Qed inniedu l-familja ta’ mudelli GPT‑5.6 għad-disponibbiltà ġenerali wara l- verżjoni limitata tagħna: il-mudell ewlieni l-ġdid tagħna, Sol, flimkien ma’ Terra, mudell ibbilanċjat għax-xogħol ta’ kuljum, u Luna, l-aktar mudell kosteffiċjenti tagħna.
GPT‑5.6 Sol jistabbilixxi standard ġdid kemm għall-intelliġenza kif ukoll għall-effiċjenza, billi jikseb riżultati tal-ogħla livell fl-ikkodjar, fix-xogħol ibbażat fuq l-għarfien, fiċ-ċibersigurtà u fix-xjenza, filwaqt li jaqbeż fil-prestazzjoni lill-mudelli preċedenti u kompetituri b’inqas tokens u bi spiża aktar baxxa. Ir-riżultat huwa prestazzjoni aktar b’saħħitha għal kull dollaru: aktar xogħol ta’ suċċess għall-istess nefqa, jew riżultati komparabbli bi spiża totali aktar baxxa. Nintroduċu wkoll mod ġdid biex jitħaffef l-aktar xogħol impenjattiv: ultra huwa l-issettjar tagħna bl-ogħla kapaċità, li jikkoordina diversi aġenti fuq flussi ta’ xogħol paralleli biex jitlestew kompiti kumplessi aktar malajr. Użu aktar b’saħħtu tal-kompjuter u ġudizzju fid-disinn jagħmlu lil GPT‑5.6. Sol, l-aktar kollaboratur raffinat tagħna s’issa, jgħin biex jispezzjona, jirfina, u jwassal riżultati lesti għall-użu.
Ħarriġna GPT‑5.6 biex jikseb aktar xogħol utli minn kull token. Fuq Agents’ Last Exam(jinfetaħ f’tieqa ġdida), evalwazzjoni ta’ flussi tax-xogħol professjonali fit-tul f’55 qasam, GPT‑5.6 Sol jistabbilixxi għoli ġdid ta’ 53,6, u jaqbeż lil Claude Fable 5 (raġunament adattiv) bi 13,1 punt. Anke fil-livell medju ta’ raġunament, jegħleb lil Fable 5 bi 11.4 punti b’madwar kwart tal-ispiża stmata. Dik l-effiċjenza testendi għall-mudelli iżgħar, li huma essenzjali biex l-intelliġenza ssir aktar abbundanti u affordabbli: GPT‑5.6 Terra u GPT‑5.6 Luna jaqbżu lil Fable 5 b’ madwar 1/16 tal-ispiża. Fuq l Indiċi tal-Intelliġenza Artifiċjali ta’ Analiżi(jinfetaħ f’tieqa ġdida), kejl wiesa’ tal-intelliġenza li jkopri xogħol aġentiku, kitba tal-kodiċi, raġunament xjentifiku, u kapaċitajiet ġenerali, GPT‑5.6 Sol, b’raġunament massimu, ikun punt wieħed biss bogħod minn Fable 5 filwaqt li jlesti l-kompiti f’61% inqas ħin u bi madwar nofs l-ispiża stmata.
L-Aħħar Eżami tal-Aġenti(jinfetaħ f’tieqa ġdida): Flussi tax-xogħol aġentiċi b’orizzont fit-tul f’diversi oqsma professjonali.
GPT‑5.6 jitnieda bl-aktar salvagwardji robusti tagħna sal-lum, iddisinjati biex ikunu reżiljenti kontra użu ħażin determinat u adattiv mingħajr ma jillimitaw b’mod wiesa’ xogħol leġittimu. Qabel id-disponibbiltà ġenerali, għaddejna l-mudelli u s-salvagwardji mill-aktar perjodu estensiv ta’ evalwazzjoni tagħna s’issa, billi għaqqadna red teaming imwettaq minn bnedmin ma’ ttestjar awtomatizzat fuq skala kbira. Matul il-fażi ta’ qabel it-tnedija, ħdimna mill-qrib ma’ organizzazzjonijiet esperti u ma’ sħab affidabbli biex nivvalutaw b’mod rigoruż id-difiżi u nsaħħu l-miżuri ta’ protezzjoni qabel it-tnedija aktar wiesgħa. Is-sistema riżultanti tgħaqqad protezzjonijiet imdaħħla fil-mudell f’saffi, flimkien ma’ kontrolli f’ħin reali, monitoraġġ u aċċess ikkalibrat skont il-fiduċja u r-riskju.
GPT‑5.6 Sol huwa l-aqwa mudell tagħna għall-kodifikazzjoni s’issa. Fuq l- Artificial Analysis Coding Agent Index, GPT‑5.6 Sol b’raġunament massimu jistabbilixxi standard ġdid tal-ogħla livell b’80, 2.8 punti aktar minn Fable 5, filwaqt li juża inqas minn nofs it-token tal-output, jieħu inqas minn nofs il-ħin, u jiswa madwar terz inqas. Dak il-vantaġġ jestendi mal-familja kollha: Terra għandha prestazzjoni ftit ogħla minn Fable 5, filwaqt li Luna taqbeż lil Opus 4.8; kull wieħed minnhom jagħmel dan f’madwar terz tal-ħin, b’madwar nofs it-tokens tal-output, u b’madwar kwart tal-ispiża stmata. Huwa wkoll jistabbilixxi riżultati ġodda tal-ogħla livell fuq Terminal‑Bench 2.1 u DeepSWE, li jittestjaw flussi tax-xogħol kumplessi tal-linja tal-kmand u l-inġinerija b’orizzont twil f’bażijiet tal-kodiċi reali.
Indiċi tal-Aġenti tal-Kodifikazzjoni ta’ Analiżi Artifiċjali: indiċi indipendenti tal-prestazzjoni tal-aġenti tal-kodifikazzjoni fl-implimentazzjoni, fl-użu tat-terminal, u f’bażijiet ta’ kodiċi reali.
GPT‑5.6 jista’ jikteb u jħaddem programmi ħfief li jikkoordinaw għodod, jipproċessaw riżultati intermedji, jimmonitorjaw il-progress, u jagħżlu l-azzjoni li jmiss hekk kif ix-xogħol jiżvolġi. Dan jippermetti li kompiti intensivi fl-użu tal-għodod jimxu ’l quddiem b’inqas tokens, b’inqas ċikli ta’ komunikazzjoni mal-mudell, u b’inqas gwida. Minflok ma jirrikjedi li l-iżviluppaturi jiktbu skript għal kull pass jew jgħaddu kull rispons tal-għodda lura mill-mudell, is-Sejħiet Programmatiċi tal-Għodod(jinfetaħ f’tieqa ġdida) fl-Responses API jistgħu jiffiltraw ammonti kbar ta’ dejta intermedja, iżommu biss dak li huwa importanti, u jadattaw il-fluss tax-xogħol tagħhom matul il-proċess.
Għal problemi li jeħtieġu investiment akbar ta’ ħin u riżorsi ta’ komputazzjoni, GPT‑5.6 jista’ jaqbeż dan il-valur predefinit effiċjenti. max jagħti lil GPT‑5.6 saħansitra aktar ħin minn xhigh biex jirraġuna u jesplora alternattivi, iwettaq verifiki, u jirrevedi l-approċċ tiegħu. ultra imur pass lil hinn billi jikkoordina erba’ aġenti b’mod parallel b’mod awtomatiku, u jikkummerċjalizza użu ogħla ta’ tokens għal riżultati aktar b’saħħithom u ħin aktar mgħaġġel sal-kisba tar-riżultat fuq kompiti impenjattivi. Il-grafiċi hawn taħt iqabblu l-konfigurazzjoni predefinita ta’ ultra b’erba’ aġenti ma’ linja bażi b’aġent wieħed fuq BrowseComp, SEC-Bench Pro, u Terminal-Bench 2.1; BrowseComp u SEC-Bench Pro juru wkoll konfigurazzjonijiet b’16-il aġent. Fit-tliet evalwazzjonijiet kollha, iż-żieda ta’ aġenti paralleli tmexxi l-fruntiera bejn il-punteġġ u l-latenza ’l fuq u lejn ix-xellug, u tikseb riżultati aktar b’saħħithom f’inqas ħin. Fl-API, l-iżviluppaturi jistgħu jibnu esperjenzi simili għal ultra billi jużaw il-beta multi-aġent fil-Responses API.
GPT‑5.6 iwassal għal qabża kwalitattiva fil-ġudizzju tad-disinn. B’direzzjoni ta’ livell għoli biss, GPT‑5.6 joħloq interfaċċi eleganti, ergonomiċi u funzjonali. Il-kapaċitajiet aktar b’saħħithom tiegħu fl-użu tal-kompjuter jippermettulu jispezzjona u jirfina r-riżultat irrendut—mhux sempliċement jiġġenera l-kodiċi jew il-kontenut sottostanti—biex ikun jista’ jaqbad problemi viżwali u funzjonali u japplika l-aħħar irtokki qabel ma jgħaddi x-xogħol lura.
Prompt: Tista’ timplimenta logħba 3D tat-tbaħħir għalija? Għal kull ħaġa li teħtieġ bitmaps/textures/sprites (jew jekk ikun ta’ għajnuna li jkollok referenza ta’ mockup għal kwalunkwe mudelli 3D li tibni), ħossok liberu li tuża imagegen.
Il-kapaċitajiet tal-frontend ta’ GPT‑5.6 jikkonvertu wkoll it-talbiet bil-lingwa naturali f’ispjegazzjonijiet u viżwalizzazzjonijiet interattivi u irfinati fi ħdan ChatGPT Xogħol.
Prompt: Oħloq spirografu interattiv biex tispjega kif jaħdem.
GPT‑5.6 jagħti riżultati aħjar għal kompiti professjonali. Jieħu kuntest imħawwad mid-dokumenti tiegħek u mill-flussi tax-xogħol ta’ kuljum bħal Slack, Notion, Microsoft 365, u Google Drive, u jikkonvertih f’artefatti ta’ livell espert li jistgħu jinqasmu.
Is-saħħa ta’ GPT‑5.6 fix-xogħol tal-għarfien tidher f’evalwazzjonijiet li jkopru analiżi professjonali fit-tul, ibbrawżjar, użu tal-għodod, u użu tal-kompjuter. GPT‑5.6 Sol jistabbilixxi riżultati ġodda tal-ogħla livell fuq BrowseComp ta’ 92,2% u fuq OSWorld 2.0 ta’ 62,6%; fuq OSWorld, jaqbeż lil Opus 4.8 filwaqt li juża 85% inqas tokens tal-output. Hawnhekk, it-titjib fil-prestazzjoni għal kull dollaru jestendi għall-familja kollha GPT‑5.6. Luna kważi tlaħħaq mal-GPT‑5.5 prestazzjoni massima b’inqas minn nofs l-ispiża stmata, filwaqt li Terra taqbeżha bi spiża aktar baxxa.
BrowseComp: GPT‑5.6 Sol jikseb rekord ġdid fuq BrowseComp, li jikkonsisti f’kompiti ta’ bbrawżjar aġentiċi.
GPT‑5.6 Sol itejjeb il-kwalità fil-preżentazzjonijiet, fid-dokumenti u fil-folji ta’ kalkolu, u jipproduċi riżultati li huma aktar irfinuti u preċiżi. Jista’ joħloq preżentazzjonijiet kompletament editabbli mill-bidu, billi jittrasforma prompt u materjal tas-sors f’narrattiva viżiva koerenti b’tqassim, ġerarkija u disinn b’saħħithom.
It-titjib ikun partikolarment evidenti meta jiġu segwiti mudelli u settijiet ta’ slajds ta’ referenza. GPT‑5.6 jista’ jiddeduċi s-sistema tad-disinn ta’ preżentazzjoni—it-tqassimiet, it-tipografija, l-ispazjar, il-kuluri, u l-mudelli rikorrenti tal-kontenut, inklużi r-regoli inkorporati fis-Slide Master—u japplika dawk il-konvenzjonijiet b’mod konsistenti għal materjal ġdid. F’dan l-eżempju, meta jintalab jaġġorna n-numri abbażi ta’ fajl ta’ referenza, l-output ta’ GPT‑5.5 huwa nieqes minn komponenti ewlenin mis-slide prinċipali, filwaqt li GPT‑5.6 isegwi l-istruttura ta’ referenza b’mod aktar fidil.
Fajl ta’ referenza
Riżultat ta’ GPT‑5.5
GPT‑5.5 għandu nuqqas ta’ komponenti ewlenin tal-islajd prinċipali
Output ta’ GPT‑5.6
GPT‑5.6 joħloq ukoll dokumenti u folji tal-kalkolu aktar irfinati viżwalment. Dan isegwi formati ta’ referenza kumplessi b’mod aktar fidil, li huwa importanti għal attivitajiet ta’ xogħol tal-għarfien li jistgħu jiġu ripetuti. Jittratta l-ekwazzjonijiet u l-mudelli finanzjarji b’aktar preċiżjoni, u jagħmel użu aħjar mit-tipografija, l-ispazjar, il-ġerarkija, u t-tqassim tal-paġna jew tal-folja tax-xogħol.
L-ewwel klijenti li għamlu test fuq GPT‑5.6 osservaw titjib fir-riżultati tax-xogħol tal-għarfien f’diversi oqsma.
GPT‑5.6 huwa l-aktar mudell taċ-ċibersigurtà b’saħħtu tagħna s’issa, u jikseb prestazzjoni fuq quddiem nett b’ħafna inqas tokens. Fuq ExploitBench2, li jkejjel il-progress minn meta jintlaħaq kodiċi vulnerabbli sal-eżekuzzjoni ta’ kodiċi arbitrarju, jikseb punteġġ ta’ 73.5% kontra GPT‑5.5, li jikseb 47.9% b’baġit komparabbli ta’ tokens tal-output. Fuq ExploitGym3, li jitlob lill-aġenti jibdlu vulnerabbiltajiet tad-dinja reali fi sfruttamenti funzjonali, kważi jirdoppja dak ta’ GPT‑5.5 rata ta’ suċċess fil-quċċata, minn 15.1% għal 24.9% taħt il-limitu massimu ta’ sagħtejn; b’sitt sigħat, tilħaq 33.7%. Fuq SEC-Bench Pro, li jittestja l-ġenerazzjoni ta’ provi tal-kunċett fuq software kumpless, jikseb punteġġ ta’ 71.2% kontra dak ta’ GPT‑5.5 45.8% b’latenza mtejba.
GPT‑5.6 jappoġġa kompiti difensivi importanti bħar-reviżjoni sigura tal-kodiċi, l-implimentazzjoni ta’ patches, l-immudellar tat-theddid, u t-tim blu (blue teaming). Individwi u organizzazzjonijiet kwalifikati fil-programm OpenAI Daybreak’s Trusted Access for Cyber jistgħu jaċċessaw aktar mill-kapaċità difensiva tiegħu permezz ta’ miżuri ta’ sigurtà aktar preċiżi għal xogħol ivverifikat f’ambjenti awtorizzati, inklużi t-trijaġġ u l-validazzjoni tal-vulnerabbiltajiet, l-analiżi tal-malware, l-inġinerija tad-detezzjoni, u l-validazzjoni tal-patches.
L-individwi jistgħu jivverifikaw l-identità tagħhom u jitolbu aċċess fdat(jinfetaħ f’tieqa ġdida), u l-organizzazzjonijiet jistgħu jissottomettu għat-timijiet tagħhom. Il-membri individwali se jkollhom bżonn jattivaw Sigurtà Avvanzata tal-Kont(jinfetaħ f’tieqa ġdida) b’passkeys appoġġjati mill-ħardwer sal-1 ta’ Settembru biex iżommu l-aċċess għall-mudelli frontier tagħna bl-ogħla kapaċitajiet ċibernetiċi; dawk li ma jagħmlux dan jerġgħu lura għall-aċċess predefinit. L-utenti li għad m’għandhomx passkeys appoġġjati mill-ħardwer jistgħu jiksbu prezzijiet preferenzjali(jinfetaħ f’tieqa ġdida) mingħand is-sieħeb tagħna, Yubico. Qegħdin nieħdu wkoll passi addizzjonali biex nirrestrinġu l-aċċess għall-entitajiet ta’ riskju għoli u f’ġurisdizzjonijiet ta’ riskju għoli.
ExploitBench: Il-bini ta’ exploits ta’ V8 dejjem aktar kapaċi; GPT‑5.6 juri titjib kbir meta mqabbel ma’ GPT‑5.5. Il-grafika tal-latenza mhijiex murija peress li l-istima tal-latenza mhijiex affidabbli għal dan il-benchmark.
GPT‑5.6 Sol juri wkoll titjib wiesa’ fil- riċerka xjentifika. F’evalwazzjonijiet tax-xjenzi tal-ħajja, GPT‑5.6 juri titjib skont il-prinċipju ta’ Pareto meta mqabbel ma’ GPT‑5.5 fil-bijoloġija, fil-flussi tax-xogħol tar-riċerka fix-xjenzi tal-ħajja, u fil-kimika.
GeneBench Pro: Analiżi fit-tul tal-ġenomika u tal-bijoloġija kwantitattiva; GPT‑5.6 jikseb riżultati aktar b’saħħithom b’inqas tokens u f’inqas ħin. Claude Fable 5 mhuwiex inkluż peress li ma jweġibx(jinfetaħ f’tieqa ġdida) mistoqsijiet avvanzati dwar il-bijoloġija u jirrifjuta l-maġġoranza tal-mistoqsijiet f’din l-evalwazzjoni.
GPT‑5.6 huwa l-aktar mudell b’saħħtu tagħna s’issa għall-aċċellerazzjoni tar-riċerka fl-IA. Fi ħdan OpenAI, ir-riċerkaturi jużawh tul iċ-ċiklu tal-iżvilupp: jiddijanjostikaw il-fallimenti, jottimizzaw is-sistemi tat-taħriġ, iwettqu esperimenti, u jinterpretaw ir-riżultati. Diġà rajna dik l-aċċelerazzjoni u adozzjoni aktar qawwija matul il-perjodu tat-test intern ta’ GPT‑5.6, peress li n-numru medju ta’ token ta’ output kuljum għal kull riċerkatur attiv kien aktar minn darbtejn il-livell Għoli osservat għal GPT‑5.5.
Dan il-mod ta’ ħidma qed isir malajr standard. Matul l-aħħar sitt xhur, is-sehem tal-qawwa komputazzjonali tar-riċerka ddedikat għall-inferenza interna tal-kodifikazzjoni kiber b’fattur ta’ 100, filwaqt li l-użu intern ta’ token aġentiċi żdied b’fattur ta’ madwar 22. Dawn il-metriċi tal-adozzjoni, minnhom infushom, ma jkejlux il-progress fir-riċerka, iżda juru kemm qed tiżdied malajr l-assistenza tal-AI għar-riċerka u fost timijiet oħra bħall-bejgħ, il-marketing, l-operazzjonijiet tal-utenti, il-finanzi, u aktar.
Biex inkejlu din il-kapaċità direttament, żviluppajna sett intern ta’ evalwazzjonijiet ibbażati fuq kompiti reali ta’ riċerka fl-IA, inkluż id-debugging ta’ sistemi ta’ riċerka, l-ottimizzazzjoni ta’ kernels u riċetti ta’ taħriġ, it-twettiq ta’ esperimenti ta’ tagħlim awtomatiku, u t-titjib ta’ mudell ieħor.
Kapaċità aggregata tal-RSI: Fuq sett ta’ evalwazzjonijiet li jkejlu l-progress lejn awto-titjib rikursiv, nosservaw li GPT‑5.6 Sol huwa titjib ta’ 16.2 punti fuq GPT‑5.5, u jaċċellera r-riċerka interna b’mod ġenerali.
Hekk kif jiżdiedu l-kapaċitajiet tal-mudell, insaħħu l-istack tas-sikurezza tagħna sabiex l-intelliġenza avvanzata tkun tista’ tibqa’ utli b’mod wiesa’, filwaqt li napplikaw skrutinju akbar għall-użi bl-ogħla riskju. Għal GPT‑5.6, bnejna l-aktar sistema robusta ta’ sikurezza tagħna sal-lum, ikkalibrata skont il-kapaċitajiet ta’ kull mudell u mħaddma b’aktar riżorsi ta’ komputazzjoni minn qatt qabel.
Il-mudelli GPT‑5.6 huma aktar kapaċi mill-mudelli preċedenti tagħna kemm fil-bijoloġija kif ukoll fiċ-ċibersigurtà, iżda ma jaqbżux il-limitu kritiku f’xejn minn dawn iż-żewġ kategoriji. Fiċ-ċibersigurtà, it-testijiet tagħna jissuġġerixxu li GPT‑5.6 huwa aħjar biex isib u jirranġa vulnerabbiltajiet milli biex iwettaq b’mod affidabbli attakki awtonomi kompletament integrati kontra miri msaħħa—u b’hekk jagħti lid-difensuri opportunità biex isaħħu s-sistemi qabel ma d-dgħufijiet jiġu sfruttati. Fil-bijoloġija, l-ittestjar tagħna jissuġġerixxi li GPT‑5.6 jista’ jappoġġa riċerka leġittima, iżda ma jipprovdix il-kapaċità kompleta meħtieġa mill-bidu sat-tmiem biex tinħoloq, tiġi inġinerizzata jew tiġi sintetizzata theddida ġdida u perikoluża ħafna.
Iż-żewġ oqsma huma intrinsikament ta’ użu doppju. Fiċ-ċibersigurtà, l-istess kapaċitajiet li jistgħu jgħinu lil attakkant jisfrutta vulnerabbiltà jistgħu jgħinu lil difensur isibha, jirriproduċiha u joħloq soluzzjoni affidabbli. Għalhekk, l-imblukkar eċċessiv joħloq riskju għas-sigurtà fih innifsu. Dan jista’ jipprevjeni lid-difensuri milli jittestjaw is-sistemi u jdaħħlu patches, filwaqt li atturi malizzjużi jkomplu jużaw mudelli oħra, inklużi mudelli b’sors miftuħ li qed isiru dejjem aktar kapaċi, kif ukoll għodod stabbiliti. Salvagwardji effettivi jqisu l-kuntest u l-konsegwenzi probabbli ta’ talba, filwaqt li jippreservaw ix-xogħol difensiv leġittimu u japplikaw kontrolli aktar b’saħħithom fejn l-evidenza tindika riskju serju ta’ ħsara.
Is-salvagwardji ta’ GPT‑5.6 huma mqassma f’saffi għal preċiżjoni u ridondanza akbar, u huma ddisinjati biex jadattaw malajr hekk kif jitfaċċaw attakki ġodda. Il-protezzjonijiet imħarrġa fil-mudell jaħdmu flimkien ma’ kontrolli f’ħin reali, monitoraġġ kontinwu, u infurzar fil-livell tal-kont, biex jgħinu lis-sistema tibqa’ sigura anke meta saff partikolari ma jaħdimx kif maħsub. F’ħafna sistemi, l-indikaturi tal-klassifikatur waħedhom jiddeċiedu x’għandu jiġi mblukkat, billi jiddependu fuq mudelli b’intelliġenza aktar baxxa li huma aktar diffiċli biex jinbidlu sabiex tiġi evitata l-ħsara. L-approċċ tagħna jżid monitora tar-raġunament li tirrevedi l-konverżazzjoni biex tiddetermina jekk hemmx potenzjal għal ħsara. Dan id-disinn huwa maħsub biex jippermetti ħidma difensiva filwaqt li jimblokka użu ħażin serju, bil-kapaċitajiet l-aktar sensittivi riżervati għal utenti verifikati permezz ta’ Trusted Access. Minħabba li xi protezzjonijiet jużaw ir-raġunament fil-ħin tat-test, nistgħu naġġornawhom malajr biex nagħlqu l-lakuni mingħajr ma nerġgħu nħarrġu l-klassifikaturi mill-bidu.
Qed nieħdu approċċ aktar konservattiv hekk kif inkomplu nsaħħu s-sistema kontra attakki adattivi. Meta mqabbel ma’ mudell preċedenti, il-GPT‑5.6 tagħna Is-salvagwardji ċibernetiċi ta’ Sol jimblukkaw madwar għaxar darbiet aktar attività potenzjalment ta’ ħsara. Minħabba li dawn il-miżuri jistgħu joħolqu frizzjoni għal użu beninn, nipprovdu għażla f’ChatGPT u Codex biex wieħed faċilment jerġa’ jipprova prompt fuq mudell b’kapaċitajiet aktar baxxi, u se nkomplu nnaqqsu l-impatt tas-salvagwardji tagħna fuq użu beninn filwaqt li nżommu standard għoli ta’ robustezza. Dan jirrifletti l-approċċ iterattiv tagħna għall-skjerament: nibdew b’mod kawt u ntejbu abbażi ta’ dak li nitgħallmu mill-użu fid-dinja reali.
Qabel id-disponibbiltà ġenerali, wettaqna l-aktar evalwazzjonijiet intensivi tas-sigurtà tagħna sal-lum, inkluż testijiet estensivi ta’ red teaming, ittestjar robust tal-kapaċitajiet u tas-salvagwardji ma’ esperti esterni, u madwar 700,000 siegħa ta’ GPU A100e ta’ red teaming awtomatizzat ta’ tip black-box. Dan ippermettilna nittestjaw b’mod sistematiku punti dgħajfa probabbli, niskopru jailbreaks, u għenna nsaħħu s-sistema qabel it-tnedija.
Ma teżistix sigurtà perfetta, u l-ħidma tagħna biex niżguraw is-sigurtà ta’ mudelli dejjem aktar kapaċi tkompli. Dgħufijiet ġodda se jiġu skoperti, kif ukoll jailbreaks ġodda li jevitaw is-salvagwardji eżistenti. Kull ġenerazzjoni ġdida ta’ mudell se toħloq ukoll opportunitajiet ġodda għall-attakk u l-użu ħażin. Aħna nibnu għal dik ir-realtà permezz ta’ miżuri ta’ salvagwardji fuq diversi livelli, monitoraġġ kontinwu, rimedjazzjoni rapida, u kollaborazzjoni mal-komunità difensiva kollha. Għal GPT‑5.6, għaqqadna l- programmi eżistenti tagħna ta’ Bug Bounty għas-sigurtà(jinfetaħ f’tieqa ġdida) u l- programmi ta’ Bug Bounty għall-bijoloġija ma’ proċess ġdid ta’ rimedjazzjoni rapida u l-aktar sforz qawwi tagħna ta’ monitoraġġ sal-lum. Is-sejbiet mir-riċerkaturi, mill-monitoraġġ u mill-użu ħażin fid-dinja reali se jintużaw biex jinfurmaw evalwazzjonijiet ġodda u miżuri ta’ salvagwardji aktar b’saħħithom b’mod kontinwu.
Aqra aktar dwar is-salvagwardji tagħna fil- kard tas-sistema aġġornata GPT‑5.6(jinfetaħ f’tieqa ġdida).
GPT‑5.6 jkopri tliet livelli ta’ mudell: Sol, il-mudell ewlieni tagħna; Terra, mudell bi spiża aktar baxxa b’prestazzjoni kompetittiva ma’ GPT‑5.5; u Luna, l-aktar mudell veloċi u affordabbli tagħna. In-numru jidentifika l-ġenerazzjoni, filwaqt li Sol, Terra u Luna huma livelli ta’ kapaċità dejjiema li jistgħu javvanzaw skont il-kadenza tagħhom stess.
GPT‑5.6 huwa disponibbli mil-lum fuq ChatGPT, Codex, u l-API ta’ OpenAI. It-tnedija qed tibda globalment issa u se tkompli gradwalment lejn disponibbiltà sħiħa matul l-24 siegħa li ġejjin.
- Chat: L-utenti ta’ Plus, Pro, Business u Enterprise għandhom aċċess għal GPT‑5.6 Sol permezz tas-settings ta’ sforz medju u għoli. L-utenti ta’ Pro u Enterprise jistgħu jagħżlu wkoll GPT‑5.6 Sol Pro għar-riżultati ta’ kwalità għolja f’kompiti kumplessi.
- ChatGPT Xogħol u Codex: L-utenti tal-pjani Free u Go għandhom aċċess għal GPT‑5.6 Terra. L-utenti Plus, Pro, Business, u Enterprise jistgħu jagħżlu bejn GPT‑5.6 Sol, Terra u Luna, u ssettja livell ta’ sforz għal kull wieħed minnhom.
maxhuwa disponibbli għall-utenti kollha b’aċċess għal GPT‑5.6 f’ChatGPT Xogħol u Codex, u jista’ jiġi attivat fl-issettjar. F’ChatGPT Xogħol,ultrahuwa disponibbli għall-utenti ta’ Pro u Enterprise. F’Codex, huwa disponibbli għall-pjanijiet Plus u ogħla. - API: L-iżviluppaturi jistgħu jaċċessaw Sol, Terra u Luna permezz tal-API ta’ OpenAI. Fl-API tar-Responses, is-sejħiet programatiċi tal-għodod jippermettu lil GPT‑5.6 jikteb u jħaddem programmi fil-memorja li jikkoordinaw l-għodod u jipproċessaw ir-riżultati intermedji, u b’hekk ikunu kompatibbli ma’ l-ebda żamma tad-dejta (ZDR). Multi-agent, inizjalment disponibbli fil-beta, jippermetti lil GPT‑5.6 iħaddem subaġenti konkorrenti u jissintetizza x-xogħol tagħhom f’talba waħda.
GPT‑5.6 jiġi pprezzat għal kull 1M token fuq tliet daqsijiet ta’ mudell: Sol huwa $5 għall-input / $30 għall-output; Terra huwa $2.50 għall-input / $15 għall-output; u Luna huwa $1 għall-input / $6 għall-output. GPT‑5.6 jintroduċi wkoll caching tal-prompt aktar prevedibbli, inkluż appoġġ għal breakpoints espliċiti tal-cache(jinfetaħ f’tieqa ġdida) u tul ta’ ħajja minimu tal-cache ta’ 30 minuta. Għal GPT‑5.6 u mudelli aktar tard, il-kitbiet fil-cache jiġu fatturati b’1.25x ir-rata tad-dħul mhux fil-cache tal-mudell, filwaqt li l-qari mill-cache jibqa’ jirċievi l-iskont ta’ 90% fuq id-dħul fil-cache.
Professjonali
| Eval | 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 | Gemini 3.5 Flash | |||||||
| L-Aħħar Eżami tal-Aġenti | 52 | 7% | 50 | 4% | 50 | 3% | 46 | 9% | 40 | 5% | 45 | 2% | 32 | 1% | — |
| GDPval-AA v2 | 1.747,8 Elo | 1,593 Elo | 1,591.8 Elo | 1,493,7 Elo | 1,759,6 Elo | 1,600,1 Elo | 962 | 3 Elo | 1,348,8 Elo | ||||||
| Kompiti ta’ Konsulenza Maniġerjali (Interni) | 43 | 2% | 37 | 2% | 35 | 4% | 31 | 3% | 35 | 5% | 31 | 6% | 13 | 2% | — |
| Big Finance Bench | 53% | 51% | 36% | 49% | — | 44% | — | — | |||||||
| Indiċi tal-Intelliġenza Artifiċjali tal-Analisi v4 | 1 Punteġġ tal-indiċi | 55 Punteġġ tal-indiċi | 51 | 2 Punteġġ tal-indiċi | 54 | 8 Punteġġ tal-indiċi | 59 | 9 Punteġġ tal-indiċi | 55 | 7 Punteġġ tal-indiċi | 46 | 5 Punteġġ tal-indiċi | 50 | 2 Punteġġ tal-indiċi |
Kodifikazzjoni
| Eval | GPT‑5.6 Sol | GPT‑5.6 Sol Ultra | GPT‑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 | ||||||||
| Indiċi tal-Aġenti tal-Kodifikazzjoni ta’ Artificial Analysis v1.1 | 80 Punteġġ tal-indiċi | — | 77 | 4 Punteġġ tal-indiċi | 74 | 6 Punteġġ tal-indiċi | 76 | 4 Punteġġ tal-indiċi | — | — | 77 | 2 Punteġġ tal-indiċi | 72 | 5 Punteġġ tal-indiċi | 42 | 7 Punteġġ tal-indiċi | ||
| SWE-Bench Pro | 64 | 6% | — | 63 | 4% | 62 | 7% | 59 | 4% | 80 | 3% | 77 | 8% | 80% | 69 | 2% | 54 | 2% |
| DeepSWE v1.1 | 72 | 7% | — | 69 | 6% | 67 | 2% | 67% | — | — | 69 | 7% | 59% | 11 | 8% | |||
| Terminal-Bench 2.1 | 88 | 8% | 91 | 9% | 87 | 4% | 84 | 7% | 85 | 6% | 88% | — | 83 | 1% | 78 | 9% | 70 | 7% |
Xjenza
| Eval | GPT‑5.6 Sol | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 | Claude Mythos 5 | Claude Mythos Preview | Claude Fable 5 | Claude Opus 4.8 |
| MedChemBench | 48.3% | 35% | 30.4% | 35.5% | — | — | — | — |
| LifeSciBench | 59.9% | 56% | 51.2% | 50.4% | — | — | — | — |
| HealthBench Professional | 60.5% | 57.7% | 55.7% | 49.5% | 66% | 64.7% | 60.9% | 53% |
Użu tal-kompjuter
| Eval | GPT‑5.6 Sol | GPT‑5.6 Sol Ultra | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 | Claude Mythos 5 | Claude Mythos Preview | Claude Opus 4.8 | Gemini 3.1 Pro Preview |
| OSWorld 2.0 | 62.6% | — | 50.2% | 45.6% | 47.5% | — | — | 54.8% | — |
| BrowseComp | 90.4% | 92.2% | 87.5% | 83.3% | 84.4% | 88% | 87.9% | 84.3% | 85.9% |
| BenchCAD | 70.6% | — | 62.3% | 63.1% | 44.4% | 38.4% | 35.5% | 27.3% | — |
| BenchCAD (Python tool) | 83.4% | — | 78.2% | 73.9% | 55.8% | 65% | 61% | 51.8% | — |
Ċibersigurtà
| Eval | GPT‑5.6 Sol | GPT‑5.6 Sol Ultra | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 | Claude Mythos 5 | Claude Mythos Preview | Claude Opus 4.8 |
| Capture-the-Flag Challenges | 96.7% | — | 91.8% | 85.2% | 88.1% | — | — | — |
| SEC-Bench Pro | 71.2% | 74.3% | 57.7% | 48.9% | 45.8% | — | — | — |
| CyberGym | 84.5% | — | 81.8% | 77.9% | 81.8% | 83.8% | 83% | 78.1% |
| ExploitBench | 73.5% | — | 52.9% | 33.2% | 47.9% | 78% | 74.2% | 40% |
| ExploitGym | 33.7% | — | 23.2% | 12.4% | 15.1% | — | — | — |
Titjib personali
| Eval | GPT‑5.6 Sol | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 | ||||
| Evalwazzjoni tad-debugging tar-riċerka interna | 68 | 3% | 67 | 8% | 50 | 8% | 50% | |
| KernelGen 1P | 61 | 1% | 49 | 2% | 22 | 4% | 29 | 3% |
| NanoGPT | 9 | 69% | 14 | 5% | 1 | 66% | 2 | 65% |
| PostTrainBench Lite | 50 | 3% | 51 | 5% | 29 | 6% | 38 | 8% |
| Indiċi RSI | 57 | 9% | 56 | 3% | 41 | 9% | 41 | 7% |
Multimodali
| Eval | 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 (mingħajr għodod) | 83% | 80 | 7% | 78 | 4% | 81 | 2% | — | — | 80 | 5% | ||
| MMMU Pro (b'għodod) | 84 | 6% | 82% | 79 | 5% | 83 | 2% | — | — | — | |||
| gdp.pdf | 30 | 7% | 24 | 7% | 22 | 7% | 26% | 29 | 8% | 22 | 5% | 16 | 7% |
Akkademiku
| Eval | GPT‑5.6 Sol | GPT‑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 |
| GPQA Diamond | 94.6% | 92.9% | 92.3% | 93.6% | 94.1% | 94.6% | 92.6% | 92% | 94.3% |
| FrontierMath Livell 1-3 (v2) | 89% | 84.9% | 78.6% | 85.3% | — | — | 87% | 80% | 59.6% |
| FrontierMath Livell 4 (v2) | 83% | 68.3% | 58.5% | 72.5% | — | — | 87.8% | 56.1% | — |
Użu tal-għodda
| Eval | GPT‑5.6 Sol | GPT‑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 | Gemini 3.5 Flash |
| AutomationBench | 18.1% | 15.2% | 14.9% | 12.9% | — | — | 17.4% | 15.5% | — | 14.5% |
| Toolathlon | 58% | 53.1% | 53.4% | 55.6% | 61.7% | 61.1% | 61.7% | 59.9% | 48.8% | — |
Kuntest twil
| Eval | GPT‑5.6 Sol | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 | Claude Mythos 5 | Claude Mythos Preview | Claude Opus 4.8 |
| OpenAI MRCR v2 8-needle 256K-512K | 91.5% | 89.6% | 41.3% | 81.5% | — | — | — |
| OpenAI MRCR v2 8-needle 512K-1M | 73.8% | 72.5% | 41.3% | 74% | — | — | — |
| GraphWalks BFS 256k f1 | 90.7% | 76.9% | 81.3% | 73.7% | 91.1% | 85.7% | 85.9% |
| GraphWalks BFS 1mil f1 | 77.1% | 71.2% | 51.2% | 45.4% | 79.4% | 74.3% | 68.1% |
Raġunament astratt
| Eval | GPT‑5.6 Sol | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 | Claude Opus 4.8 | Gemini 3.1 Pro Preview |
| ARC-AGI-3⁷ | 7.78% | 0.8% | 0.18% | 0.43% | 1.5% | 0.42% |
Awtur
Noti f’qiegħ il-paġna
1. Il-kapaċitajiet ċibernetiċi jiġu evalwati b’salvagwardji mnaqqsa. L-utenti jistgħu jissieħbu fil-programm Trusted Access for Cyber ta’ OpenAI Daybreak biex ikollhom aċċess akbar għal kapaċitajiet ċibernetiċi difensivi.
2. Il-mudelli kollha jiġu evalwati bl-użu tal-harness tal-API ta’ ExploitBench b’5 seeds u kontinwità tar-raġunament.
3. Ħaddimna ExploitGym fuq l-API alfa tagħna, li toħroġ tweġibiet aktar malajr mill-API pubblika tagħna, u mbagħad aġġustajna l-iskala biex taqbel ma' dik tal-API pubblika tagħna. Meta l-latenzi jiġu skalati mill-ġdid għall-veloċitajiet mistennija għall-API pubblika tagħna, dan iwassal biex xi latenzi stmati jaqbżu l-limiti ta’ żmien ta’ sagħtejn u sitt sigħat, minkejja li dawn ġew rispettati b’mod korrett fl-eżekuzzjoni tal-evalwazzjoni. Biex tikseb veloċitajiet aktar mgħaġġla għal xogħol sensittiv għall-ħin, noffru pproċessar bi prijorità fl-API u modalità veloċi f’Codex.
4. Nistmaw il-latenza u l-ispiża tal-API billi nħarsu lejn l-imġiba tal-mudelli tagħna fil-produzzjoni u nissimulaw offline. Dawn l-istimi jieħdu inkunsiderazzjoni d-dettalji tas-sejħiet tal-għodda, it-tokens kampjunati, u t-tokens tal-input. Ir-riżultati fid-dinja reali jistgħu jvarjaw b’mod sostanzjali u jiddependu fuq ħafna fatturi li mhumiex riflessi fis-simulazzjoni tagħna. Nissimulaw il-latenza b’veloċitajiet mgħaġġla tal-API u l-ispiża skont l-ipprezzar regolari tal-API.
5. Mudelli mingħajr tokens tal-output, latenzi jew spejjeż irrappurtati jintwerew bħala linji orizzontali bit-tikek.
6. Fil-każ ta’ multi-aġent, il-latenza tiġi kkalkulata mill-aġent prinċipali, filwaqt li t-totali tat-token tal-output u l-ispejjeż tal-API jinkludu t-token kollha. Ultra jitħaddem b'4 aġenti.
7. Aħna nikkalkulaw il-punteġġi bl-approċċ uffiċjali għall-iskorar deskritt fil-paper HealthBench Professional, li mhuwiex komparabbli mar-riżultati rrappurtati fil-kards tas-sistema ta’ Anthropic.
8. ARC-AGI-3 għal Opus 4.8 tħaddem b’sforz ta’ raġunament għoli u mhux massimu, peress li dan huwa l-uniku riżultat ippubblikat ta’ ARC-AGI-3.
