GPT‑5.6: Banebrytende intelligens som skalerer med ambisjonene dine

Vi lanserer GPT‑5.6-modellfamilien for generell tilgjengelighet etter vår limited preview⁠: det nye flaggskipet vårt, Sol, sammen med Terra, en balansert modell for hverdagsarbeid, og Luna, den mest kostnadseffektive modellen vår.

GPT‑5.6 Sol setter en ny standard for både intelligens og effektivitet, med resultater på toppnivå innen koding, kunnskapsarbeid, cybersikkerhet og vitenskap, samtidig som den overgår tidligere og konkurrerende banebrytende modeller med færre tokener og til lavere estimert kostnad. Resultatet er bedre ytelse per krone: mer vellykket arbeid for samme pengebruk, eller sammenlignbare resultater til en lavere totalkostnad. Vi introduserer også en ny måte å akselerere det mest krevende arbeidet på: ultra er innstillingen vår med høyest kapasitet, som koordinerer flere agenter på tvers av parallelle arbeidsstrømmer for å fullføre komplekse oppgaver raskere. Mer avansert datamaskinbruk og bedre designskjønn gjør GPT‑5.6 Sol til den mest gjennomarbeidede samarbeidspartneren vår hittil, slik at den kan inspisere, finpusse og levere bruksklare resultater på en enda bedre måte.

Vi trente GPT‑5.6 til å få mer nytte ut av hver token. På Agents’ Last Exam⁠(åpnes i et nytt vindu), en evaluering av langvarige profesjonelle arbeidsflyter på tvers av 55 fagfelt, oppnår GPT‑5.6 Sol en ny toppnotering på 53,6 og overgår Claude Fable 5 (adaptiv resonnering) med 13,1 poeng. Selv med middels resonnering slår den Fable 5 med 11,4 poeng til omtrent en fjerdedel av den anslåtte kostnaden. Denne effektiviteten gjelder også mindre modeller, som er avgjørende for å gjøre intelligens mer utbredt og rimeligere: GPT‑5.6 Terra og GPT‑5.6 Luna overgår Fable 5 til rundt en sekstendedel av kostnaden. På Indeks for kunstig analyseintelligens⁠(åpnes i et nytt vindu), et bredt mål på intelligens som spenner over agentbasert arbeid, koding, vitenskapelig resonnering og generelle evner, ligger GPT‑5.6 Sol med maksimal resonnering mindre enn ett poeng unna Fable 5, samtidig som den fullfører oppgaver på 61 % kortere tid til omtrent halvparten av den estimerte kostnaden.

GPT‑5.6 lanseres med våre hittil mest robuste sikkerhetstiltak, utformet for å motstå målrettet og tilpasningsdyktig misbruk uten å legge brede begrensninger på legitimt arbeid. Før generell tilgjengelighet testet vi modellene og sikkerhetstiltakene i vår mest omfattende evalueringsperiode hittil, der vi kombinerte red-teaming utført av mennesker med automatisert testing i stor skala. Under forhåndsvisningen samarbeidet vi tett med ekspertorganisasjoner og betrodde partnere for å stressteste forsvarsmekanismene og styrke sikkerhetstiltakene før lansering i større skala. Det resulterende systemet kombinerer sikkerhetstiltak som er trent inn i modellen, i flere lag med sanntidskontroller, overvåking og tilgang som er kalibrert etter tillit og risiko.

GPT‑5.6 Sol er vår beste modell hittil. På Artificial Analysis Coding Agent Index, setter GPT‑5.6 Sol med maksimal resonnering en ny toppnotering på 80, 2,8 poeng over Fable 5, samtidig som den bruker mindre enn halvparten så mange utdata-tokener, tar mindre enn halvparten av tiden og koster omtrent en tredjedel mindre. Denne fordelen gjelder for hele familien: Terra ligger så vidt over Fable 5, mens Luna utkonkurrerer Opus 4.8; hver av dem gjør det på omtrent en tredjedel av tiden, med omtrent halvparten så mange utdata-tokener og til rundt en fjerdedel av den anslåtte kostnaden. Den oppnår også nye toppresultater på Terminal‑Bench 2.1 og DeepSWE, som tester komplekse kommandolinjearbeidsflyter og langsiktig utviklingsarbeid i reelle kodebaser.

GPT‑5.6 kan skrive og kjøre lette programmer som koordinerer verktøy, behandler mellomresultater, overvåker fremdrift og velger neste handling etter hvert som arbeidet skrider frem. Dette lar verktøytunge oppgaver komme videre med færre tokener, færre tur-retur-kall til modeller og mindre veiledning. I stedet for å kreve at utviklere skripter hvert trinn eller sender hvert verktøysvar tilbake gjennom modellen, kan programmatisk verktøykalling⁠(åpnes i et nytt vindu) i Responses API filtrere store mengder mellomdata, beholde bare det som er viktig, og tilpasse arbeidsflyten underveis.

For problemer der det lønner seg å investere mer tid og beregningsressurser, kan GPT‑5.6 gå utover denne effektive standardinnstillingen. max gir GPT‑5.6 enda mer tid enn xhigh til å resonnere og utforske alternativer, utføre kontroller og revidere fremgangsmåten sin. ultra går enda lenger ved å koordinere fire agenter parallelt som standard, noe som gir høyere tokenbruk, men også sterkere resultater og kortere tid til resultat på krevende oppgaver. Diagrammene nedenfor sammenligner ultra's standardoppsett med fire agenter med en basislinje med én agent på tvers av BrowseComp, SEC-Bench Pro og Terminal-Bench 2.1. BrowseComp og SEC-Bench Pro viser også konfigurasjoner med 16 agenter. På tvers av alle tre evalueringene forskyver tillegg av parallelle agenter poengsum-latenstiden banebrytende oppover og mot venstre, og gir bedre resultater på kortere tid. I API-et kan utviklere bygge ultralignende opplevelser ved hjelp av multi-agent-betaen i Responses API-en.

GPT‑5.6 leverer et kvantesprang i designmessig dømmekraft. Med kun høy-nivå føringer skaper GPT‑5.6 smakfulle, ergonomiske og funksjonelle grensesnitt. De mer avanserte egenskapene for datamaskinbruk gjør at den kan inspisere og finjustere det gjengitte resultatet – ikke bare generere den underliggende koden eller innholdet – slik at den kan oppdage visuelle og funksjonelle problemer og legge siste hånd på verket før den leverer arbeidet tilbake.

Frontend-funksjonene til GPT‑5.6 gjør det også mulig å omdanne forespørsler på naturlig språk til gjennomarbeidede, interaktive forklaringer og visualiseringer i ChatGPT Work.

GPT‑5.6 leverer bedre resultater for profesjonelle oppgaver. Den tar ustrukturert kontekst fra dokumentene dine og daglige arbeidsflyter som Slack, Notion, Microsoft 365 og Google Drive, og gjør den om til delbare artefakter på ekspertnivå.

GPT‑5.6s styrke innen kunnskapsarbeid kommer til uttrykk i evalueringer som omfatter profesjonell analyse med lang tidshorisont, nettlesing, verktøybruk og datamaskinbruk. GPT‑5.6 Sol oppnår nye ledende resultater på BrowseComp med 92,2 % og OSWorld 2.0 med 62,6 %. På OSWorld overgår den Opus 4.8, samtidig som den bruker 85 % færre utdata-token. Her gjelder forbedringene i ytelse per dollar hele GPT‑5.6-familien. Luna er nesten på høyde med GPT‑5.5s toppytelse til mindre enn halvparten av den estimerte kostnaden, mens Terra overgår den til en lavere kostnad.

GPT‑5.6 Sol forbedrer kvaliteten i presentasjoner, dokumenter og regneark, og produserer resultater som er mer gjennomarbeidede og nøyaktige. Den kan lage fullt redigerbare presentasjoner fra bunnen av, og omforme en prompt og kildemateriale til en sammenhengende visuell fortelling med solide oppsett, tydelig hierarki og gjennomført design.

Forbedringen er spesielt tydelig når man følger maler og referansepresentasjoner. GPT‑5.6 kan utlede en presentasjonsdesignsystem – oppsett, typografi, avstand, farger og gjentakende innholdsmønstre, inkludert regler som er innebygd i lysbildemalen – og bruke disse konvensjonene konsekvent på nytt materiale. I dette eksemplet, når modellen blir bedt om å oppdatere tall basert på en referansefil, mangler GPT‑5.5-utdataene viktige komponenter fra hovedlysbildet, mens GPT‑5.6 følger referansestrukturen mer nøyaktig.

GPT‑5.6 lager også mer visuelt gjennomarbeidede dokumenter og regneark. Den følger komplekse referanseformater mer nøyaktig, noe som er viktig for repeterbare aktiviteter innen kunnskapsarbeid. Den håndterer ligninger og finansielle modeller med større presisjon, og gjør bedre bruk av typografi, avstand, hierarki og layout for sider eller regneark.

De første kundene som testet GPT‑5.6, opplevde forbedringer i resultater innen kunnskapsarbeid på tvers av områder.

GPT‑5.6 er vår sterkeste cybersikkerhetsmodell til nå, og oppnår banebrytende ytelse med betydelig færre tokener. På ExploitBench^2, som måler fremgang fra å nå sårbar kode til kjøring av vilkårlig kode, oppnår den 73,5 % sammenlignet med GPT‑5.5s 47,9 % ved et sammenlignbart utdata-token-budsjett. På ExploitGym³, som ber agenter om å gjøre reelle sårbarheter om til fungerende utnyttelser, nesten dobler den GPT‑5.5s høyeste beståttprosent, fra 15,1 % til 24,9 % innenfor totimersgrensen; med seks timer når den 33,7 %. På SEC-Bench Pro, som tester generering av proof-of-concept for kompleks programvare, oppnår den 71,2 % mot GPT‑5.5s 45,8 % med forbedret latens.

GPT‑5.6 støtter viktige defensive oppgaver som sikker kodegjennomgang, sikkerhetsretting, trusselmodellering og blue teaming. Kvalifiserte enkeltpersoner og organisasjoner i OpenAI Daybreak’s Trusted Access for Cyber--program⁠ kan få tilgang til mer av den defensive kapasiteten gjennom mer presise sikkerhetstiltak for verifisert arbeid i autoriserte miljøer, inkludert triagering og validering av sårbarheter, analyse av skadevare, deteksjonsutvikling og patch-validering.

Enkeltpersoner kan bekrefte identiteten sin og be om pålitelig tilgang⁠(åpnes i et nytt vindu), og organisasjoner kan søke⁠ på vegne av teamene sine. Enkeltmedlemmer må aktivere Avansert kontosikkerhet⁠(åpnes i et nytt vindu) med maskinvarestøttede passnøkler innen 1. september for å beholde tilgangen til våre banebrytende modeller med størst cyberkapasitet. De som ikke gjør det, går tilbake til standardtilgang. Brukere som ikke allerede har maskinvarestøttede passnøkler, kan få fordelspriser⁠(åpnes i et nytt vindu) hos partneren vår, Yubico. Vi iverksetter også ytterligere tiltak for å begrense tilgang for enheter med høy risiko og i jurisdiksjoner med høy risiko.

GPT‑5.6 Sol viser også brede forbedringer innen vitenskapelig forskning. I evalueringer innen livsvitenskap viser GPT‑5.6 Pareto-forbedringer sammenlignet med GPT‑5.5 innen reell biologi, forskningsarbeidsflyter innen livsvitenskap og kjemi.

GPT‑5.6 er vår sterkeste modell så langt for å akselerere KI-forskning. Internt i OpenAI bruker forskere det gjennom hele utviklingssløyfen: til å diagnostisere feil, optimalisere treningssystemer, kjøre eksperimenter og tolke resultater. Vi så allerede denne akselerasjonen og den sterkere bruken i løpet av den interne testperioden for GPT‑5.6, ettersom gjennomsnittlig antall daglige utdata-tokener per aktiv forsker var mer enn dobbelt så høyt som det høyeste nivået som ble observert for GPT‑5.5.

Denne arbeidsmåten er raskt i ferd med å bli standard. I løpet av de siste seks månedene økte andelen av beregningsressurser til forskning som ble viet til intern kode-inferens, med 100 ganger, mens bruken av interne agent-token økte med om lag 22 ganger. Disse adopsjonsmålingene måler ikke forskningsfremdrift i seg selv, men de viser hvor raskt bruken av AI-assistanse øker innen forskning og på tvers av andre team som salg, markedsføring, brukerstøtte, økonomi og mer.

For å måle denne egenskapen direkte utviklet vi et internt sett med evalueringer basert på reelle AI-forskningsoppgaver, inkludert feilsøking av forskningssystemer, optimalisering av kjerner og treningsoppskrifter, kjøring av maskinlæringseksperimenter og forbedring av en annen modell.

Etter hvert som modellens kapasiteter øker, styrker vi sikkerhetsstacken vår slik at avansert intelligens kan forbli bredt nyttig, samtidig som vi anvender strengere kontroll på bruksområdene med høyest risiko. For GPT‑5.6 har vi bygget vårt mest robuste sikkerhetssystem hittil, kalibrert etter hver modells kapabiliteter og drevet av mer datakraft enn noen gang før.

GPT‑5.6‑modellene er mer kapable enn våre tidligere modeller innen både biologi og cybersikkerhet, men krysser ikke den kritiske terskelen i noen av kategoriene. Innen cybersikkerhet tyder testingen vår på at GPT‑5.6 er bedre til å finne og utbedre sårbarheter enn til å pålitelig gjennomføre autonome ende-til-ende-angrep mot herdede mål. Dette gir forsvarere en mulighet til å styrke systemer før svakheter blir utnyttet. Innen biologi tyder testene våre på at GPT‑5.6 kan støtte legitim forskning, men ikke gir den ende-til-ende-kapasiteten som trengs for å skape, konstruere eller syntetisere en svært farlig ny trussel.

Begge domenene har iboende potensial for dobbeltbruk. Innen cybersikkerhet kan de samme egenskapene som kan hjelpe en angriper med å utnytte en sårbarhet, hjelpe en forsvarer med å finne den, gjenskape den og utvikle en pålitelig rettelse. Overblokkering skaper derfor en sikkerhetsrisiko i seg selv. Det kan hindre forsvarere i å teste systemer og rulle ut oppdateringer, samtidig som ondsinnede aktører fortsetter å bruke andre modeller, inkludert stadig mer kapable modeller med åpen kildekode, samt etablerte verktøy. Effektive beskyttelsestiltak tar hensyn til konteksten og de sannsynlige konsekvensene av en forespørsel, bevarer legitimt defensivt arbeid og anvender strengere kontrolltiltak der bevisene indikerer en alvorlig risiko for skade.

GPT‑5.6s sikkerhetstiltak er lagdelte for å gi større nøyaktighet og redundans, og er utformet for å tilpasse seg raskt etter hvert som nye angrep dukker opp. Beskyttelser som er trent inn i modellen, fungerer sammen med sanntidskontroller, kontinuerlig overvåking og håndheving på kontonivå for å bidra til at systemet forblir trygt, selv når et bestemt lag ikke fungerer som tiltenkt. I mange systemer avgjør klassifikatorflagg alene hva som skal blokkeres, basert på modeller med lavere intelligens som er vanskeligere å endre for å forhindre skade. Vår tilnærming legger til en overvåker for resonnering som gjennomgår samtalen for å avgjøre om det finnes et potensial for skade. Denne utformingen er ment å gjøre det mulig å utføre defensivt arbeid samtidig som alvorlig misbruk blokkeres, med de mest sensitive funksjonene forbeholdt verifiserte brukere gjennom Trusted Access. Fordi enkelte beskyttelsestiltak bruker resonnering ved testtid, kan vi raskt oppdatere dem for å tette hull uten å måtte trene opp klassifikatorer på nytt fra bunnen av.

Vi inntar en mer konservativ tilnærming mens vi fortsetter å styrke systemet mot adaptive angrep. Sammenlignet med tidligere modell, blokkerer GPT‑5.6 Sols cybersikkerhetstiltak omtrent ti ganger så mye potensielt skadelig aktivitet. Fordi disse tiltakene kan skape friksjon for legitim bruk, tilbyr vi et alternativ i ChatGPT og Codex for enkelt å prøve prompt på nytt med modeller med lavere kapasitet, og vi vil fortsette å redusere påvirkningen sikkerhetstiltakene våre har på legitim bruk, samtidig som vi opprettholder en høy standard for robusthet. Dette gjenspeiler den iterative tilnærmingen vår til utrulling: å starte forsiktig og forbedre basert på det vi lærer av bruk i praksis.

Før generell tilgjengelighet gjennomførte vi våre hittil mest intensive sikkerhetsevalueringer, inkludert omfattende red teaming, robust testing av kapabiliteter og sikkerhetstiltak med eksterne eksperter, og omtrent 700 000 A100e GPU-timer med automatisert black-box-red teaming. Dette gjorde det mulig for oss å systematisk undersøke sannsynlige svake punkter, avdekke jailbreaks og bidra til å styrke systemet før lansering.

Perfekt sikkerhet finnes ikke, og arbeidet vårt med å sikre stadig mer kapable modeller fortsetter. Nye svakheter vil bli oppdaget, det samme vil nye jailbreaks som omgår eksisterende sikkerhetstiltak. Hver ny modellgenerasjon vil også skape nye muligheter for angrep og misbruk. Vi bygger for den virkeligheten gjennom lagdelte sikkerhetstiltak, kontinuerlig overvåking, rask utbedring og samarbeid på tvers av forsvarsmiljøet. For GPT‑5.6 har vi kombinert våre eksisterende bug bounty-programmer for sikkerhet⁠(åpnes i et nytt vindu) og bug bounty-programmer for biologi⁠ med en ny prosess for rask utbedring og vår mest omfattende overvåkingsinnsats hittil. Funn gjort av forskere, under overvåking og ved misbruk i praksis vil løpende danne grunnlag for nye evalueringer og sterkere sikkerhetstiltak.

Les mer om sikkerhetstiltakene våre i det oppdaterte GPT‑5.6-systemkortet⁠(åpnes i et nytt vindu).

GPT‑5.6 spenner over tre modellnivåer: Sol, som er flaggskipet vårt, Terra, en rimeligere modell med ytelse som er konkurransedyktig med GPT‑5.5, og Luna, den raskeste og rimeligste modellen vår. Tallet identifiserer generasjonen, mens Sol, Terra og Luna er varige kapabilitetsnivåer som kan utvikle seg i eget tempo.

GPT‑5.6 er tilgjengelig fra og med i dag i ChatGPT, Codex og OpenAI API. Utrullingen starter nå globalt og vil fortsette gradvis frem mot full tilgjengelighet i løpet av de neste 24 timene.

• Chat: Plus-, Pro-, Business- og Enterprise-brukere får tilgang til GPT‑5.6 Sol med innstillinger for middels og høy innsats. Pro- og Enterprise-brukere kan også velge GPT‑5.6 Sol Pro for å få resultater av høy kvalitet på komplekse oppgaver.
• ChatGPT Arbeid og Codex: Free- og Go-brukere har tilgang til GPT‑5.6 Terra. Plus-, Pro-, Business- og Enterprise-brukere kan velge blant GPT‑5.6 Sol, Terra og Luna, og angi et innsatsnivå for hver. max er tilgjengelig for alle brukere med tilgang til GPT‑5.6 i ChatGPT Work og Codex, og kan slås på i innstillingene. I ChatGPT Work er ultra tilgjengelig for Pro- og Enterprise-brukere. I Codex er det tilgjengelig for Plus-abonnementer og høyere.
• API: Utviklere kan få tilgang til Sol, Terra og Luna via OpenAI-API-et. I Responses API lar programmatisk verktøykalling GPT‑5.6 skrive og kjøre programmer i minnet som koordinerer verktøy og behandler mellomresultater, noe som gjør det kompatibelt med ingen oppbevaring av data (ZDR). Multiagent, først tilgjengelig i beta, lar GPT‑5.6 kjøre parallelle underagenter og syntetisere arbeidet deres i én enkelt forespørsel.

GPT‑5.6 prissettes per 1M token på tvers av tre modellstørrelser: Sol er $5 for inndata / $30 for utdata; Terra er $2,50 for inndata / $15 for utdata; og Luna er $1 for inndata / $6 for utdata. GPT‑5.6 introduserer også mer forutsigbar prompt-hurtigbufring, inkludert støtte for eksplisitte hurtigbufferbrytepunkter⁠(åpnes i et nytt vindu) og en minimumslevetid på 30 minutter for hurtigbufferen. For GPT‑5.6 og senere modeller faktureres skriving til hurtigbufferen med 1,25x modellens sats for ikke-bufrede inndata, mens lesing fra hurtigbufferen fortsatt får 90 % rabatt for bufrede inndata.