Rozpoczynamy ograniczoną wersję próbną serii GPT‑5.6: Sol – model podstawowy, Terra – model zrównoważony do codziennych zastosowań; Luna – model szybki i przystępny cenowo. Model Terra osiąga wyniki porównywalne z GPT‑5.5 przy dwukrotnie niższych kosztach, natomiast Luna oferuje solidne możliwości przy najniższej możliwej cenie.
GPT‑5.6 Sol debiutuje z naszym najbardziej odpornym jak dotąd pakietem zabezpieczeń. Wzmocniliśmy ochronę przed działaniami wyższego ryzyka, wrażliwymi zapytaniami dotyczącymi cyberbezpieczeństwa i powtarzającymi się nadużyciami. Przez wiele tygodni szukaliśmy podatności, poddawaliśmy nasz system testom i wzmacnialiśmy jego odporność na rzeczywiste scenariusze ataków.
Wierzymy, że zaawansowana sztuczna inteligencja powinna być szeroko dostępna, dlatego planujemy udostępnić modele GPT‑5.6 Sol, Terra i Luna wszystkim użytkownikom w nadchodzących tygodniach. W ramach naszej stałej współpracy z rządem Stanów Zjednoczonych przedstawiliśmy nasze plany i możliwości modeli przed premierą. Na prośbę administracji zaczynamy od ograniczonego okresu próbnego dla niewielkiej grupy zaufanych partnerów, których udział został zgłoszony władzom. W tym czasie będziemy nadal testować i ściśle koordynować działania z partnerami, przygotowując się do pełnej premiery. Nie uważamy jednak, że taki model wcześniejszego udostępniania organom rządowym powinien być standardem. Opóźnia to dostęp do najlepszych narzędzi użytkownikom, programistom, przedsiębiorstwom, specjalistom ds. cyberbezpieczeństwa i globalnym partnerom. Decydujemy się na ten krótkoterminowy etap, ponieważ wierzymy, że jest to najlepsza droga do szerokiego udostępnienia modeli w najbliższych tygodniach, równolegle z pracami administracji nad nowymi ramami wykonawczymi dotyczącymi cyberbezpieczeństwa oraz wypracowaniem powtarzalnej procedury dla przyszłych premier modeli AI.
GPT‑5.6 Sol to nasz najmocniejszy model jak dotąd. Aby zaprezentować jego możliwości, udostępniamy zestaw ewaluacji podkreślających ulepszone możliwości agentowe w programowaniu, biologii i cyberbezpieczeństwie, a kolejne ewaluacje bezpieczeństwa i gotowości są dostępne w naszej karcie systemu(otwiera nowe okno). Pełniejszy zestaw rezultatów opublikujemy wraz z szerokim udostępnieniem modelu.
W GPT‑5.6 wprowadzamy nowy poziom nakładu rozumowania – `max`, który daje modelowi Sol więcej czasu na głębszą analizę. Wprowadzamy także nowy tryb `ultra`, który wykracza poza możliwości pojedynczego agenta, wykorzystując podagenty do przyspieszania złożonych zadań.
W zadaniach programistycznych GPT‑5.6 Sol ustanawia nowy rekord na benchmarku Terminal‑Bench 2.1, który testuje procesy w środowisku wiersza poleceń, wymagające planowania, iteracji i koordynacji narzędzi.
GPT‑5.6 Sol wykazuje również wyraźną poprawę w zadaniach biologicznych. W benchmarku GeneBench v1, którzy ocenia skuteczność analiz genomiki i biologii ilościowej wymagających długiego ciągu rozumowania, model osiąga lepsze wyniki niż GPT‑5.5, zużywając przy tym mniej tokenów.
GPT‑5.6 Sol to nasz najbardziej zaawansowany jak dotąd model w zakresie cyberbezpieczeństwa. Przesuwa granicę wydajności i efektywności w złożonych zadaniach obejmujących analizę podatności oraz opracowywanie metod ich wykorzystania. W ExploitBench² GPT‑5.6 Sol jest konkurencyjny wobec modelu Mythos Preview, używając tylko około jednej trzeciej tokenów wyjściowych. W ExploitGym(otwiera nowe okno)3, benchmarku stworzonym przez badaczy z UC Berkeley we współpracy z OpenAI i innymi pionierskimi laboratoriami, modele GPT‑5.6 Sol, Terra i Luna wykazują znaczący wzrost możliwości w obszarze cyberbezpieczeństwa wraz ze zwiększaniem poziomu nakładu rozumowania.
Opracowaliśmy GPT‑5.6 Sol, Terra i Luna z wykorzystaniem najbardziej zaawansowanego zestawu zabezpieczeń w historii OpenAI, w konfiguracjach dopasowanych do możliwości każdego modelu. Wraz ze wzrostem możliwości modelu projektujemy zabezpieczenia tak, aby coraz lepiej wytrzymywały presję przeciwników w realnym świecie, zachowując dostęp do uzasadnionych zadań, takich jak przegląd kodu, badanie podatności, tworzenie poprawek, debugowanie, edukacja z zakresu bezpieczeństwa i testy defensywne. Naszym celem jest utrudnienie, zwiększenie niepewności i wykrywalności zabronionej aktywności ofensywnej bez niepotrzebnego ograniczania legalnych zastosowań. Na podstawie naszej oceny modelu i zabezpieczeń spodziewamy się istotnych korzyści dla uzasadnionej pracy obronnej przy jednoczesnym znaczącym ograniczeniu zabronionych zastosowań ofensywnych.
GPT‑5.6 Sol lepiej pomaga użytkownikom znajdować i naprawiać podatności niż samodzielnie przeprowadzać kompletne ataki od początku do końca. W miarę dalszego rozwoju tych możliwości naszym priorytetem jest zapewnienie, aby trafiały one do obrońców, którzy mogą wykorzystywać je do wykrywania słabych punktów, przygotowywania poprawek oraz wzmacniania bezpieczeństwa infrastruktury.
GPT‑5.6 Sol nie przekracza progu Cyber Critical w ramach naszych ram gotowości. W ewaluacjach obejmujących Chromium i Firefox model zidentyfikował błędy i prymitywy eksploatacji – elementy składowe exploita – ale w testowanych warunkach nie wygenerował w pełni funkcjonalnego łańcucha ataku. Należy pamiętać, że benchmarki nie są w stanie uchwycić każdego sposobu użycia modelu ani połączenia go z innymi narzędziami. Właśnie dlatego wzrost możliwości modelu łączymy z silniejszymi zabezpieczeniami oraz stopniowym procesem udostępniania. Więcej szczegółów o naszych zabezpieczeniach przedstawiamy w karcie systemu GPT‑5.6 Preview(otwiera nowe okno).
Żadne pojedyncze zabezpieczenie nie wystarczy wobec zdeterminowanych lub adaptujących się przeciwników. W wersji próbnej GPT‑5.6 stosujemy wielowarstwowy system zabezpieczeń, którego konfiguracja różni się w zależności od modelu i jest regularnie testowana pod kątem rzeczywistych scenariuszy ataków. System obejmuje zabezpieczenia bezpośrednio w modelu, kontrole w czasie generowania odpowiedzi, sygnały dotyczące kont, zróżnicowany dostęp, monitorowanie, egzekwowanie zasad i ciągłe testy bezpieczeństwa.
Modele GPT‑5.6 zostały wytrenowane tak, aby odmawiać pomocy w niedozwolonych działaniach z zakresu cyberbezpieczeństwa, także gdy użytkownicy próbują ukryć swoje intencje lub zastosować obejścia. Te zabezpieczenia na poziomie modelu wyznaczają pierwszą granicę, określając zakres dozwolonej pomocy.
Klasyfikatory nadużyć cybernetycznych i biologicznych działające w czasie rzeczywistym zapewniają kolejną warstwę ochrony, oceniając dane wyjściowe w trakcie ich generowania. W przypadkach wyższego ryzyka, jeśli wykryją potencjalne naruszenie, generowanie może zostać wstrzymane, a cała rozmowa wraz z jej kontekstem zostanie przekazana do analizy przez większy model rozumujący. Jeśli odpowiedź zostanie uznana za niedozwoloną, nie trafi do użytkownika.
Oznaczona aktywność może także uruchomić przegląd na poziomie konta, obejmujący odpowiednie rozmowy i sygnały ryzyka, zgodnie z naszym regulaminem i zasadami dotyczącymi przechowywania oraz przeglądu treści. Analiza szerszego kontekstu pozwala odróżnić uporczywe działania o charakterze złośliwym od legalnych prac związanych z bezpieczeństwem, w których podobne zagadnienia techniczne mogą pojawiać się w całkowicie odmiennym celu.
Połączenie wszystkich tych warstw zapewnia znacznie większą odporność niż jakikolwiek pojedynczy mechanizm ochronny. Zachowanie modelu zmniejsza prawdopodobieństwo szkodliwych odpowiedzi, systemy działające w czasie rzeczywistym mogą interweniować podczas generowania treści, przegląd na poziomie konta może identyfikować szersze wzorce, a zróżnicowany dostęp pozwala zachować ważną pracę defensywną bez domyślnego szerokiego udostępniania najbardziej wrażliwych możliwości.
Zwłaszcza w okresie próbnym użytkownicy mogą napotkać zabezpieczenia, które blokują lub odrzucają niektóre zapytania. Niektóre odpowiedzi mogą być również generowane dłużej, ponieważ system będzie przeprowadzał dodatkową analizę. Zdarza się także, że mechanizmy ochronne ingerują w legalne działania, szczególnie w obszarach podwójnego zastosowania, gdzie aktywność defensywna i ofensywna może początkowo wyglądać podobnie.
To właśnie jeden z głównych celów wersji próbnej. Chcemy sprawdzić nie tylko to, czy zabezpieczenia ograniczają możliwości nadużyć, lecz także czy użytkownicy mogą nadal sprawnie wykonywać dozwolone działania. Opinie z okresu próbnego pomogą nam ograniczyć niepotrzebne blokady i opóźnienia, ulepszyć sposób, w jaki mechanizmy zabezpieczeń interpretują kontekst, oraz zapewnić płynniejsze działanie modeli przed ich szerokim udostępnieniem.
Współpracujemy też z klientami korporacyjnymi nad rozwiązaniami długoterminowymi, w tym wykrywaniem chroniącym prywatność, kontrolami bezpieczeństwa obsługiwanymi przez klientów oraz dostępem dostosowanym do poziomu ryzyka konkretnego klienta, użytkownika lub rodzaju wykonywanego zadania. Naszym celem jest dalsze wzmacnianie bezpieczeństwa przy jednoczesnym zachowaniu wymagań przedsiębiorstw w zakresie prywatności.
Zabezpieczenia muszą pozostawać skuteczne także wtedy, gdy atakujący zmieniają taktykę. Ochrona, która działa tylko wobec stałego zestawu znanych ataków, nie jest wystarczająco odporna dla modelu klasy pionierskiej.
Dlatego przeznaczamy na bezpieczeństwo więcej inteligencji i mocy obliczeniowej niż kiedykolwiek wcześniej, używając własnych modeli do szybszego znajdowania słabości i usprawniania zabezpieczeń. Przeznaczyliśmy ponad 700 tys. godzin pracy akceleratorów GPU klasy NVIDIA A100 na zautomatyzowane kontrolowane ataki ukierunkowane na znajdowanie uniwersalnych obejść zabezpieczeń: ataków, które mogą działać w wielu poleceniach lub kontekstach, a nie tylko w jednym wąskim scenariuszu. Skupienie się na tych trudniejszych, bardziej ogólnych atakach pozwoliło nam testować zabezpieczenia poza stałym zestawem znanych błędów. Dzięki temu mogliśmy przeanalizować znacznie więcej wzorców ataków niż byłoby możliwe wyłącznie przy udziale ludzi, wcześniej identyfikować schematy błędów i skracać drogę od znalezienia podatności do wdrożenia odpowiednich zabezpieczeń.
Oprócz zautomatyzowanych kontrolowanych ataków współpracowaliśmy z zewnętrznymi testerami. Prowadzili oni szeroko zakrojone testy bezpieczeństwa, które będą kontynuowane w okresie próbnym. Kontrolowane ataki prowadzone przez ludzi uzupełniają działania automatyczne, testując zabezpieczenia wobec kreatywnych scenariuszy nadużyć, których nasze systemy mogłyby nie przewidzieć.
Żadna ewaluacja nie jest w stanie odzwierciedlić każdej konfiguracji produktu, wieloetapowego ataku ani rzeczywistego przepływu pracy. Dlatego utrzymujemy proces szybkiej reakcji, aby odtwarzać, oceniać, priorytetyzować i usuwać nowo odkryte obejścia zabezpieczeń, a następnie dodawać je do naszych bieżących ewaluacji, by w przyszłości wykrywać podobne podatności.
W okresie próbnym modele GPT‑5.6 będą początkowo dostępne za pośrednictwem API i Codex dla wybranej grupy zaufanych partnerów oraz organizacji. Planujemy wkrótce udostępnić je szerzej osobom korzystającym z ChatGPT, Codex i API.
W nowym systemie nazewnictwa wprowadzonym wraz z GPT‑5.6 liczba wskazuje generację modelu, a nazwy Sol, Terra i Luna oznaczają trwałe poziomy możliwości, które mogą rozwijać się niezależnie od siebie. Taki podział ma ułatwić użytkownikom i programistom wybór odpowiedniego kompromisu między możliwościami modelu, szybkością działania i kosztami.
Cennik GPT‑5.6 za 1 mln tokenów obejmują trzy rozmiary modelu: Sol kosztuje 5 USD za tokeny wejściowe i 30 USD za tokeny wyjściowe; Terra 2,50 USD za tokeny wejściowe i 15 USD za tokeny wyjściowe; a Luna 1 USD za tokeny wejściowe i 6 USD za tokeny wyjściowe. GPT‑5.6 wprowadza też bardziej przewidywalne buforowanie poleceń, w tym obsługę jawnych punktów przerwania pamięci podręcznej i minimalny 30-minutowy czas życia pamięci podręcznej. W przypadku GPT‑5.6 i późniejszych modeli zapisy do pamięci podręcznej są rozliczane według stawki wynoszącej 125% ceny za dane wejściowe bez buforowania, a odczyty z pamięci podręcznej nadal objęte są 90-procentową zniżką za buforowane dane wejściowe.
W lipcu uruchamiamy też GPT‑5.6 Sol na platformie Cerebras, który będzie osiągał prędkość do 750 tokenów na sekundę, dostarczając klientom pionierską AI z bezprecedensową szybkością. Dostęp będzie początkowo ograniczony do wybranych klientów, a następnie stopniowo rozszerzany wraz ze wzrostem zasobów.
Z niecierpliwością czekamy na wnioski z okresu próbnego i planujemy wkrótce udostępnić modele GPT‑5.6 Sol, Terra i Luna znacznie szerszemu gronu użytkowników.
1. Szacujemy opóźnienie i koszt API na podstawie zachowania naszych modeli w środowisku produkcyjnym oraz symulacji offline. Szacunki uwzględniają szczegóły wywołań narzędzi, liczbę wygenerowanych tokenów oraz tokenów wejściowych. Rzeczywiste wyniki mogą się znacznie różnić i zależą od wielu czynników nieuwzględnionych w naszej symulacji. Symulujemy opóźnienie przy dużych prędkościach API, a koszt według standardowego cennika.
2. Wszystkie modele są oceniane przy użyciu otoczenia operacyjnego ExploitBench API z 5 losowymi przebiegami i ciągłością rozumowania.
3. Uruchomiliśmy ExploitGym przy użyciu wewnętrznego API w wersji alfa, które generuje odpowiedzi szybciej niż publiczne API, a następnie przeskalowaliśmy wyniki do prędkości oczekiwanych dla publicznego API. W efekcie niektóre szacowane opóźnienia przekraczają limity 2 i 6 godzin, mimo że w przebiegu ewaluacji zostały one zachowane. Dla zastosowań wymagających niższych opóźnień oferujemy priorytetowe przetwarzanie w API i tryb szybki w Codex.
4. Modele bez zgłoszonych tokenów wyjściowych, opóźnienia lub kosztu są przedstawione jako poziome linie przerywane.
