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(opent in een nieuw venster). 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(opent in een nieuw venster)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(opent in een nieuw venster).
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.
Veiligheidsmaatregelen moeten ook effectief blijven wanneer aanvallers hun tactieken aanpassen. Een bescherming die alleen werkt tegen een vaste set bekende aanvallen is niet robuust genoeg voor een frontiermodel.
Daarom zetten we meer intelligentie en rekenkracht dan ooit in voor veiligheid, waarbij we onze eigen modellen gebruiken om zwakke plekken te vinden en veiligheidsmaatregelen sneller te verbeteren. We hebben meer dan 700.000 A100-equivalente GPU-uren besteed aan geautomatiseerde red teaming, gericht op het vinden van universele jailbreaks: aanvallen die in veel prompts of contexten kunnen werken, niet slechts in één beperkte setting. Door ons te richten op deze moeilijkere, algemenere aanvallen konden we de veiligheidsmaatregelen testen voorbij een vaste set bekende fouten. Zo kunnen we ook veel meer aanvalspatronen onderzoeken dan met alleen menselijke tests mogelijk zou zijn, faalpatronen eerder herkennen en de weg verkorten van het vinden van een zwakke plek naar het verhelpen ervan.
Naast geautomatiseerde red teaming werkten we samen met externe testers om uitgebreide menselijke expert-red teaming uit te voeren, die tijdens de previewperiode wordt voortgezet. Menselijke red teaming vult het geautomatiseerde werk aan door veiligheidsmaatregelen te testen tegen creatieve experts die het model proberen te misbruiken op manieren die onze systemen mogelijk niet voorzien.
Geen enkele evaluatie kan elke productconfiguratie, meerstapsaanval of workflow in de echte wereld weergeven. Daarom hanteren we een snelresponsproces om nieuw ontdekte jailbreaks te reproduceren, beoordelen, prioriteren en verhelpen, en voegen we ze daarna toe aan onze doorlopende evaluaties zodat we in de toekomst op soortgelijke fouten kunnen testen.
Tijdens de preview zijn GPT‑5.6-modellen aanvankelijk beschikbaar via de API en Codex voor een selecte groep vertrouwde partners en organisaties. We zijn van plan ze binnenkort breder beschikbaar te maken voor mensen die ChatGPT, Codex en de API gebruiken.
In dit nieuwe naamgevingssysteem dat met GPT‑5.6 wordt geïntroduceerd, geeft het nummer de generatie van een model aan, terwijl Sol, Terra en Luna duurzame capaciteitsniveaus aanduiden die in hun eigen tempo kunnen voortschrijden. Samen biedt de familie mensen en ontwikkelaars duidelijkere keuzes op het gebied van intelligentie, snelheid en kosten.
GPT‑5.6 wordt per 1 miljoen tokens geprijsd voor drie modelgroottes: Sol is $5 input / $30 output; Terra is $2,50 input / $15 output; en Luna is $1 input / $6 output. GPT‑5.6 introduceert ook voorspelbaardere promptcaching, inclusief ondersteuning voor expliciete cachebreakpoints en een minimale cacheduur van 30 minuten. Voor GPT‑5.6 en latere modellen worden cacheschrijfacties gefactureerd tegen 1,25x het niet-gecachete invoertarief van het model, terwijl cacheleesacties de korting van 90% op gecachete invoer blijven krijgen.
We lanceren in juli ook GPT‑5.6 Sol op Cerebras met maximaal 750 tokens per seconde, waarmee we klanten frontierintelligentie bieden met ongekende snelheid. De toegang wordt aanvankelijk beperkt tot geselecteerde klanten terwijl we de capaciteit uitbreiden.
We kijken ernaar uit om tijdens deze previewperiode te blijven leren en GPT‑5.6 Sol, Terra en Luna binnenkort naar meer mensen te brengen.
1. We schatten latentie en API-kosten door naar het productiegedrag van onze modellen te kijken en offline te simuleren. Deze schattingen houden rekening met details van toolaanroepen, gesamplede tokens en invoertokens. Resultaten in de echte wereld kunnen aanzienlijk verschillen en zijn afhankelijk van veel factoren die niet in onze simulatie zijn meegenomen. We simuleren latentie op hoge API-snelheden en kosten op basis van reguliere API-prijzen.
2. Alle modellen worden geëvalueerd met de ExploitBench API-harness met 5 seeds en redeneringscontinuïteit.
3. We hebben ExploitGym uitgevoerd op onze alpha-API, die sneller antwoorden produceert dan onze publieke API, en vervolgens herschaald om overeen te komen met onze publieke API. Bij het herschalen van latenties naar de snelheden die voor onze publieke API worden verwacht, overschrijden sommige geschatte latenties de tijdslimieten van 2 uur en 6 uur, ondanks dat die in de evaluatierun correct werden nageleefd. Voor hogere snelheden bij tijdgevoelig werk bieden we prioriteitsverwerking in de API en snelle modus in Codex.
4. Modellen zonder gerapporteerde outputtokens, latentie of kosten worden weergegeven als horizontale stippellijnen.
