Previewing GPT‑5.6 Sol: a next-generation model
We're beginning a limited preview of the GPT‑5.6 series: Sol, our flagship model; Terra, a balanced model for everyday work; and Luna, a fast and affordable model. Terra has competitive performance to GPT‑5.5 while being 2x cheaper and Luna brings strong capability at our lowest cost.
GPT‑5.6 Sol launches with our most robust safety stack to date. We strengthened protections for higher-risk activity, sensitive cyber requests, and repeated misuse, and spent multiple weeks finding weaknesses, pressure-testing our system, and hardening it against real-world attacks.
We believe in broad access, and we plan to make GPT‑5.6 Sol, Terra, and Luna generally available in the coming weeks. As part of our ongoing engagement with the U.S. government, we previewed our plans and the models’ capabilities ahead of today’s launch. At their request, we are starting with a limited preview for a small group of trusted partners whose participation has been shared with the government, before releasing more broadly. During this preview, we will continue testing and coordinating closely with partners as we work toward broader availability. We don’t believe this kind of government access process should become the long-term default. It keeps the best tools from users, developers, enterprises, cyber defenders, and global partners who need them. We are taking this short-term step because we believe it is the strongest path to broader availability in the coming weeks, while we work with the Administration to develop the cyber Executive Order framework and a repeatable process for future model releases.
GPT‑5.6 Sol is our strongest model yet. To give a preview of model performance, we share a set of evaluations highlighting improved agentic capabilities in coding, biology, and cybersecurity, with additional safety and preparedness evaluations available in our system card(шинэ цонхонд нээгдэнэ). We will share an expanded suite of evaluation results when we make the model broadly available.
With GPT‑5.6, we’re introducing a new max reasoning effort to give Sol the most time to reason deeply. Additionally, we’re introducing a new ultra mode that goes beyond the capabilities of a single agent by leveraging subagents to accelerate complex work.
For coding workflows, GPT‑5.6 Sol sets a new state of the art on Terminal‑Bench 2.1, which tests command-line workflows requiring planning, iteration, and tool coordination.
GPT‑5.6 Sol also shows broad improvements in biology workflows. On GeneBench v1, which evaluates long-horizon genomics and quantitative-biology analyses, it achieves stronger results than GPT‑5.5 while using fewer tokens.
GPT‑5.6 Sol is our most capable model yet for cybersecurity. It shifts the performance-efficiency frontier for long-horizon security tasks including vulnerability research and exploitation. On ExploitBench², GPT‑5.6 Sol is competitive with Mythos Preview using only ~1/3 of the output tokens. On ExploitGym(шинэ цонхонд нээгдэнэ)3, a benchmark created by UC Berkeley researchers in collaboration with OpenAI and other frontier labs, GPT‑5.6 Sol, Terra, and Luna models all demonstrate strong improvements in cyber capabilities as we increase reasoning.
We developed GPT‑5.6 Sol, Terra and Luna with our most robust safeguards to date, with configurations matched to each model’s capabilities. As the model becomes more capable, we design safeguards to increasingly hold up to real-world adversarial pressure while preserving access to legitimate work such as code review, vulnerability research, patch development, debugging, security education, and defensive testing. Our goal is to make prohibited offensive activity more difficult, uncertain, and detectable without unnecessarily limiting those beneficial uses. Based on our assessment of the model and safeguards, we expect substantial benefit for legitimate defensive work, while meaningfully constraining prohibited offensive use.
GPT‑5.6 Sol is better at helping people find and fix vulnerabilities than reliably carrying out end-to-end attacks. As these capabilities continue to advance, our priority is to make sure they reach and benefit defenders, who can use these tools to find weaknesses, develop patches, and strengthen systems more broadly.
GPT‑5.6 Sol does not cross the Cyber Critical threshold under our Preparedness Framework. In evaluations involving Chromium and Firefox, it identified bugs and exploitation primitives—the building blocks of an exploit—but did not autonomously produce a functional full-chain exploit under the conditions tested. Still, benchmark thresholds cannot capture every way a model may be used or combined with other tools. That uncertainty, along with the model’s broader step change in capabilities, is why we are pairing the model’s increased capabilities with stronger safeguards and a phased release. We share more details about our safeguards in the GPT‑5.6 Preview system card(шинэ цонхонд нээгдэнэ).
No single safeguard is sufficient against determined or adaptive misuse. Across the GPT‑5.6 preview, we use layered safeguards, with exact configurations varying across models, and pressure-test them for real-world attacks. These include protections trained into the model, real-time checks during generation, account-level signals, differentiated access, monitoring, enforcement, and continued testing.
GPT‑5.6 is trained to refuse prohibited cyber assistance, including when users attempt to disguise their intent or jailbreak the model. These model-level safeguards establish the first boundary around what the model should and should not help with.
Real-time cyber and biology misuse classifiers provide another layer by evaluating output as it is generated. For higher risk cases, if they detect a potential violation, the generation may be paused while a larger reasoning model reviews the conversation and its context. If the output is assessed as disallowed, it is withheld before it reaches the user.
Flagged activity can also trigger account-level review across relevant conversations and risk signals, consistent with our terms and policies around content retention and review. Looking beyond a single conversation helps our systems distinguish persistent malicious behavior from legitimate dual-use security work, where similar technical concepts may appear in very different contexts.
Together, these layers make the overall approach more robust than any one safeguard on its own. Model behavior reduces the likelihood of harmful responses, real-time systems can intervene during generation, account-level review can identify broader patterns, and differentiated access preserves important defensive work without making the most sensitive capabilities broadly available by default.
Especially during the preview, users may encounter safeguards that block or refuse some requests. Other requests may take longer because generation is paused for additional review. Safeguards may occasionally intervene on legitimate work, particularly in dual-use areas where defensive and offensive activity can initially look similar.
That is part of what the preview is designed to test. We want to understand not only whether the safeguards constrain misuse, but whether legitimate users can still complete normal work reliably and efficiently. Feedback during the preview will help us reduce unnecessary blocks and delays, improve how the safeguards interpret context, and create a smoother experience before wider release.
We are also working with enterprise customers on longer-term approaches—including privacy-preserving detection, customer-operated safety controls, and access calibrated to the risk of a customer, user, or workload—to advance safety while supporting enterprise privacy requirements.
Халдагчид арга тактикаа өөрчилсөн ч хамгаалалтууд үр дүнтэй хэвээр байх ёстой. Зөвхөн мэдэгдэж буй тогтмол халдлагын багцад ажилладаг хамгаалалт нь хил хязгаарын загварт хангалттай бат бөх биш.
Тиймээс бид аюулгүй байдалд урьд өмнөхөөс илүү их оюун чадамж, тооцооллыг зориулж, өөрсдийн загваруудаар сул талыг илрүүлж, хамгаалалтыг илүү хурдан сайжруулж байна. Бид олон өгөгдөл эсвэл контекстэд ажиллаж чаддаг, зөвхөн нэг явцуу орчинд хязгаарлагдахгүй универсал jailbreak халдлагуудыг олоход чиглэсэн автоматжуулсан улаан багт 700,000 гаруй A100-тэй тэнцэх GPU цаг зарцуулсан. Илүү хэцүү, ерөнхий шинжтэй эдгээр халдлагад төвлөрснөөр бид хамгаалалтыг мэдэгдэж буй алдааны тогтмол багцаас давуулан шалгах боломжтой болсон. Мөн зөвхөн хүний тестээр хамрах боломжгүй олон халдлагын хэв маягийг судалж, алдааны хэв шинжийг эрт илрүүлэн, сул талыг олохоос засах хүртэлх замыг богиносгох боломж олгож байна.
Автоматжуулсан улаан багаас гадна бид гуравдагч талын шалгагчидтай хамтран хүний шинжээчдийн өргөн хүрээний улаан багийн тест хийсэн бөгөөд энэ нь урьдчилсан хувилбарын хугацаанд үргэлжилнэ. Хүний улаан баг нь манай системүүд урьдчилан тооцоолоогүй байж болох аргаар загварыг буруугаар ашиглахыг оролдох бүтээлч шинжээчдийн эсрэг хамгаалалтыг шалгаж, автоматжуулсан ажлыг нөхдөг.
Ямар ч үнэлгээ бүтээгдэхүүний бүх тохиргоо, олон алхамт халдлага эсвэл бодит ажлын урсгалыг бүрэн төлөөлж чадахгүй. Тиймээс бид шинээр илэрсэн jailbreak-үүдийг дахин гаргаж, үнэлж, эрэмбэлж, засварлах шуурхай хариу арга хэмжээний үйл явцыг хэрэгжүүлж, дараа нь ирээдүйд төстэй алдааны эсрэг шалгахын тулд тэдгээрийг тасралтгүй үнэлгээндээ нэмдэг.
Урьдчилсан хувилбарын үеэр GPT‑5.6 загварууд эхний ээлжид итгэмжлэгдсэн сонгогдсон түнш, байгууллагуудад API болон Codex-оор дамжин उपलब्ध болно. Бид удахгүй тэдгээрийг ChatGPT, Codex болон API ашигладаг хүмүүст илүү өргөн хүрээнд нээлттэй болгохоор төлөвлөж байна.
GPT‑5.6‑тай хамт нэвтрүүлж буй энэ шинэ нэршлийн системд тоо нь загварын үеийг илэрхийлдэг бол Sol, Terra, Luna нь өөр өөрийн хэмнэлээр ахиж болох тогтвортой чадамжийн түвшнүүдийг илтгэнэ. Энэ гэр бүл нь хүмүүс болон хөгжүүлэгчдэд оюун чадамж, хурд, зардлын хүрээнд илүү тодорхой сонголт өгнө.
GPT‑5.6 нь гурван загварын хэмжээнд 1 сая токен тутамд үнэлэгдэнэ: Sol нь оролт $5 / гаралт $30; Terra нь оролт $2.50 / гаралт $15; Luna нь оролт $1 / гаралт $6. GPT‑5.6 нь мөн ил тод кэшийн таслах цэгүүдийн дэмжлэг болон кэшийн 30 минутын доод хугацааг багтаасан, илүү урьдчилан таамаглах боломжтой өгөгдлийн кэшийг нэвтрүүлж байна. GPT‑5.6 болон түүнээс хойших загваруудад кэш бичилт нь загварын кэшлээгүй оролтын үнийн 1.25x-аар тооцогдох бол кэш уншилтад кэшлэгдсэн оролтын 90%-ийн хөнгөлөлт хэвээр үргэлжилнэ.
Бид мөн долдугаар сард Cerebras дээр секундэд 750 хүртэл токен боловсруулах GPT‑5.6 Sol-ыг эхлүүлж, хил хязгаарын оюун чадамжийг хэрэглэгчдэд урьд өмнө байгаагүй хурдаар хүргэнэ. Багтаамжаа нэмэгдүүлэх явцад хандалт эхний ээлжид сонгогдсон хэрэглэгчдээр хязгаарлагдана.
Энэхүү урьдчилсан хувилбарын үеэс үргэлжлүүлэн суралцаж, GPT‑5.6 Sol, Terra, Luna-г удахгүй илүү олон хүнд хүргэхдээ бид баяртай байна.
1. Бид загваруудынхаа үйлдвэрлэлийн орчин дахь зан төлөвийг ажиглаж, офлайнаар загварчлан хоцролт болон API зардлыг тооцоолдог. Эдгээр тооцоонд хэрэгслийн дуудлагын дэлгэрэнгүй, дээжлэсэн токен болон оролтын токенуудыг харгалзсан. Бодит үр дүн ихээхэн ялгаатай байж болох бөгөөд манай загварчлалд тусгагдаагүй олон хүчин зүйлээс хамаарна. Бид хоцролтыг хурдан API хурдтайгаар, зардлыг ердийн API үнээр загварчилдаг.
2. Бүх загварыг ExploitBench API harness-ийг 5 seed болон сэтгэн бодох тасралтгүй байдалтайгаар ашиглан үнэлсэн.
3. Бид ExploitGym-ийг нийтийн API-аас хурдан хариу гаргадаг альфа API дээрээ ажиллуулаад, дараа нь нийтийн API-тайгаа тааруулахын тулд дахин масштабласан. Хоцролтыг нийтийн API-д хүлээгдэх хурдтай тааруулан дахин масштаблахад үнэлгээний ажиллуулалтдаа зөв мөрдөгдсөн байсан ч зарим тооцоолсон хоцролт 2 цаг болон 6 цагийн хугацааны хязгаараас давж харагдсан. Цаг хугацаанд мэдрэмтгий ажилд илүү хурд авахын тулд бид API-д priority processing, Codex-д fast mode санал болгодог.
4. Гаралтын токен, хоцролт эсвэл зардал нь мэдээлэгдээгүй загваруудыг хэвтээ тасархай шугамаар дүрсэлсэн.
