GPT‑5.6: robežšķirtnes domāšanas līmenis, kas pielāgojas tavām ambīcijām

Pēc mūsu ierobežotā priekšskatījuma⁠ mēs laižam klajā GPT‑5.6 modeļu saimi vispārējai pieejamībai: mūsu jauno vadošo modeli Sol, kā arī Terra – līdzsvarotu modeli ikdienas darbam, un Luna – mūsu izmaksu ziņā visefektīvāko modeli.

GPT‑5.6 Sol nosaka jaunu standartu gan inteliģencei, gan efektivitātei, sasniedzot vismodernākā līmeņa rezultātus programmēšanā, zināšanu darbā, kiberdrošībā un zinātnē, vienlaikus pārspējot iepriekšējos un konkurējošos robežšķirtnes modeļus, izmantojot mazāk tekstvienību un ar zemākām aplēstajām izmaksām. Rezultāts ir augstāka veiktspēja par katru iztērēto dolāru: vairāk sekmīgi paveikta darba par tādiem pašiem izdevumiem vai līdzvērtīgi rezultāti ar zemākām kopējām izmaksām. Mēs arī ieviešam jaunu veidu, kā paātrināt visprasīgāko darbu: ultra ir mūsu visjaudīgākais iestatījums, kas koordinē vairākus aģentus paralēlās darba plūsmās, lai sarežģītus uzdevumus pabeigtu ātrāk. Uzlabota datoru izmantošana un dizaina spriestspēja padara GPT‑5.6 Sol par mūsu līdz šim spēcīgāko sadarbības partneri, palīdzot tam pārbaudīt, pilnveidot un nodrošināt lietošanai gatavus rezultātus.

Mēs apmācījām GPT‑5.6, lai tas no katras tekstvienības iegūtu vairāk noderīga darba. Novērtējumā “Agents’ Last Exam”⁠(atveras jaunā logā), kurā tiek vērtētas ilgstošas profesionālās darbplūsmas 55 jomās, GPT‑5.6 Sol sasniedz jaunu augstāko rādītāju – 53,6, par 13,1 punktu pārspējot Claude Fable 5 (adaptīvā spriestspēja). Pat ar vidēju spriestspēju tas pārspēj Fable 5 par 11,4 punktiem ar aptuveni ceturtdaļu no aplēstajām izmaksām. Šī efektivitāte attiecas arī uz mazākiem modeļiem, kuri ir būtiski, lai domāšanas līmeni padarītu plašāk pieejamu un lētāku: GPT‑5.6 Terra un GPT‑5.6 Luna pārspēj Fable 5 par aptuveni vienu sešpadsmito daļu no tā izmaksām. Indeksā Artificial Analysis Intelligence Index⁠(atveras jaunā logā), kas ir plašs domāšanas līmeņa rādītājs, aptverot autonomu darbu, programmēšanu, zinātnisko spriestspēju un vispārējās spējas, GPT‑5.6 Sol ar max spriestspēju ir viena punkta attālumā no Fable 5, vienlaikus izpildot uzdevumus par 61% īsākā laikā un par aptuveni pusi no aplēstajām izmaksām.

GPT‑5.6 tiek laists klajā ar mūsu līdz šim visnoturīgākajiem aizsardzības pasākumiem, kas izstrādāti, lai pretotos mērķtiecīgai un adaptīvai ļaunprātīgai izmantošanai, vienlaikus neierobežojot leģitīmu darbu. Pirms vispārējās pieejamības mēs modeļus un aizsardzības pasākumus pakļāvām mūsu līdz šim visplašākajam izvērtēšanas periodam, apvienojot cilvēku imitētus uzbrukumus ar plaša mēroga automatizētu testēšanu. Priekšskatījuma posmā mēs cieši sadarbojāmies ar ekspertu organizācijām, kā arī ar uzticamiem partneriem, lai pārbaudītu aizsardzības mehānismu noturību un stiprinātu aizsardzības pasākumus pirms plašākas izlaišanas. Iegūtā sistēma apvieno modelī iestrādātās aizsardzības slāņus ar reāllaika pārbaudēm, uzraudzību un piekļuvi, kas pielāgota uzticamības un riska līmenim.

GPT‑5.6 Sol ir mūsu līdz šim labākais programmēšanas modelis. Artificial Analysis Coding Agent Index indeksā GPT‑5.6 Sol ar maksimālo spriestspēju sasniedz jaunu labāko rezultātu – 80 punktus, par 2,8 punktiem vairāk nekā Fable 5, vienlaikus izmantojot mazāk nekā pusi izvades tekstvienību, patērējot mazāk nekā pusi laika un izmaksājot aptuveni par trešdaļu mazāk. Šī priekšrocība attiecas uz visu saimi: Terra nedaudz pārspēj Fable 5, savukārt Luna pārspēj Opus 4.8; katrs to paveic aptuveni trešdaļā laika, ar apmēram par pusi mazāku izvades tekstvienību skaitu un aptuveni ceturtdaļu no aplēstajām izmaksām. Tas arī sasniedz jaunus nozares rekordus Terminal‑Bench 2.1 un DeepSWE etalonuzdevumos, kuros tiek pārbaudītas sarežģītas komandrindas darbplūsmas un ilgtermiņa inženierijas uzdevumi reālās koda bāzēs.

GPT‑5.6 spēj rakstīt un izpildīt vieglas programmas, kas koordinē rīkus, apstrādā starprezultātus, pārrauga izpildes gaitu un darba laikā izvēlas nākamo darbību. Tas ļauj uzdevumiem, kuros intensīvi tiek izmantoti rīki, virzīties uz priekšu ar mazāku tekstvienību skaitu, mazāku modeļa apmaiņu un mazāk norādījumu. Tā vietā, lai izstrādātājiem būtu jāraksta skripti katram solim vai katra rīka atbilde jānodod atpakaļ modelim, programmatiskā rīku izsaukšana⁠(atveras jaunā logā) Responses API saskarnē var filtrēt lielu daudzumu starpdatu, saglabāt tikai svarīgo un izpildes gaitā pielāgot savu darbplūsmu.

Uzdevumos, kuros lielāks laika un skaitļošanas resursu ieguldījums sniedz labāku rezultātu, GPT‑5.6 var pārspēt šo efektīvo noklusējuma režīmu. max sniedz GPT‑5.6 vēl vairāk laika nekā xhigh, lai spriestu un izpētītu alternatīvas, veiktu pārbaudes un pārskatītu savu pieeju. ultra iet vēl tālāk, pēc noklusējuma paralēli koordinējot četrus aģentus, apmainot lielāku tekstvienību patēriņu pret labākiem rezultātiem un ātrāku rezultāta sasniegšanu prasīgos uzdevumos. Tālāk redzamajās diagrammās ultra noklusējuma četru aģentu konfigurācija ir salīdzināta ar viena aģenta bāzes konfigurāciju BrowseComp, SEC-Bench Pro un Terminal-Bench 2.1 testos; BrowseComp un SEC-Bench Pro ir parādītas arī 16 aģentu konfigurācijas. Visos trijos novērtējumos paralēlo aģentu pievienošana pārbīda vērtējuma-latentuma robežšķirtnes uz augšu un pa kreisi, sasniedzot labākus rezultātus īsākā laikā. API vidē izstrādātāji var veidot ultra līdzīgas pieredzes, izmantojot Responses API vairākaģentu beta versiju.

GPT‑5.6 nodrošina būtisku izrāvienu dizaina spriestspējā. Izmantojot vien augsta līmeņa norādījumus, GPT‑5.6 veido gaumīgas, ergonomiskas un funkcionālas saskarnes. Tā uzlabotās datorlietošanas iespējas ļauj tam pārbaudīt un pilnveidot renderēto rezultātu – ne tikai ģenerēt pamatā esošo kodu vai saturu – lai tas varētu atklāt vizuālas un funkcionālas problēmas un veikt pēdējos slīpējumus, pirms nodod darbu atpakaļ.

GPT‑5.6 lietotāja saskarnes iespējas arī pārvērš dabiskās valodas pieprasījumus noslīpētos, interaktīvos skaidrojumos un vizualizācijās platformā ChatGPT Darbs.

GPT‑5.6 nodrošina labākus rezultātus profesionāliem uzdevumiem. Tas iegūst nesakārtotu kontekstu no taviem dokumentiem un ikdienas darba procesiem, piemēram, Slack, Notion, Microsoft 365 un Google diska, un pārvērš to ekspertu līmeņa kopīgojamos materiālos.

GPT‑5.6 stiprās puses zināšanu darbā atspoguļojas novērtējumos, kas aptver ilgtermiņa profesionālo analīzi, pārlūkošanu, rīku izmantošanu un datora lietošanu. GPT‑5.6 Sol sasniedz jaunus labākos rezultātus BrowseComp testā – 92,2% – un OSWorld 2.0 testā – 62,6%; OSWorld testā tas pārspēj Opus 4.8, vienlaikus izmantojot par 85% mazāk izvades tekstvienību. Šeit veiktspējas uz vienu dolāru uzlabojumi attiecas uz visu GPT‑5.6 saimi. Luna gandrīz sasniedz GPT‑5.5 maksimālo veiktspēju par mazāk nekā pusi no aplēstajām izmaksām, savukārt Terra to pārspēj par zemākām izmaksām.

GPT‑5.6 Sol uzlabo kvalitāti prezentācijās, dokumentos un izklājlapās, radot labāk noformētus un precīzākus rezultātus. Tas var izveidot pilnībā rediģējamas prezentācijas no nulles, pārvēršot uzvedni un avota materiālu saskaņotā vizuālā stāstījumā ar spēcīgiem izkārtojumiem, hierarhiju un dizainu.

Uzlabojums ir īpaši izteikts, ievērojot veidnes un atsauces slaidu kopas. GPT‑5.6 var izsecināt prezentācijas dizaina sistēmu – izkārtojumus, tipogrāfiju, atstarpes, krāsas un atkārtotus satura modeļus, tostarp slaidu šablonā iegultos noteikumus – un konsekventi piemērot šos principus jaunam materiālam. Šajā piemērā kad tiek prasīts atjaunināt skaitļus, pamatojoties uz atsauces failu, GPT‑5.5 izvadē trūkst būtisku pamatslaida elementu, savukārt GPT‑5.6 precīzāk atbilst atsauces struktūrai.

GPT‑5.6 arī veido vizuāli izsmalcinātākus dokumentus un izklājlapas. Tas precīzāk ievēro sarežģītus atsauču formātus, kas ir būtiski atkārtojamiem zināšanu darba uzdevumiem. Tas ar lielāku precizitāti apstrādā vienādojumus un finanšu modeļus un labāk izmanto tipogrāfiju, atstarpes, hierarhiju un lapas vai darblapas izkārtojumu.

Agrīnie GPT‑5.6 testēšanas klienti novēroja uzlabojumus zināšanu darba rezultātos dažādās jomās.

GPT‑5.6 ir mūsu līdz šim spēcīgākais kiberdrošības modelis, kas nodrošina robežšķirtnes veiktspēju, izmantojot daudz mazāk tekstvienību. ExploitBench² testā, kas mēra progresu no ievainojama koda sasniegšanas līdz patvaļīga koda izpildei, tas iegūst 73,5% salīdzinājumā ar GPT‑5.5 47,9% pie līdzīga izvades tekstvienību budžeta. Testā ExploitGym³, kurā aģentiem reālās pasaules ievainojamības jāpārvērš strādājošos uzbrukumos, tas gandrīz divkāršo GPT‑5.5 maksimālo sekmīgas izpildes rādītāju – no 15,1% uz 24,9% pie divu stundu ierobežojuma; sešu stundu laikā tas sasniedz 33,7%. Testā SEC-Bench Pro, kas pārbauda koncepcijas pierādījuma izstrādi sarežģītai programmatūrai, tas sasniedz 71,2% salīdzinājumā ar GPT‑5.5 sasniegtajiem 45,8% ar uzlabotu latentumu.

GPT‑5.6 atbalsta svarīgus aizsardzības uzdevumus, piemēram, drošu koda pārskatīšanu, ielāpu ieviešanu, apdraudējumu modelēšanu un kiberaizsardzības komandas darbu. Kvalificētas personas un organizācijas OpenAI Daybreak programmā Trusted Access for Cyber⁠ var piekļūt plašākām tā aizsardzības spējām, izmantojot precīzākus aizsargmehānismus verificētam darbam autorizētās vidēs, tostarp ievainojamību triāžai un validācijai, ļaunprogrammatūras analīzei, detektēšanas inženierijai un ielāpu validācijai.

Personas var verificēt savu identitāti un pieprasīt uzticamu piekļuvi⁠(atveras jaunā logā), savukārt organizācijas var pieteikties⁠ savu komandu vārdā. Individuāliem dalībniekiem līdz 2024. gada 1. septembrim būs jāiespējo Uzlabotā konta drošība⁠(atveras jaunā logā) ar aparatūras atbalstītām piekļuves atslēgām, lai saglabātu piekļuvi mūsu visjaudīgākajiem robežšķirtnes modeļiem; tie, kuri to neizdarīs, atgriezīsies pie noklusējuma piekļuves. Lietotāji, kuriem vēl nav aparatūras atbalstītas piekļuves atslēgas, var saņemt izdevīgāku cenu⁠(atveras jaunā logā) no mūsu partnera Yubico. Mēs arī veicam papildu pasākumus, lai ierobežotu piekļuvi augsta riska subjektiem un augsta riska jurisdikcijās.

GPT‑5.6 Sol arī uzrāda ievērojamus uzlabojumus dažādās zinātniskās pētniecības jomās. Dzīvības zinātņu novērtējumos GPT‑5.6 demonstrē Pareto uzlabojumus salīdzinājumā ar GPT‑5.5 reālās pasaules bioloģijā, dzīvības zinātņu pētniecības darbplūsmās un ķīmijā.

GPT‑5.6 ir mūsu līdz šim spēcīgākais modelis mākslīgā intelekta pētniecības paātrināšanai. OpenAI pētnieki to izmanto visā izstrādes ciklā: diagnosticējot kļūmes, optimizējot apmācības sistēmas, veicot eksperimentus un interpretējot rezultātus. Mēs jau novērojām šo paātrinājumu un plašāku izmantošanu GPT‑5.6 iekšējās testēšanas periodā, jo vidējais ikdienas izvades tekstvienību skaits uz vienu aktīvo pētnieku bija vairāk nekā divas reizes augstāks par augstāko līmeni, kas novērots GPT‑5.5 lietošanā.

Šāds darba veids strauji kļūst par standartu. Pēdējo sešu mēnešu laikā pētniecības skaitļošanas resursu īpatsvars, kas veltīts iekšējai koda inferencēšanai, pieauga simtkārtīgi, savukārt iekšējais aģentiskais tekstvienību lietojums palielinājās aptuveni 22 reizes. Šie ieviešanas rādītāji paši par sevi nemēra pētniecības progresu, taču tie parāda, cik strauji mākslīgā intelekta palīdzība pieaug gan pētniecībā, gan citās komandās, piemēram, pārdošanas, mārketinga, lietotāju operāciju, finanšu un citās komandās.

Lai tieši izmērītu šo spēju, mēs izstrādājām iekšēju novērtējumu kopumu, kura pamatā ir reāli MI pētniecības uzdevumi, tostarp pētniecības sistēmu atkļūdošana, kodolu un apmācības recepšu optimizēšana, mašīnmācīšanās eksperimentu veikšana un cita modeļa uzlabošana.

Pieaugot modeļu spējām, mēs pastiprinām drošības pasākumus, lai augsta domāšanas līmeņa risinājumi būtu plaši noderīgi, vienlaikus stingrāk kontrolējot augstākā riska lietojumus. GPT‑5.6 vajadzībām mēs izveidojām līdz šim visrobustāko drošības sistēmu, kas ir kalibrēta atbilstoši katra modeļa spējām un izmanto vairāk skaitļošanas resursu nekā jebkad iepriekš.

GPT‑5.6 modeļi ir spējīgāki nekā mūsu iepriekšējie modeļi gan bioloģijā, gan kiberdrošībā, taču nevienā no šīm kategorijām nepārsniedz kritisko slieksni. Kiberdrošībā mūsu testēšana liecina, ka GPT‑5.6 labāk atrod un novērš ievainojamības nekā uzticami veic autonomus pilna cikla uzbrukumus pret pastiprināti aizsargātiem mērķiem – tādējādi aizsardzības speciālistiem tiek dota iespēja stiprināt sistēmas, pirms vājās vietas tiek izmantotas. Bioloģijas jomā mūsu testēšana liecina, ka GPT‑5.6 var atbalstīt likumīgus pētījumus, taču nenodrošina pilna cikla spēju, kas nepieciešama, lai radītu, konstruētu vai sintezētu ļoti bīstamu jauna veida apdraudējumu.

Abas jomas pēc būtības ir divējāda lietojuma. Kiberdrošībā tās pašas spējas, kas uzbrucējam varētu palīdzēt izmantot ievainojamību, var palīdzēt aizstāvim to atrast, reproducēt un izstrādāt uzticamu labojumu. Tāpēc pārmērīga bloķēšana pati par sevi rada drošības risku. Tas var liegt aizstāvjiem testēt sistēmas un ieviest ielāpus, kamēr ļaunprātīgi aktori turpina izmantot citus modeļus, tostarp arvien spējīgākus atvērtā pirmkoda modeļus, kā arī jau labi zināmus rīkus. Efektīvi drošības pasākumi ņem vērā pieprasījuma kontekstu un iespējamās sekas, saglabājot likumīgu aizsardzības darbu, vienlaikus piemērojot stingrāku kontroli, ja pierādījumi liecina par nopietnu kaitējuma risku.

GPT‑5.6 aizsardzības mehānismi ir daudzslāņaini, lai nodrošinātu lielāku precizitāti un rezerves mehānismus, un tie ir izstrādāti, lai ātri pielāgotos, kad parādās jauni uzbrukumi. Modelī apmācītie aizsardzības mehānismi darbojas kopā ar reāllaika pārbaudēm, nepārtrauktu uzraudzību un konta līmeņa noteikumu piemērošanu, lai palīdzētu sistēmai saglabāt drošību pat tad, ja kāds konkrēts slānis nedarbojas, kā paredzēts. Daudzās sistēmās tikai klasifikatoru karodziņi nosaka, ko bloķēt, paļaujoties uz modeļiem ar mazāku domāšanas līmeni, kurus ir grūtāk mainīt, lai novērstu kaitējumu. Mūsu pieeja pievieno spriestspējas uzraugu, kas pārskata sarunu, lai noteiktu, vai pastāv kaitējuma risks. Šāds mehānisms ir paredzēts, lai ļautu veikt darbu aizsardzības jomā, vienlaikus bloķējot nopietnu ļaunprātīgu izmantošanu, un sensitīvākās spējas, izmantojot "Trusted Access", ir rezervētas verificētiem lietotājiem. Tā kā daži aizsardzības mehānismi izmanto testa laika spriestspēju, mēs varam tos ātri atjaunināt, lai novērstu nepilnības, bez klasifikatoru apmācīšanas no jauna.

Mēs izvēlamies piesardzīgāku pieeju, turpinot stiprināt sistēmu pret adaptīviem uzbrukumiem. Salīdzinot ar iepriekšējiem modeļiem, mūsu GPT‑5.6 Sol kiberaizsardzības pasākumi bloķē aptuveni desmitreiz vairāk potenciāli kaitīgu aktivitāšu. Tā kā šie pasākumi var radīt apgrūtinājumus labticīgai lietošanai, mēs ChatGPT un Codex nodrošinām iespēju viegli atkārtoti izmēģināt uzvednes zemākas veiktspējas modeļos, un mēs turpināsim mazināt savu aizsargpasākumu ietekmi uz labticīgiem lietojumiem, vienlaikus saglabājot augstu drošības latiņu. Tas atspoguļo mūsu iteratīvo izvietošanas pieeju – mēs sākam piesardzīgi un veicam uzlabojumus, pamatojoties uz to, ko uzzinām no lietošanas reālajā vidē.

Pirms vispārējas pieejamības mēs veicām līdz šim intensīvākos drošības izvērtējumus, tostarp plašus imitētus uzbrukumus, visaptverošu spēju un aizsargpasākumu testēšanu ar ārējiem ekspertiem, kā arī aptuveni 700 000 A100e GPU stundu, kas veltītas automatizētiem “melnās kastes” imitētiem uzbrukumiem. Tas ļāva mums sistemātiski izpētīt iespējamās vājās vietas, atklāt ierobežojumu apiešanu un palīdzēt nostiprināt sistēmu pirms palaišanas.

Nav tādas lietas kā pilnīga drošība, un mūsu darbs pie arvien spējīgāku modeļu drošības uzlabošanas turpinās. Tiks atklātas jaunas vājās vietas, kā arī jauni esošo aizsardzības pasākumu apiešanas veidi. Katra jaunā modeļa paaudze radīs arī jaunas iespējas uzbrukumiem un ļaunprātīgai izmantošanai. Mēs gatavojamies šai realitātei, izmantojot daudzslāņu drošības pasākumus, nepārtrauktu uzraudzību, ātru koriģējošu rīcību un sadarbību visā aizsardzības kopienā. Attiecībā uz GPT‑5.6 mēs esam apvienojuši savas esošās drošības⁠(atveras jaunā logā) un bioloģijas kļūdu atlīdzības programmas⁠ ar jaunu ātrās novēršanas procesu un savu līdz šim spēcīgāko uzraudzības iniciatīvu. Pētnieku konstatējumi, monitoringa rezultāti un ļaunprātīgas izmantošanas gadījumi reālos apstākļos pastāvīgi kalpos par pamatu jauniem novērtējumiem un stingrākiem aizsardzības pasākumiem.

Uzzini vairāk par mūsu aizsargpasākumiem atjauninātajā GPT‑5.6 sistēmas kartē⁠(atveras jaunā logā).

GPT‑5.6 aptver trīs modeļu līmeņus: Sol, mūsu vadošo modeli; Terra, lētāku modeli ar veiktspēju, kas konkurē ar GPT‑5.5; un Luna, mūsu ātrāko un izmaksu ziņā pieejamāko modeli. Skaitlis identificē paaudzi, savukārt Sol, Terra un Luna ir ilgtspējīgi spēju līmeņi, kas attīstās savā tempā.

GPT‑5.6 ir pieejams no šodienas platformās ChatGPT, Codex un OpenAI API. Ieviešana visā pasaulē sākas tagad un turpināsies pakāpeniski līdz pilnīgai pieejamībai nākamo 24 stundu laikā.

• Čats: Plus, Pro, Business un Enterprise lietotāji var piekļūt GPT‑5.6 Sol, izmantojot vidēja un augsta piepūles līmeņa iestatījumus. Pro un Enterprise lietotāji var arī izvēlēties GPT‑5.6 Sol Pro, lai iegūtu visaugstākās kvalitātes rezultātus sarežģītos uzdevumos.
• ChatGPT Darbs un Codex: Free un Go lietotāji var piekļūt GPT‑5.6 Terra. Plus, Pro, Business un Enterprise lietotāji var izvēlēties GPT‑5.6 Sol, Terra un Luna un katram iestatīt piepūles līmeni. max ir pieejams visiem lietotājiem, kuriem ir piekļuve GPT‑5.6 platformās ChatGPT Darbs un Codex, un to var ieslēgt iestatījumos. ChatGPT Darbā ultra ir pieejams Pro un Enterprise lietotājiem. Platformā Codex tas ir pieejams Plus un augstāku līmeņu plānos.
• API: izstrādātāji var piekļūt Sol, Terra un Luna, izmantojot OpenAI API. Responses API saskarnē programmatiskā rīku izsaukšana ļauj GPT‑5.6 atmiņā ierakstīt un palaist programmas, kas koordinē rīkus un apstrādā starprezultātus, padarot to saderīgu ar nulles datu saglabāšanu (ZDR). Vairākaģentu funkcija, sākotnēji pieejama beta versijā, ļauj GPT‑5.6 darbināt vienlaicīgus apakšaģentus un apvienot to darbu vienā pieprasījumā.

GPT‑5.6 cena ir noteikta par 1 miljonu tekstvienību trīs modeļu izmēros: Sol – 5 USD ievadei / 30 USD izvadei; Terra – 2,50 USD ievadei / 15 USD izvadei; un Luna – 1 USD ievadei / 6 USD izvadei. GPT‑5.6 ievieš arī prognozējamāku uzvedņu kešošanu, tostarp atbalstu eksplicītiem kešatmiņas pārtraukumpunktiem⁠(atveras jaunā logā) un 30 minūšu minimālo kešatmiņas glabāšanas laiku. GPT‑5.6 un jaunākiem modeļiem par ierakstiem kešatmiņā tiek piemērota maksa 1,25x apmērā no modeļa nekešotās ievades tarifa, savukārt lasījumiem no kešatmiņas joprojām tiek piemērota 90% kešotās ievades atlaide.