De bouwersgids voor GPT‑5.6
Technische lessen van startups in productie
De GPT‑5.6‑modelfamilie maakt grensverleggende agentprestaties veel betaalbaarder en verlegt tegelijk de grens van wat mogelijk is.
In deze gids laten we zien hoe startups met slimmere modelselectie en nieuwe API-mogelijkheden voor consistente redenering, multi-agentorchestratie en programmatische toolaanroepen sneller betere agents bouwen tegen een fractie van de kosten.
Sinds GPT‑5 is elke modelgeneratie erop gericht taken met een langere tijdshorizon met minder tokens uit te voeren. GPT‑5.6 zet die ontwikkeling voort: betere agentprestaties en lagere kosten, met minimale aanpassingen aan de onderliggende harness.
De hogere kostenefficiëntie gaat bovendien gepaard met een grotere nauwkeurigheid bij minder intensieve redenering. Bij Agents' Last Exam presteerde GPT‑5.6 Sol met "lage" redenering bijvoorbeeld beter dan GPT‑5.5 met "hoge" redenering, bij een ongewijzigde harness. We hebben vergelijkbare successen gezien in productietests, waarbij startups aanzienlijke kostenbesparingen in uiteenlopende workflows melden nadat ze de intensiteit van de redenering ten opzichte van de eerdere standaardinstellingen verlaagden.
Historisch gezien was voor toepassingen met een lange tijdshorizon upgraden naar een vlaggenschipmodel met de krachtigste beschikbare redenering de beste keuze. Dat kwam grotendeels doordat deze modellen veel beter dan kostengeoptimaliseerde modellen overweg konden met langere contexten en toolaanroepen. Met de 5.6-familie is dat veranderd: met meer rekenkracht tijdens inferentie presteren Luna en Terra vaak ongeveer even goed als GPT‑5.4 en 5.5, maar tegen aanzienlijk lagere kosten.
Neem de taken in BrowseComp, een zoekbenchmark die test hoe goed een model obscure feiten kan vinden. Drie maanden geleden behaalde GPT‑5.5 (Zeer Hoog) op deze benchmark een score van 84,36% tegen totale kosten van $ 33,27. Bij de lancering levert GPT‑5.6 Luna (Zeer Hoog) vrijwel dezelfde prestaties: een score van 84,04% tegen $ 1,33 aan kosten. Sindsdien hebben we de prijzen verder verlaagd. Lees meer over onze nieuwste prijsverlagingen.
De kleinere modellen uit de 5.6-familie zijn zeer geschikt voor workloads met grote volumes, interacties waarbij lage latency belangrijk is en herhaalde stappen binnen agentworkflows. Stel dat je een legaltechstartup runt die handgeschreven memo's verwerkt voordat agents ze analyseren. In plaats van voor de hele toepassing een grensverleggend model te gebruiken, kun je Terra of Luna nu inzetten voor extractie en zo aanzienlijk besparen.
We hebben GPT‑5.6 niet alleen direct betere prestaties gegeven, maar ook nieuwe bouwstenen aan de Responses API toegevoegd om verdere verbeteringen mogelijk te maken. We hebben GPT‑5.6 end-to-end getraind met drie aanvullende architecturale ingrepen waarmee agents efficiënter kunnen werken:
- Hergebruik eerder uitgevoerd werk: door redenering tussen aanroepen te bewaren(opent in een nieuw venster) en ingebouwde compaction(opent in een nieuw venster) te gebruiken om lange gesprekken te comprimeren, kan het model bij langdurige taken consistent blijven werken zonder in de war te raken of eerdere context opnieuw te moeten opbouwen.
- Splits werk waar passend parallel op: met ingebouwde multi-agentorchestratie(opent in een nieuw venster) kunnen meerdere agents in parallelle werkstromen worden gecoördineerd om complexe taken sneller af te ronden.
- Verplaats deterministisch werk naar code: gebruik programmatische toolaanroepen(opent in een nieuw venster) om tooluitvoer buiten het contextvenster van het model te filteren, samen te voegen en te orkestreren. Zo blijven modeltokens beschikbaar voor oordeelsvorming en nemen kosten, latency en contextvervuiling af.
Samen kunnen deze mogelijkheden een enorm verschil maken. Op ARC-AGI-3 behaalde GPT‑5.6 Sol met de standaard-harness bijvoorbeeld een score van 13,3%. Na het inschakelen van bewaarde redenering en compaction steeg de score echter naar 38,3%, met ongeveer zes keer minder uitvoertokens. Geen wijzigingen aan het model, maar bijna drie keer betere prestaties. Lees hier meer over ons onderzoek naar de ARC-AGI-3-harness.
Agentworkflows omvatten vaak twee soorten werk:
- Taken die oordeelsvorming vereisen
- Werk dat vooral bestaat uit het verplaatsen, filteren en combineren van gegevens
Wanneer een agent 100 bedrijfsdocumenten ophaalt, ze op datum filtert en relevante transacties identificeert, zou het model niet elk tussenresultaat in zijn contextvenster hoeven te analyseren. Met programmatische toolaanroepen kan GPT‑5.6 JavaScript schrijven om tools te orkestreren, onafhankelijke aanroepen parallel uit te voeren en de uitvoer buiten het contextvenster te verwerken. Zo kan het model zich richten op wat intelligentie vereist: oordeelsvorming.
Bij complexe taken die parallel kunnen worden uitgevoerd, zorgt de verdeling van acties en redenering over meerdere agentwerkstromen voor een snellere voltooiing en betere resultaten. In deze configuraties is de primaire agent verantwoordelijk voor het orkestreren van de subagents en het delegeren van taken. De subagents werken parallel aan hun doelen en sturen hun uitvoer uiteindelijk terug naar de primaire agent voor de eindsynthese. Teams kunnen ingebouwde multi-agentmogelijkheden gaan gebruiken door multi-agent in te schakelen(opent in een nieuw venster) in de Responses API. Zo werkt ook de Ultra-capaciteitsinstelling in ChatGPT.
“Qualia zet teams van agents in voor open onderzoeksproblemen, en met GPT‑5.6 Sol viel alles op zijn plek. Het presteerde duidelijk beter dan GPT‑5.5, was sneller klaar dan bijna elk ander model dat we testten en werd al snel ons vaste OpenAI-model.”
“GPT‑5.6 is de beste orchestrator die we tot nu toe van OpenAI hebben gezien. We legden het zes specificaties tegelijk voor — om ze allemaal uit te schrijven, te bouwen en te bespreken — en het hield alles bij zonder kwaliteitsverlies.”
Hoewel GPT‑5.6 goed kan bepalen hoeveel subagents nodig zijn en wanneer het die moet starten, is het multi-agentgedrag zeer goed aan te sturen. Door het model te instrueren wanneer het subagents moet inschakelen, neemt de kans toe dat het alleen agents start wanneer de extra tokens daadwerkelijk betere prestaties opleveren.
Voor de hele modelfamilie is de TTL van de promptcache verlengd tot minimaal 30 minuten. Ook kunnen cachebreekpunten nu deterministisch in het contextvenster van een model worden ingesteld. Hierdoor hebben startups hun cachetrefferpercentage aanzienlijk kunnen verhogen.
Naast het instellen van cachebreekpunten vergroot het gebruik van een geschikte prompt_cache_key(opent in een nieuw venster) de kans dat aanvragen terechtkomen bij dezelfde inferentie-engine die eerder hetzelfde voorvoegsel verwerkte. Dat verlaagt de latency.
Wat in al deze voorbeelden opvalt, is hoe sterk de economische haalbaarheid van het bouwen van agents is veranderd.
Toepassingen waarvoor vroeger bij elke stap een grensverleggend model nodig was, kunnen nu vergelijkbare of betere resultaten behalen tegen een fractie van de kosten door kleinere modellen te gebruiken, de intensiteit van de redenering af te stemmen en efficiënte architectuurkeuzes te maken.
We kijken ernaar uit om te zien wat jullie bouwen!
- 2026
- API-platform
Over de auteurs
Deze gids is ontwikkeld door Samarth Madduru(opent in een nieuw venster), Prashant Mital(opent in een nieuw venster), Dave Leo(opent in een nieuw venster) en Julien Reiman(opent in een nieuw venster), op basis van hun ervaring met de nauwe begeleiding van startups die vanaf de eerste tests tot en met productie op GPT‑5.6 bouwen.
