आम्ही GPT‑5.6 मालिकेचे मर्यादित पूर्वदर्शन सुरू करत आहोत. यामध्ये आमचे फ्लॅगशिप मॉडेल Sol, दैनंदिन कामांसाठीचे संतुलित मॉडेल Terra आणि जलद व परवडणारे मॉडेल Luna यांचा समावेश आहे. Terra ची कामगिरी GPT‑5.5 च्या तोडीस तोड असूनही ते दुप्पट स्वस्त आहे, तर Luna अत्यंत कमी खर्चात उत्तम क्षमता प्रदान करते.
GPT‑5.6 Sol आमच्या आजवरच्या सर्वात मजबूत सुरक्षा प्रणालीसह प्रक्षेपित होत आहे. आम्ही उच्च-जोखीम क्रियाकलाप, संवेदनशील सायबर विनंत्या आणि वारंवार होणारा गैरवापर यांपासून संरक्षण अधिक मजबूत केले आहे, तसेच अनेक आठवडे त्रुटी शोधण्यात, आमच्या प्रणालीची कसून चाचणी घेण्यात आणि प्रत्यक्ष हल्ल्यांपासून तिला अधिक सुरक्षित करण्यात घालवले आहेत.
आम्ही तंत्रज्ञानाच्या व्यापक उपलब्धतेवर विश्वास ठेवतो आणि आगामी आठवड्यांमध्ये GPT‑5.6 Sol, Terra आणि Luna सर्वांसाठी उपलब्ध करून देण्याची आमची योजना आहे. अमेरिकन सरकारसोबतच्या आमच्या निरंतर संवादाचा एक भाग म्हणून, आजच्या लाँचपूर्वी आम्ही आमच्या योजना आणि या मॉडेल्सच्या क्षमतांची माहिती त्यांना दिली होती. त्यांच्या विनंतीनुसार, हे मॉडेल्स व्यापक स्तरावर जारी करण्यापूर्वी, आम्ही विश्वासू भागीदारांच्या एका लहान गटासाठी मर्यादित प्रीव्ह्यू सुरू करत आहोत; या गटातील सहभागींची माहिती सरकारला देण्यात आली आहे. या प्रीव्ह्यू दरम्यान, व्यापक उपलब्धतेच्या दिशेने वाटचाल करताना आम्ही चाचणी प्रक्रिया सुरू ठेवू आणि भागीदारांशी जवळून समन्वय साधू. सरकारला अशा प्रकारे प्रवेश देण्याची प्रक्रिया ही दीर्घकालीन किंवा कायमस्वरूपी पद्धत बनावी, असे आम्हाला वाटत नाही. कारण, यामुळे वापरकर्ते, डेव्हलपर्स, व्यावसायिक संस्था, सायबर सुरक्षा रक्षक आणि जागतिक भागीदार—ज्यांना या सर्वोत्तम साधनांची खरोखर गरज आहे—त्यांच्यापर्यंत ती साधने पोहोचण्यापासून रोखली जातात. आम्ही हे अल्पकालीन पाऊल उचलत आहोत कारण आम्हाला विश्वास आहे की, आगामी आठवड्यांमध्ये व्यापक उपलब्धता साध्य करण्याचा हाच सर्वोत्तम मार्ग आहे. त्याच वेळी, आम्ही प्रशासनासोबत मिळून 'सायबरएक्झिक्युटिव्ह ऑर्डर ची चौकट आणि भविष्यातील मॉडेल्सच्या प्रकाशनासाठी एक प्रमाणित प्रक्रिया विकसित करण्यावर काम करत आहोत.
GPT‑5.6 Sol हे आमचे आतापर्यंतचे सर्वात शक्तिशाली मॉडेल आहे. मॉडेलच्या कामगिरीची झलक देण्यासाठी, आम्ही कोडिंग, जीवशास्त्र आणि सायबर सुरक्षा या क्षेत्रांमधील सुधारित 'एजंटिक' (स्वयं-कार्यक्षम) क्षमता दर्शवणारे मूल्यमापनांचे संच सादर करत आहोत; तसेच सुरक्षा आणि सज्जतेशी संबंधित अतिरिक्त मूल्यमापन तपशील आमच्या सिस्टम कार्ड(नवीन विंडोमध्ये उघडेल)मध्ये उपलब्ध आहेत. जेव्हा आम्ही हे मॉडेल मोठ्या प्रमाणावर उपलब्ध करून देऊ, तेव्हा आम्ही मूल्यमापन निकालांचा अधिक विस्तृत संच सादर करू.
GPT‑5.6 सोबत, Sol ला सखोल रीझनिंगसाठी सर्वाधिक वेळ देण्यासाठी आम्ही नवीन `max` रीझनिंग प्रयत्न सादर करत आहोत. याशिवाय, जटिल कामाला गती देण्यासाठी सबएजंटचा वापर करून एका एजंटच्या क्षमतांपलीकडे जाणारा नवीन `ultra` मोड आम्ही सादर करत आहोत.
कोडिंग वर्कफ्लोसाठी, 'GPT‑5.6 Sol' हे Terminal‑Bench 2.1 वर अत्याधुनिक कामगिरीचा नवीन मापदंड प्रस्थापित करते; ही चाचणी अशा कमांड-लाइन वर्कफ्लोचे मूल्यमापन करते ज्यांसाठी नियोजन, पुनरावृत्ती आणि साधनांमधील समन्वय आवश्यक असतो.
GPT‑5.6 Sol जीवशास्त्र कार्यप्रवाहांमध्येही व्यापक सुधारणा दाखवते. दीर्घकालीन जीनोमिक्स आणि परिमाणात्मक-जीवशास्त्र विश्लेषणांचे मूल्यमापन करणाऱ्या GeneBench v1 वर, ते कमी टोकन वापरून GPT‑5.5 पेक्षा मजबूत परिणाम मिळवते.
GPT‑5.6 Sol हे सायबरसुरक्षेसाठी आमचे आतापर्यंतचे सर्वात सक्षम मॉडेल आहे. असुरक्षा संशोधन आणि एक्स्प्लॉइटेशनसह दीर्घकालीन सुरक्षा अत्याधुनिक ते कामगिरी-कार्यक्षमता सीमारेषा पुढे ढकलते. ExploitBench² वर, GPT‑5.6 Sol फक्त ~1/3 आउटपुट टोकन वापरून Mythos Preview शी स्पर्धात्मक आहे. OpenAI आणि इतर फ्रंटियर लॅब्सच्या सहकार्याने UC Berkeley संशोधकांनी तयार केलेल्या ExploitGym(नवीन विंडोमध्ये उघडेल)3 या बेंचमार्कवर, रीझनिंग वाढवल्यावर GPT‑5.6 Sol, Terra आणि Luna मॉडेल सर्वच सायबर क्षमतांमध्ये मजबूत सुधारणा दाखवतात.
आम्ही GPT‑5.6 Sol, Terra आणि Luna हे मॉडेल आतापर्यंतच्या आमच्या सर्वात मजबूत सुरक्षा उपायांसह विकसित केले आहेत, ज्यांची संरचना प्रत्येक मॉडेलच्या क्षमतांशी जुळणारी आहे. जसे मॉडेल अधिक सक्षम होते, तसे आम्ही असे सुरक्षा उपाय तयार करतो जे प्रत्यक्ष जगातील प्रतिकूल दबावाला अधिकाधिक तोंड देऊ शकतील आणि त्याच वेळी कोड रिव्ह्यू, व्हल्नरेबिलिटी रिसर्च, पॅच डेव्हलपमेंट, डीबगिंग, सुरक्षा शिक्षण आणि डिफेन्सिव्ह टेस्टिंग यांसारख्या वैध कामांपर्यंतचा प्रवेश अबाधित ठेवतील. आमचे ध्येय आहे की, त्या फायदेशीर उपयोगांवर अनावश्यकपणे मर्यादा न घालता, प्रतिबंधित आक्रमक कृती अधिक कठीण, अनिश्चित आणि शोधण्यायोग्य बनवणे. मॉडेल आणि सुरक्षा उपायांच्या आमच्या मूल्यांकनाच्या आधारावर, आम्हाला वैध बचावात्मक कामासाठी भरीव लाभाची अपेक्षा आहे, त्याच वेळी प्रतिबंधित आक्रमक वापरावर अर्थपूर्णपणे नियंत्रण ठेवले जाईल.
GPT‑5.6 Sol हे एंड-टू-एंड हल्ले विश्वसनीयपणे करण्यापेक्षा, त्रुटी शोधण्यात आणि त्या दूर करण्यात लोकांना मदत करण्यासाठी अधिक प्रभावी आहे. या क्षमता जसजशा विकसित होत आहेत, तसतसे आमचे प्राधान्य हे सुनिश्चित करणे आहे की त्या सुरक्षा रक्षकांपर्यंत पोहोचतील आणि त्यांना उपयुक्त ठरतील; कारण हे रक्षक या साधनांचा वापर करून त्रुटी शोधू शकतात, त्यावरील उपाय विकसित करू शकतात आणि प्रणाली अधिक व्यापकपणे बळकट करू शकतात.
GPT‑5.6 Sol आमच्या प्रिपेयर्डनेस फ्रेमवर्क अंतर्गत Cyber Critical मर्यादा ओलांडत नाही. Chromium आणि Firefox संबंधी मूल्यमापनांत, त्याने बग आणि एक्स्प्लॉइटेशन प्रिमिटिव्ह्ज—म्हणजे एक्स्प्लॉइटचे घटक—ओळखले, पण तपासलेल्या अटींमध्ये स्वायत्तपणे कार्यक्षम फुल-चेन एक्स्प्लॉइट तयार केला नाही. तरीही, बेंचमार्क मर्यादा मॉडेलचा वापर किंवा इतर साधनांसह त्याचे संयोजन होण्याच्या प्रत्येक मार्गाला पकडू शकत नाहीत. ही अनिश्चितता, तसेच मॉडेलच्या क्षमतांतील व्यापक झेप, यांमुळेच आम्ही मॉडेलच्या वाढलेल्या क्षमतांसोबत अधिक मजबूत संरक्षक उपाय आणि टप्प्याटप्प्याचे प्रकाशन जोडत आहोत. आमच्या संरक्षक उपायांबद्दल अधिक तपशील आम्ही GPT‑5.6 Preview सिस्टम कार्ड(नवीन विंडोमध्ये उघडेल)मध्ये शेअर करतो.
हेतुपुरस्सर किंवा अनुकूलनात्मक गैरवापरापासून बचाव करण्यासाठी कोणतीही एकच सुरक्षा उपाययोजना पुरेशी नाही. GPT‑5.6 प्रिव्ह्यूमध्ये, आम्ही स्तरित सुरक्षा उपाययोजना वापरतो, ज्यांची नेमकी संरचना मॉडेलनुसार बदलते, आणि प्रत्यक्ष हल्ल्यांसाठी त्यांची कसून चाचणी घेतो. यामध्ये मॉडेलमध्येच प्रशिक्षित केलेली सुरक्षा, निर्मितीदरम्यान रिअल-टाइम तपासणी, खाते-स्तरावरील संकेत, विभेदित प्रवेश, देखरेख, अंमलबजावणी आणि सतत चाचणी यांचा समावेश आहे.
GPT‑5.6 ला प्रतिबंधित सायबर मदत नाकारण्याचे प्रशिक्षण दिले आहे, ज्यामध्ये वापरकर्ते आपला हेतू लपवण्याचा किंवा मॉडेलला जेलब्रेक करण्याचा प्रयत्न करतात तेव्हाचाही समावेश आहे. या मॉडेल-स्तरीय सुरक्षा उपाययोजना, मॉडेलने कशात मदत करावी आणि कशात करू नये, याची पहिली मर्यादा निश्चित करतात.
रिअल-टाइम सायबर आणि जैविक गैरवापर वर्गीकरणकर्ते आउटपुट तयार होत असतानाच त्याचे मूल्यांकन करून एक अतिरिक्त स्तर प्रदान करतात. उच्च जोखमीच्या प्रकरणांमध्ये, जर त्यांना संभाव्य उल्लंघन आढळले, तर एक मोठे रीझनिंग मॉडेल संभाषण आणि त्याच्या संदर्भाचे पुनरावलोकन करत असताना आउटपुट तयार करण्याची प्रक्रिया थांबवली जाऊ शकते. जर आउटपुट अमान्य असल्याचे ठरवले गेले, तर ते वापरकर्त्यापर्यंत पोहोचण्यापूर्वीच रोखले जाते.
आमच्या सामग्री जतन आणि पुनरावलोकनासंबंधीच्या अटी व धोरणांनुसार, ध्वजांकित केलेली कृती संबंधित संभाषणे आणि धोक्याच्या संकेतांवर खाते-स्तरावरील पुनरावलोकनास देखील चालना देऊ शकते. एकाच संभाषणाच्या पलीकडे पाहिल्याने आमच्या प्रणालींना सततच्या दुर्भावनापूर्ण वर्तनाला वैध दुहेरी-वापर सुरक्षा कार्यापासून वेगळे ओळखण्यास मदत होते, जिथे समान तांत्रिक संकल्पना अगदी भिन्न संदर्भांमध्ये दिसू शकतात.
एकत्रितपणे, हे स्तर संपूर्ण कार्यपद्धतीला केवळ एका स्वतंत्र सुरक्षा उपायापेक्षा अधिक भक्कम बनवतात. मॉडेलचे वर्तन हानिकारक प्रतिसादांची शक्यता कमी करते, रिअल-टाइम प्रणाली माहिती निर्मितीच्या प्रक्रियेदरम्यान हस्तक्षेप करू शकतात, खाते-स्तरावरील तपासणीतून व्यापक नमुने (पॅटर्न्स) ओळखता येतात आणि प्रवेशाचे विविध स्तर अत्यंत संवेदनशील क्षमता डीफॉल्टनुसार सर्वांसाठी उपलब्ध न करताही महत्त्वाच्या सुरक्षात्मक उपाययोजनांची जपणूक करतात.
विशेषतः पूर्वावलोकनादरम्यान, वापरकर्त्यांना अशा सुरक्षा उपाययोजना आढळू शकतात ज्या काही विनंत्यांना अवरोधित करतात किंवा नाकारतात. इतर विनंत्यांना जास्त वेळ लागू शकतो कारण अतिरिक्त पुनरावलोकनासाठी निर्मिती थांबवली जाते. सुरक्षा उपाययोजना कधीकधी वैध कामात हस्तक्षेप करू शकतात, विशेषतः दुहेरी-वापराच्या क्षेत्रांमध्ये जिथे बचावात्मक आणि आक्रमक क्रियाकलाप सुरुवातीला सारखे दिसू शकतात.
प्रिव्ह्यूची रचना याच गोष्टी तपासण्यासाठी केली आहे. आम्हाला हे समजून घ्यायचे आहे की, सुरक्षा उपाय गैरवापराला आळा घालतात की नाही, तसेच कायदेशीर वापरकर्ते त्यांचे सामान्य काम विश्वसनीयपणे आणि कार्यक्षमतेने पूर्ण करू शकतात की नाही. प्रिव्ह्यू दरम्यान मिळालेला अभिप्राय आम्हाला अनावश्यक अडथळे आणि विलंब कमी करण्यास, सुरक्षा उपाय संदर्भाचा अर्थ कसा लावतात यात सुधारणा करण्यास आणि व्यापक प्रकाशनापूर्वी एक अधिक सुलभ अनुभव तयार करण्यास मदत करेल.
एंटरप्राइझ ग्राहकांच्या गोपनीयतेच्या आवश्यकतांचे समर्थन करताना सुरक्षितता वाढवण्यासाठी, आम्ही त्यांच्यासोबत दीर्घकालीन दृष्टिकोनांवरही काम करत आहोत—ज्यामध्ये गोपनीयता जपणारे डिटेक्शन, ग्राहकांद्वारे चालवलेली सुरक्षा नियंत्रणे आणि ग्राहक, वापरकर्ता किंवा वर्कलोडच्या— जोखमीनुसार समायोजित केलेला ॲक्सेस यांचा समावेश आहे.
हल्लेखोरांनी आपली डावपेच बदलले तरी संरक्षक उपाय प्रभावी राहणे आवश्यक आहे. फक्त ज्ञात हल्ल्यांच्या निश्चित संचावर काम करणारे संरक्षण अत्याधुनिक मॉडेलसाठी पुरेसे मजबूत नसते.
म्हणूनच आम्ही सुरक्षेसाठी पूर्वीपेक्षा अधिक बुद्धिमत्ता आणि संगणकीय क्षमता वापरत आहोत, आणि आमच्या स्वतःच्या मॉडेल्सचा उपयोग करून त्रुटी शोधून सुरक्षा उपाय अधिक वेगाने सुधारत आहोत. आम्ही 700,000 पेक्षा जास्त A100-समकक्ष GPU तास स्वयंचलित रेड टीमिंगसाठी समर्पित केले आहेत, ज्याचा उद्देश युनिव्हर्सल जेलब्रेक्स शोधणे हा आहे: म्हणजेच असे हल्ले जे केवळ एका मर्यादित सेटिंगमध्येच नव्हे, तर अनेक प्रॉम्प्ट्स किंवा संदर्भांमध्ये काम करू शकतात. या अधिक कठीण आणि सामान्य हल्ल्यांवर लक्ष केंद्रित केल्यामुळे आम्हाला ज्ञात त्रुटींच्या एका निश्चित संचापलीकडे जाऊन सुरक्षा उपायांची चाचणी घेता आली. यामुळे आम्हाला केवळ मानवी चाचणीद्वारे शक्य असलेल्या हल्ल्यांच्या अनेक प्रकारांचा शोध घेता येतो, त्रुटींचे प्रकार लवकर ओळखता येतात आणि त्रुटी शोधण्यापासून ते त्यावर उपाययोजना करण्यापर्यंतचा मार्ग अधिक जलद करता येतो.
स्वयंचलित रेड-टीमींग व्यतिरिक्त, आम्ही व्यापक मानवी तज्ञ रेड-टीमींग करण्यासाठी तृतीय-पक्ष परीक्षकांसोबत काम केले, जे पूर्वावलोकन कालावधीत सुरू राहील. मानवी रेड-टीमींग हे स्वयंचलित कामाला पूरक ठरते, कारण ते अशा सर्जनशील तज्ञांविरुद्धच्या सुरक्षा उपायांची चाचणी करते, जे आमच्या प्रणालींना अपेक्षित नसलेल्या मार्गांनी मॉडेलचा गैरवापर करण्याचा प्रयत्न करू शकतात.
कोणतेही मूल्यांकन प्रत्येक उत्पादन संरचना, बहु-टप्प्यांचा हल्ला किंवा वास्तविक कार्यप्रवाहाचे प्रतिनिधित्व करू शकत नाही. त्यामुळे, नव्याने शोधलेल्या जेलब्रेक्सची पुनरावृत्ती करणे, त्यांचे मूल्यांकन करणे, त्यांना प्राधान्य देणे आणि त्यावरील उपाययोजना करणे यासाठी आम्ही एक जलद-प्रतिसाद प्रक्रिया राबवतो. त्यानंतर आम्ही त्यांना आमच्या चालू असलेल्या मूल्यांकनांमध्ये समाविष्ट करतो, जेणेकरून भविष्यात अशाच प्रकारच्या त्रुटींविरुद्ध त्यांची चाचणी करता येईल.
प्रिव्ह्यू (पूर्वावलोकन) कालावधीत, GPT‑5.6 मॉडेल्स सुरुवातीला केवळ काही निवडक विश्वासू भागीदार आणि संस्थांना API व Codex द्वारे उपलब्ध करून दिली जातील. आम्ही लवकरच ही मॉडेल्स ChatGPT, Codex आणि API वापरणाऱ्या लोकांसाठी अधिक व्यापकपणे उपलब्ध करून देण्याची योजना आखत आहोत.
GPT‑5.6 सोबत आणलेल्या या नव्या नामकरण पद्धतीत, अंक मॉडेलची पिढी दर्शवतो, तर Sol, Terra आणि Luna स्वतंत्र गतीने पुढे जाऊ शकणाऱ्या टिकाऊ क्षमता-स्तरांना दर्शवतात. एकत्रितपणे, हे कुटुंब लोकांना आणि डेव्हलपरना बुद्धिमत्ता, वेग आणि खर्च यांमध्ये अधिक स्पष्ट पर्याय देते.
GPT‑5.6 ची किंमत तीन मॉडेल आकारांमध्ये प्रति 1M टोकन्सनुसार आकारली जाते: Sol साठी $5 इनपुट / $30 आउटपुट; Terra साठी $2.50 इनपुट / $15 आउटपुट; आणि Luna साठी $1 इनपुट / $6 आउटपुट. GPT‑5.6 मध्ये अधिक अंदाज लावता येण्याजोग्या प्रॉम्प्ट कॅशिंगची देखील ओळख करून दिली आहे, ज्यामध्ये स्पष्ट कॅश ब्रेकपॉइंट्ससाठी समर्थन आणि 30-मिनिटांचे किमान कॅश लाइफ समाविष्ट आहे. GPT‑5.6 आणि त्यानंतरच्या मॉडेल्ससाठी, कॅश राइट्सचे बिल मॉडेलच्या अनकॅश्ड इनपुट रेटच्या 1.25 पट दराने आकारले जाते, तर कॅश रीड्सवर 90% कॅश्ड-इनपुट सवलत मिळत राहते.
आम्ही जुलैमध्ये Cerebras वर GPT‑5.6 Sol लाँच करत आहोत, ज्याचा वेग प्रति सेकंद 750 टोकन्सपर्यंत असेल; यामुळे ग्राहकांना अभूतपूर्व वेगाने अत्याधुनिक बुद्धिमत्ता उपलब्ध होईल. क्षमता वाढवण्याच्या प्रक्रियेदरम्यान, सुरुवातीला याचा ॲक्सेस केवळ निवडक ग्राहकांपुरता मर्यादित असेल.
या पूर्वावलोकन काळातून शिकत राहण्यास आणि GPT‑5.6 Sol, Terra व Luna लवकरच अधिक लोकांपर्यंत पोहोचवण्यास आम्ही उत्सुक आहोत.
1. आम्ही आमच्या मॉडेल्सच्या प्रत्यक्ष कार्यप्रणालीचे निरीक्षण करून आणि ऑफलाइन सिम्युलेशन करून लेटन्सी आणि API खर्चाचा अंदाज लावतो. या अंदाजामध्ये टूल कॉलचे तपशील, सॅम्पल केलेले टोकन्स आणि इनपुट टोकन्स यांचा समावेश असतो. प्रत्यक्ष परिणाम लक्षणीयरीत्या भिन्न असू शकतात आणि ते आमच्या सिम्युलेशनमध्ये समाविष्ट नसलेल्या अनेक घटकांवर अवलंबून असतात. आम्ही वेगवान API गतीवर लेटन्सीचे आणि नियमित API दरांवर खर्चाचे सिम्युलेशन करतो.
2. सर्व मॉडेलचे मूल्यमापन ExploitBench API हार्नेस वापरून 5 seeds आणि रीझनिंग सातत्यासह केले जाते.
3. आम्ही आमच्या 'अल्फा API' वर 'ExploitGym' चालवले जे आमच्या सार्वजनिक API पेक्षा जलद प्रतिसाद देते आणि त्यानंतर सार्वजनिक API च्या वेगाशी जुळवून घेण्यासाठी त्याचे स्केल समायोजित केले. सार्वजनिक API साठी अपेक्षित असलेल्या वेगाच्या प्रमाणात विलंब-कालावधी समायोजित केल्यावर, काही अंदाजित कालावधी २ तास आणि ६ तासांच्या मर्यादा ओलांडतात; असे असूनही, प्रत्यक्ष मूल्यमापन प्रक्रियेदरम्यान या मर्यादांचे योग्यरित्या पालन केले गेले होते. वेळेचे महत्त्व असलेल्या कामांसाठी अधिक वेग मिळवण्याच्या उद्देशाने, आम्ही API मध्ये प्राधान्य प्रक्रिया आणि Codex मध्ये फास्ट मोड या सुविधा उपलब्ध करून देतो.
4. नोंदवलेले आउटपुट टोकन, विलंब किंवा खर्च नसलेली मॉडेल क्षैतिज ठिपक्यांच्या रेषा म्हणून दाखवली आहेत.
