт агентті параллель үйлестіру арқылы одан әрі ілгерілейді, күрделі тапсырмаларда жоғары токен қолдану арқылы күштірек нәтижелер мен нәтижеге жету уақытын қысқартады. Төмендегі диаграммалар BrowseComp, SEC-Bench Pro және Terminal-Bench 2.1 бойынша ultra-ның әдепкі төрт агенттік параметріміз бір агенттік базалық нұсқамен салыстырады. BrowseComp пен SEC-Bench Pro үшін 16 агенттік конфигурациялар да көрсетілген. Үш бағалаудың барлығында параллель агенттерді қосу ұпай–кідіріс озық шебін жоғары әрі солға жылжытып, аз уақыт ішінде жақсырақ нәтижелерге жеткізеді. API-де әзірлеушілер Responses API ішіндегі көп агентті бета-нұсқасын пайдаланып, Ultra тәрізді тәжірибелер жасай алады.

11 ішінен 1
GPT‑5.6 — CursorBench бойынша біз сынаған ең мықты модельдердің бірі, әрі алғашқы бағалауларда тұрақты жақсы нәтиже көрсетті. Бұл әзірлеушілер үшін тұрақтылық, интеллект және жалпы тиімділік тұрғысынан қуантатын алға қадам. Біз бұл модельді Cursor пайдаланушыларымызға ұсынуды асыға күтеміз.
— Оскар Шульц, Cursor компаниясының президенті

Дизайнда ілгерілеудің ірі қадамы

GPT‑5.6 дизайн тұрғысындағы пайымдауда сапалық серпіліс әкеледі. Тек жалпы бағыт берілгеннің өзінде GPT‑5.6 талғаммен жасалған, ыңғайлы әрі функционалды интерфейстер жасайды. Оның компьютерді пайдалану мүмкіндіктері күштірек болғандықтан, ол негізгі кодты немесе контентті жасап қана қоймай, рендерленген нәтижені тексеріп, жетілдіре алады; осылайша жұмысты қайтармас бұрын визуалдық және функционалдық мәселелерді анықтап, соңғы өңдеулерді енгізе алады.

Көмексөз: Маған 3D желкенді қайық ойынын іске асырып бере аласыз ба? Битмаптар, текстуралар немесе спрайттар қажет болатын кез келген нәрсе үшін (немесе құратын 3D модельдерге мокап-референс болғаны көмектессе), imagegen-ді еркін пайдалана беріңіз.

GPT‑5.6-ның фронтенд мүмкіндіктері табиғи тілдегі сұрауларды ChatGPT Жұмысында тиянақты, интерактивті түсіндірмелер мен визуализацияларға айналдырады.

Көмексөз: Оның қалай жұмыс істейтінін түсіндіру үшін интерактивті спирограф жасаңыз.

Білімге негізделген жұмыстың толық циклі

GPT‑5.6 кәсіби тапсырмалар үшін жақсырақ нәтижелер береді. Ол құжаттарыңыздан және Slack, Notion, Microsoft 365 және Google Drive сияқты күнделікті жұмыс процестерінен алынған ретсіз контексті сарапшылық деңгейдегі, бөлісуге болатын артефактілерге айналдырады.

GPT‑5.6-ның білімге негізделген жұмыстағы күші ұзақ мерзімді кәсіби талдауды, интернетті шолуды, құралдарды пайдалануды және компьютерді пайдалануды қамтитын бағалауларда көрініс табады. GPT‑5.6 Sol BrowseComp бойынша 92,2% және OSWorld 2.0 бойынша 62,6% деңгейінде жаңа ең озық нәтижелер көрсетеді; OSWorld-та ол 85%-ға аз шығыс токендерін қолдана отырып, Opus 4.8-ден асып түседі. Мұнда бір долларға шаққандағы өнімділік өсімі GPT‑5.6 отбасының барлық үлгілеріне таралады. Luna GPT‑5.5‑тің ең жоғары өнімділігіне дерлік жетеді, әрі болжалды құны оның жартысынан да төмен, ал Terra одан төмен құнмен бұл көрсеткіштен асып түседі.

BrowseComp: GPT‑5.6 Sol агенттік шолу тапсырмаларынан тұратын BrowseComp-та жаңа озық нәтижеге қол жеткізді.

GPT‑5.6 Sol презентациялардағы, құжаттардағы және электрондық кестелердегі сапаны жақсартады, анағұрлым жетілдірілген әрі дәл нәтижелер жасайды. Ол көмексөз бен бастапқы материалды айқын макеттері, иерархиясы және дизайны бар бірізді визуалды баяндауға айналдырып, нөлден бастап толығымен өңделетін презентациялар жасай алады.

Үлгілер мен анықтамалық презентацияларды ұстанғанда, жақсару әсіресе айқын байқалады. GPT‑5.6 презентация слайдтар топтамасының дизайн жүйесін — макеттерін, типографиясын, аралықтарын, түстерін және қайталанатын мазмұн үлгілерін, соның ішінде Слайд шеберіне енгізілген ережелерді — анықтап, сол қағидаларды жаңа материалға бірізді түрде қолдана алады. Бұл мысалда үлгі файл негізінде сандарды жаңарту сұралғанда, GPT–5.5 нәтижесінде негізгі слайдтағы маңызды элементтер жоқ, ал GPT–5.6 үлгі құрылымын дәлірек сақтайды.

Сілтеме файлы
GPT-5.6 стилін сәйкестендіруге арналған кіріс слайды
GPT–5.5 нәтижесі
Стильді сәйкестендіруге арналған GPT-5.5 нәтиже слайды

GPT‑5.5 негізгі слайдтағы маңызды элементтерді қамтымаған

GPT‑5.6 нәтижесі
Стильді сәйкестендіруге арналған GPT-5.6 шығыс слайды

GPT‑5.6 сондай-ақ көрнекі тұрғыдан анағұрлым жетілдірілген құжаттар мен электрондық кестелер жасайды. Ол күрделі үлгі форматтарын дәлірек сақтайды, бұл қайталанатын интеллектуалды жұмыс процестері үшін маңызды. Ол теңдеулер мен қаржылық модельдерді жоғары дәлдікпен өңдейді және типографияны, аралықтарды, иерархияны, сондай-ақ бет немесе жұмыс парағының орналасуын тиімдірек пайдаланады.

GPT‑5.6‑ны сынап көрген алғашқы тұтынушылар әртүрлі салаларда білімге негізделген жұмыс нәтижелерінің жақсарғанын байқады.

9 ішінен 1
GPT‑5.6 өндірістік деңгейдегі қолданбаларды жасауға қажет ұзақ әрі күрделі жұмыс процестерінде айтарлықтай тиімді жұмыс істейді. Lovable қазір қолданатын модельдердің бірі ретінде ол пайдаланушыларға алдыңғы модельмен салыстырғанда шамамен 25 % аз қадаммен және 35–48 % аз құрал шақыруымен нәтиже береді, сонымен қатар жобалардың сәтті аяқталуын жақсартып, тоқтап қалған орындалуларды 15 % азайтады. Идеядан жұмыс істейтін қолданбаға айналдырғысы келетін кез келген адам үшін елеулі айырмашылық.
— Фабиан Хедин, Lovable компаниясының тең құрылтайшысы

Киберсала мен ғылымдағы озық шектерді кеңейту

GPT‑5.6 — бүгінгі күнге дейінгі ең қуатты киберқауіпсіздік моделіміз, ол айтарлықтай азырақ токендерді қолдана отырып, озық деңгейдегі өнімділікке қол жеткізеді. Осал кодқа жетуден бастап еркін кодты орындауға дейінгі прогресті өлшейтін ExploitBench2 бағалауында ол салыстырмалы output token бюджетімен 73,5% ұпай жинады, ал GPT‑5.5 көрсеткіші 47,9% болды. Агенттерден нақты әлемдегі осалдықтарды жұмыс істейтін эксплойттарға айналдыруды талап ететін ExploitGym3, бағалауында ол екі сағаттық шектеуде GPT‑5.5‑тің ең жоғары өту көрсеткішін екі есеге жуық арттырып, 15,1%-дан 24,9%-ға жеткізеді, ал алты сағатта 33,7%-ға жетеді. Күрделі бағдарламалық жасақтамада proof-of-concept жасауды тексеретін SEC-Bench Pro бағалауында ол жақсартылған кідіріспен 71,2% ұпай жинады, ал GPT‑5.5 көрсеткіші 45,8% болды.

GPT‑5.6 қауіпсіздік тұрғысынан кодты шолу, патчтау, қауіп-қатерді модельдеу және блю тиминг сияқты маңызды қорғаныс тапсырмаларын қолдайды. OpenAI Daybreak-тің Trusted Access for Cyber бағдарламасындағы талаптарға сай жеке тұлғалар мен ұйымдар рұқсат етілген орталарда расталған жұмысқа арналған дәлірек қорғау шаралары арқылы оның қорғаныс мүмкіндіктерінің кеңейтілген бөлігіне қол жеткізе алады, соның ішінде осалдықтарды іріктеу және тексеру, зиянды бағдарламалық қамтамасыз етуді талдау, анықтау инженериясы және патчтарды тексеру.

Жеке тұлғалар жеке басын растап, сенімді қолжетімділікті сұрауға(жаңа терезеде ашылады), ал ұйымдар өз командалары үшін өтінім бере алады. Жеке мүшелер ең киберқабілетті озық модельдерімізге қолжетімділікті сақтап қалу үшін 1 қыркүйекке дейін аппараттық деңгейде қорғалған passkey-лер арқылы Кеңейтілген аккаунт қауіпсіздігі(жаңа терезеде ашылады) қосуы керек. Қоспағандар әдепкі қолжетімділік деңгейіне қайтарылады. Аппараттық деңгейде қорғалған passkey-лері әлі жоқ пайдаланушылар Yubico серіктесімізден арнайы баға(жаңа терезеде ашылады) ала алады. Біз сондай-ақ жоғары тәуекелді субъектілерге және жоғары тәуекелді құқықтық аймақтарда қолжетімділікті шектеу үшін қосымша шаралар қабылдап жатырмыз.

ExploitBench: Біртіндеп қабілеті жоғарылайтын V8 эксплойттарын құру; GPT‑5.6 GPT‑5.5-пен салыстырғанда айтарлықтай өсім көрсетеді. Кідіріс графигі көрсетілмейді, өйткені бұл бенчмарк үшін кідірісті бағалау сенімсіз.

GPT‑5.6 Sol сондай-ақ ғылыми зерттеулер саласында кең ауқымды жақсартуларды көрсетеді. Өмір туралы ғылымдар саласындағы бағалауларда GPT‑5.6 нақты әлемдегі биология, өмір туралы ғылымдар зерттеу процестері және химия бойынша GPT‑5.5‑пен салыстырғанда Парето тұрғысынан жақсарғанын көрсетеді.

GeneBench Pro: ұзақ мерзімді геномика және сандық биология талдаулары; GPT‑5.6 азырақ токен мен аз уақыт жұмсап, мықтырақ нәтижелерге жетеді. Claude Fable 5 бұл бағалауға қосылмаған, себебі ол биология бойынша күрделі сұрақтарға жауап бермейді(жаңа терезеде ашылады) және осы бағалаудағы сұрақтардың көбінен бас тартады.

GPT‑5.6 OpenAI жұмысын жеделдетеді

GPT‑5.6 — ЖИ зерттеулерін жеделдетуге арналған ең қуатты модель. OpenAI ішінде зерттеушілер оны әзірлеу циклінің барлық кезеңдерінде пайдаланады: ақауларды диагностикалау, оқыту жүйелерін оңтайландыру, эксперименттер жүргізу және нәтижелерді түсіндіру. Біз GPT‑5.6 ішкі тестілеу кезеңінде жеделдеуді және кеңірек қолданылуды қазірдің өзінде байқадық: бір белсенді зерттеушіге шаққандағы орташа күнделікті шығыс токендерінің саны GPT‑5.5 үшін байқалған ең жоғары деңгейден екі еседен астам болды.

Бұл жұмыс істеу тәсілі тез арада стандартқа айналуда. Соңғы алты айда ішкі кодтау болжамына бөлінген зерттеу есептеу ресурстарының үлесі 100 есе өсті, ал ішкі агенттік токендердің қолданылуы шамамен 22 есе артты. Бұл қолдану көрсеткіштері өздігінен зерттеу прогресін өлшемейді, бірақ олар ЖИ көмегінің зерттеуде және сату, маркетинг, пайдаланушылармен жұмыс, қаржы және басқа да командаларда қаншалықты жылдам артып келе жатқанын көрсетеді.

Бұл мүмкіндікті тікелей өлшеу үшін біз нақты ЖИ зерттеу тапсырмаларына негізделген ішкі бағалаулар жиынтығын әзірледік, оның ішінде зерттеу жүйелеріндегі ақауларды түзету, ядролар мен оқыту рецептерін оңтайландыру, машиналық оқыту эксперименттерін жүргізу және басқа модельді жақсарту бар.

Жиынтық RSI мүмкіндігі: Рекурсивті өзін-өзі жетілдіруге қарай ілгерілеуді өлшейтін бағалаулар топтамасында GPT‑5.6 Sol GPT‑5.5‑пен салыстырғанда 16,2 ұпайға жақсарғанын байқаймыз, бұл ішкі зерттеулерді барлық бағыттарда жеделдетеді.

Мүмкіндіктер артқан сайын қауіпсіздік пен қорғанысты кеңейту 

Модель мүмкіндіктері артқан сайын, озық интеллект кеңінен пайдалы болып қала алуы үшін біз қауіпсіздік жүйемізді күшейтеміз және тәуекелі ең жоғары қолдану жағдайларына қатаңырақ бақылау қолданамыз. GPT‑5.6 үшін біз бүгінге дейінгі ең сенімді қауіпсіздік жүйемізді құрдық, ол әр модельдің мүмкіндіктеріне сай калибрленіп, бұрын-соңды болмаған есептеу қуатымен қамтамасыз етілді.

GPT‑5.6 модельдері биологияда да, киберқауіпсіздікте де бұрынғы модельдерімізге қарағанда қабілеттірек, бірақ екі санатта да критикалық шектен аспайды. Киберқауіпсіздік саласында біздің тестілеуіміз GPT‑5.6 қорғанысы күшейтілген нысандарға қарсы толық циклді автономды шабуылдарды сенімді түрде жүзеге асырудан гөрі осалдықтарды табу және түзету жағынан жақсырақ екенін көрсетеді — бұл қорғаныс мамандарына әлсіз тұстар пайдаланылып кетпей тұрып жүйелерді нығайтуға мүмкіндік береді. Биология саласында біздің сынақтарымыз GPT‑5.6 заңды ғылыми зерттеулерді қолдай алатынын, бірақ аса қауіпті жаңа қатерді жасауға, инженерлік жолмен құрастыруға немесе синтездеуге қажетті толық циклді мүмкіндік бермейтінін көрсетеді.

Екі сала да табиғатынан қос мақсатта қолданылады. Киберқауіпсіздікте шабуылдаушыға осалдықты пайдалануға көмектесетін дәл сол мүмкіндіктер қорғаушыға оны табуға, қайта жасауға және сенімді түзетуді әзірлеуге көмектеседі. Сондықтан шамадан тыс бұғаттау өз алдына қауіпсіздік қатерін тудырады. Бұл қорғаныс мамандарының жүйелерді сынауына және патчтарды енгізуіне кедергі келтіруі мүмкін, ал зиянкестер басқа модельдерді, соның ішінде мүмкіндіктері үнемі артып келе жатқан ашық бастапқы коды бар модельдерді, сондай-ақ бұрыннан қалыптасқан құралдарды пайдалануды жалғастыра береді. Тиімді қорғау шаралары сұраудың контексті мен ықтимал салдарын ескереді, заңды қорғаныс жұмыстарын сақтай отырып, дәлелдер елеулі зиян келтіру қаупін көрсететін жағдайларда күшейтілген бақылау шараларын қолданады.

GPT‑5.6 жүйесінің қорғаныс тетіктері дәлдік пен резервтілікті арттыру үшін көпқабатты етіп құрылған және жаңа шабуылдар пайда болған сайын жылдам бейімделуге арналған. Модельге үйретілген қорғаныс шаралары нақты уақыттағы тексерулермен, үздіксіз мониторингпен және аккаунт деңгейіндегі шараларды қолданумен қатар жұмыс істеп, белгілі бір қабат жоспарланғандай жұмыс істемеген жағдайда да жүйенің қауіпсіз болып қалуына көмектеседі. Көптеген жүйелерде нені бұғаттау керектігін тек классификатор жалаушалары ғана шешеді, бұл зиянның алдын алу үшін өзгерту қиынырақ болатын ойлау деңгейі төменірек модельдерге сүйенеді. Біздің тәсіліміз зиян келтіру ықтималдығы бар-жоғын анықтау үшін сөйлесуді қарап шығатын ой қорыту мониторын қосады. Бұл дизайн Trusted Access арқылы расталған пайдаланушыларға ғана ең сезімтал мүмкіндіктерді қолжетімді ете отырып, қорғаныс сипатындағы жұмысты орындауға мүмкіндік беруге және елеулі теріс пайдалануды бұғаттауға арналған. Кейбір қорғаныс механизмдері тестілеу уақытындағы ой қорытуға сүйенетіндіктен, жіктеуіштерді нөлден қайта оқытпай-ақ, олқылықтарды жабу үшін оларды жылдам жаңарта аламыз.

Біз жүйені бейімделгіш шабуылдарға қарсы нығайтуды жалғастыра отырып, неғұрлым сақ тәсілді қолданудамыз. Алдыңғы модельдермен салыстырғанда, біздің GPT‑5.6 Sol киберқорғаныс құралдары ықтимал зиянды әрекеттерді шамамен он есе көбірек бұғаттайды. Бұл шаралар адал пайдалану үшін кедергі тудыруы мүмкін болғандықтан, біз ChatGPT және Codex жүйелерінде көмексөздерді мүмкіндіктері төменірек модельдерде оңай қайта орындап көру мүмкіндігін ұсынамыз және орнықтылықтың жоғары межесін сақтай отырып, қорғаныс шараларымыздың адал пайдалануға әсерін азайтуды жалғастырамыз. Бұл біздің итеративті енгізу тәсілімізді көрсетеді: сақтықпен бастап, нақты ортада пайдаланудан үйренгенімізге сүйене отырып жақсарту.

Жалпы қолжетімділікке дейін біз бүгінгі күнге дейінгі ең қарқынды қауіпсіздік бағалауларымызды жүргіздік, соның ішінде ауқымды редтиминг, сыртқы сарапшылармен мүмкіндіктер мен қорғаныс шараларын жан-жақты тестілеу және шамамен 700 000 A100e графикалық өңдеу блогы (GPU) сағаты көлеміндегі қара жәшік қағидаты бойынша автоматтандырылған редтимингті қамтыды. Бұл бізге ықтимал осал тұстарды жүйелі түрде тексеруге, қорғанысты айналып өту үлгілерін анықтауға және іске қосу алдында жүйені нығайтуға мүмкіндік берді.

Мінсіз қауіпсіздік деген ұғым жоқ, ал мүмкіндіктері барған сайын артып келе жатқан модельдердің қауіпсіздігін қамтамасыз ету жөніндегі жұмысымыз жалғасуда. Жаңа осалдықтар анықталады, сондай-ақ қолданыстағы қорғаныс шараларын айналып өтетін жаңа қорғанысты айналып өту үлгісі де табылады. Модельдің әрбір жаңа буыны сондай-ақ шабуыл жасау мен теріс пайдалану үшін жаңа жолдар ашады. Біз осы шындықты ескере отырып, қабатталған қорғаныс шаралары, үздіксіз мониторинг, жедел түзету және қорғаныс қауымдастығындағы ынтымақтастық арқылы құрамыз. GPT‑5.6 үшін біз қолданыстағы қауіпсіздік(жаңа терезеде ашылады) және биология саласындағы қателерді табу сыйақы бағдарламаларын жаңа жедел түзету процесімен және бүгінгі күнге дейінгі ең күшейтілген мониторинг күш-жігерімізбен біріктірдік. Зерттеушілерден, мониторингтен және нақты жағдайларда теріс пайдалану жағдайларынан алынған анықтамалар тұрақты түрде жаңа бағалаулар мен күшейтілген қорғау шараларына енгізіліп отырады.

Қауіпсіздік шараларымыз туралы толығырақ жаңартылған GPT‑5.6 жүйе картасынан(жаңа терезеде ашылады) оқыңыз.

Қолжетімділік және баға

GPT‑5.6 үш модель деңгейін қамтиды: Sol — біздің флагмандық моделіміз; Terra — өнімділігі GPT‑5.5-пен бәсекеге қабілетті арзанырақ модель; және Luna — біздің ең жылдам әрі ең қолжетімді моделіміз. Сан буынды анықтайды, ал Sol, Terra және Luna — өз қарқынымен дами алатын тұрақты мүмкіндік деңгейлері.

GPT‑5.6 бүгіннен бастап ChatGPT, Codex және OpenAI API арқылы қолжетімді. Жаһандық іске қосу қазір басталып жатыр және толық қолжетімділікке келесі 24 сағат ішінде біртіндеп жеткізіледі.

  • Чат: Plus, Pro, Business және Enterprise пайдаланушылары GPT‑5.6 Sol үлгісіне орташа және жоғары күш салу деңгейлері арқылы қол жеткізе алады. Pro және Enterprise пайдаланушылары күрделі тапсырмаларда ең жоғары сапалы нәтижелер алу үшін GPT‑5.6 Sol Pro моделін де таңдай алады.
  • ChatGPT Жұмыс және Codex: Free және Go пайдаланушылары GPT‑5.6 Terra-ға қол жеткізе алады. Сонымен қатар, Plus, Pro, Business және Enterprise пайдаланушылары GPT‑5.6 GPT‑5.6 Sol, Terra және Luna арасынан таңдап, әрқайсысы үшін күш-жігер деңгейін орната алады. max GPT‑5.6 нұсқасына қатынасы бар барлық пайдаланушыларға ChatGPT Жұмыс және Codex бағдарламаларында қолжетімді және оны баптаулардан қосуға болады. ChatGPT Жұмыс ішінде ultra Pro және Enterprise пайдаланушыларына қолжетімді. Codex-та бұл Plus және одан жоғары тарифтік жоспарларда қолжетімді.
  • API: әзірлеушілер Sol, Terra және Luna модельдеріне OpenAI API арқылы қол жеткізе алады. Responses API-де Бағдарламалық құралдарды шақыру GPT‑5.6 моделіне құралдарды үйлестіретін және аралық нәтижелерді өңдейтін бағдарламаларды жадта жазуға әрі іске қосуға мүмкіндік береді, бұл оны деректерді мүлде сақтамау (ZDR) режимімен үйлесімді етеді. Бастапқыда бета нұсқада қолжетімді болатын «Көп агентті» мүмкіндігі GPT‑5.6‑ға бір сұрау аясында бірнеше қосалқы агентті қатар іске қосып, олардың жұмысын біріктіруге мүмкіндік береді.

GPT‑5.6 үш модель өлшемі бойынша 1 млн токенге бағаланады: Sol — кіріс үшін $5 / шығыс үшін $30; Terra — кіріс үшін $2,50 / шығыс үшін $15; ал Luna — кіріс үшін $1 / шығыс үшін $6. GPT‑5.6 сонымен қатар анағұрлым болжамды көмексөзді кэштеуді енгізеді, оған кэштің айқын үзіліс нүктелерін(жаңа терезеде ашылады) қолдау және кэштің кемінде 30 минуттық сақталу мерзімі кіреді. GPT‑5.6 және одан кейінгі модельдер үшін кэшке жазу операциялары модельдің кэштелмеген кіріс тарифінен 1,25 есе мөлшерде тарифтеледі, ал кэштен оқу операцияларына кэштелген кіріс үшін 90% жеңілдік қолданыла береді.

Кәсіби

Бағалау GPT‑5.6 Sol GPT‑5.6 Terra GPT‑5.6 Luna GPT‑5.5 Claude Fable 5Claude Opus 4.8Gemini 3.1 Pro PreviewGemini 3.5 Flash
Агенттердің соңғы емтиханы527%504%503%469%405%452%321%
GDPval-AA v21 7478 Elo"1,593 Elo1,591.8 Elo1 493,7 Elo1 759,6 Elo1 600,1 Elo9623 Elo1 348,8 Elo
Басқарушылық консалтинг тапсырмалары (ішкі)432%372%354%313%355%316%132%
Big Finance Bench53%51%36%49%44%
Artificial Analysis Ойлау деңгейі Index v4.1589 Индекс көрсеткіші 550 Индекс көрсеткіші 512 Индекс көрсеткіші 548 Индекс көрсеткіші 599 Индекс көрсеткіші 557 Индекс көрсеткіші 465 Индекс көрсеткіші 502 Индекс көрсеткіші

Кодтау

Бағалау GPT‑5.6 Sol GPT‑5.6 Sol UltraGPT‑5.6 Terra GPT‑5.6 Luna GPT‑5.5 Claude Mythos 5 Claude Mythos Preview Claude Fable 5 Claude Opus 4.8 Gemini 3.1 Pro Preview
Artificial Analysis кодтау агенті индексі v1.1 80 Индекс көрсеткіші 774 Индекс көрсеткіші 746 Индекс көрсеткіші 764 Индекс көрсеткіші 772 Индекс көрсеткіші 725 Индекс көрсеткіші 427 Индекс ұпайы
SWE-Bench Pro 646% 634% 627% 594% 803% 778% 80% 692% 542%
DeepSWE v1.1 727% 696% 672% 67% 697% 59% 118%
Terminal-Bench 2.1 888% 919% 874% 847% 856% 88% 831% 789% 707%

Қауіпсіздік

Бағалау GPT‑5.6 Sol GPT‑5.6 Terra GPT‑5.6 Luna GPT‑5.5 GPT‑5.4 Claude Opus 4.8 Claude Mythos 5 Claude Mythos Preview
Healthbench Professional 60.5 % 57.7 % 55.7 % 51.8 % 48.1 % 52.6 % 66 % 64.7 %

Компьютерді пайдалану

Бағалау GPT‑5.6 Sol GPT‑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 2.0626%502%456%475%548%
BrowseComp904%922%875%833%844%88%879%843%859%
BenchCAD706%623%631%444%384%355%273%
BenchCAD (python құралы)834%782%739%558%65%61%518%

Киберқауіпсіздік

Бағалау GPT‑5.6 Sol GPT‑5.6 Sol UltraGPT‑5.6 Terra GPT‑5.6 Luna GPT‑5.5 Claude Mythos 5Claude Mythos PreviewClaude Opus 4.8
Capture-the-Flag сынақтары967%918%852%881%
SEC-Bench Pro712%743%577%489%458%
CyberGym845%818%779%818%838%83%781%
ExploitBench735%529%332%479%78%742%40%
ExploitGym 337 % 232 % 124 % 151 %

Өзін-өзі жетілдіру

Бағалау GPT‑5.6 Sol GPT‑5.6 Terra GPT‑5.6 Luna GPT‑5.5
Ішкі зерттеулердегі қателерді түзету бойынша бағалау 683% 678% 508% 50%
KernelGen 1P 611% 492% 224% 293%
NanoGPT 969% 145% 166% 265%
PostTrainBench Lite 503% 515% 296% 388%
RSI көрсеткіші 579% 563% 419% 417%

Мультимодальды

Бағалау GPT‑5.6 Sol GPT‑5.6 Terra GPT‑5.6 Luna GPT‑5.5 Claude Fable 5 Claude Opus 4.8 Gemini 3.1 Pro Preview
MMMU Pro (құралдарсыз) 83%807%784%812%805%
MMMU Pro (құралдармен) 846%82%795%832%
gdp.pdf307%247%227%26%298%225%167%

Академиялық

Бағалау GPT‑5.6 Sol GPT‑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 Diamond946%929%923%936%941%946%926%92%943%
FrontierMath 1-3-деңгей (v2)89%849%786%853%87%80%596%
FrontierMath 4-деңгей (v2)83%683%585%725%878%561%

Құралдарды пайдалану

Бағалау GPT‑5.6 Sol GPT‑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
AutomationBench181%152%149%129%174%155%145%
Toolathlon58%531%534%556%617%611%617%599%488%

Ұзақ контекст

Бағалау GPT‑5.6 Sol GPT‑5.6 Terra GPT‑5.6 Luna GPT‑5.5 Claude Mythos 5Claude Mythos PreviewClaude Opus 4.8
OpenAI MRCR v2 8-needle 256K-512K915%896%413%815%
OpenAI MRCR v2 8-needle 512K-1M738%725%413%74%
GraphWalks BFS 256k f1907%769%813%737%911%857%859%
GraphWalks BFS 1mil f1771%712%512%454%794%743%681%

Абстрактілі ой қорыту

Бағалау GPT‑5.6 Sol GPT‑5.6 Terra GPT‑5.6 Luna GPT‑5.5 Claude Opus 4.8 Gemini 3.1 Pro алдын ала қарау
ARC-AGI-3⁷ 778% 08% 018% 043% 15% 042%

Автор

OpenAI

Сілтемелер

1. Кибер мүмкіндіктері азайтылған қорғау шараларымен бағаланады. Пайдаланушылар киберқорғаныс мүмкіндіктеріне кеңейтілген қолжетімділік алу үшін OpenAI Daybreak-тің Trusted Access for Cyber бағдарламасына қосыла алады.

2. Барлық модельдер ExploitBench API тапсырма ортасы арқылы 5 seed және ой қорыту үздіксіздігімен бағаланады.

3. Біз ExploitGym-ді альфа API-де іске қостық, ол жалпыға қолжетімді API-ге қарағанда жауаптарды жылдамырақ береді, содан кейін нәтижелерді жалпыға қолжетімді API-ге сәйкестендіру үшін қайта масштабтадық. Кідіріс уақыттарын біздің жалпыға қолжетімді API үшін күтілетін жылдамдықтарға қайта масштабтағанда, бағалау кезінде дұрыс сақталғанына қарамастан, кейбір есептелген кідіріс уақыттары 2 және 6 сағаттық уақыт шектеулерінен асып кетеді. Жедел орындалуы қажет жұмыстарда жоғарырақ жылдамдыққа қол жеткізу үшін API-де басымдықпен өңдеуді, ал Codex-те жылдам режимді ұсынамыз.

4. Біз кідіріс пен API құнын модельдеріміздің өндірістік ортадағы әрекетін талдау және офлайн режимде симуляциялау арқылы бағалаймыз. Бұл бағалаулар құрал шақыруының мәліметтерін, іріктелген токендерді және кіріс токендерін ескереді. Нақты жағдайдағы нәтижелер айтарлықтай өзгеше болуы мүмкін және біздің симуляциямызда қамтылмаған көптеген факторларға байланысты болады. Біз кідірісті жылдам API жылдамдықтары деңгейінде, ал құнын әдеттегі API бағалары бойынша модельдейміз.

5. Шығыс токендері, кідірісі немесе құны көрсетілмеген модельдер көлденең нүктелі сызықтар ретінде беріледі.

6. Көп агентті режимде кідіріс түбірлік агенттен алынады, ал шығыс токендері мен API шығындарының жалпы сомасы барлық токендерді қамтиды. Ultra 4 агентпен іске қосылады.

7. Біз ұпайларды HealthBench Professional мақаласында сипатталған ресми бағалау тәсілімен есептейміз, бұл Anthropic жүйе карталарында көрсетілген нәтижелермен салыстыруға келмейді.

8. Opus 4.8 үшін ARC-AGI-3 бағалауы максималды емес, жоғары ой қорыту күш-жігері деңгейінде жүргізілді, себебі бұл — жарияланған жалғыз ARC-AGI-3 нәтижесі.