Estamos a iniciar uma pré-visualização limitada da série GPT‑5.6: Sol, o nosso modelo principal; Terra, um modelo equilibrado para o trabalho do dia a dia; e Luna, um modelo rápido e acessível. O Terra oferece desempenho competitivo face ao GPT‑5.5 sendo 2x mais barato, e o Luna traz capacidades fortes ao nosso custo mais baixo.
O GPT‑5.6 Sol é lançado com o nosso conjunto de segurança mais robusto até à data. Reforçámos proteções para atividades de maior risco, pedidos ciber sensíveis e uso indevido repetido, e passámos várias semanas a encontrar fragilidades, a testar o nosso sistema sob pressão e a fortalecê-lo contra ataques reais.
Acreditamos no acesso amplo e planeamos disponibilizar o GPT‑5.6 Sol, Terra e Luna de forma geral nas próximas semanas. No âmbito do nosso contacto contínuo com o governo dos EUA, apresentámos previamente os nossos planos e as capacidades dos modelos antes do lançamento de hoje. A pedido desse governo, estamos a começar com uma pré-visualização limitada para um pequeno grupo de parceiros de confiança cuja participação foi comunicada ao governo, antes de uma disponibilização mais ampla. Durante esta pré-visualização, continuaremos a testar e a coordenar estreitamente com os parceiros enquanto trabalhamos para uma disponibilidade mais ampla. Não acreditamos que este tipo de processo de acesso governamental deva tornar-se a norma a longo prazo. Ele afasta as melhores ferramentas de utilizadores, programadores, empresas, defensores ciber e parceiros globais que precisam delas. Estamos a dar este passo de curto prazo porque acreditamos que é o caminho mais forte para uma disponibilidade mais ampla nas próximas semanas, enquanto trabalhamos com a Administração para desenvolver o enquadramento da Ordem Executiva ciber e um processo repetível para futuros lançamentos de modelos.
O GPT‑5.6 Sol é o nosso modelo mais forte até agora. Para dar uma pré-visualização do desempenho do modelo, partilhamos um conjunto de avaliações que destacam capacidades agênticas melhoradas em programação, biologia e cibersegurança, com avaliações adicionais de segurança e preparação disponíveis no nosso system card(abre numa nova janela). Partilharemos um conjunto alargado de resultados de avaliação quando disponibilizarmos o modelo de forma ampla.
Com o GPT‑5.6, estamos a introduzir um novo esforço de raciocínio `max` para dar ao Sol o máximo tempo para raciocinar em profundidade. Além disso, estamos a introduzir um novo modo `ultra`, que vai além das capacidades de um único agente ao recorrer a subagentes para acelerar trabalho complexo.
Para fluxos de trabalho de programação, o GPT‑5.6 Sol estabelece um novo estado da arte no Terminal‑Bench 2.1, que testa fluxos de trabalho de linha de comandos que exigem planeamento, iteração e coordenação de ferramentas.
O GPT‑5.6 Sol também mostra melhorias amplas em fluxos de trabalho de biologia. No GeneBench v1, que avalia análises de genómica de longo horizonte e de biologia quantitativa, alcança resultados mais fortes do que o GPT‑5.5 usando menos tokens.
O GPT‑5.6 Sol é o nosso modelo mais capaz até agora para cibersegurança. Desloca a fronteira entre desempenho e eficiência em tarefas de segurança de longo horizonte, incluindo investigação de vulnerabilidades e exploração. No ExploitBench², o GPT‑5.6 Sol é competitivo com o Mythos Preview usando apenas cerca de 1/3 dos tokens de saída. No ExploitGym(abre numa nova janela)3, um benchmark criado por investigadores da UC Berkeley em colaboração com a OpenAI e outros laboratórios de fronteira, os modelos GPT‑5.6 Sol, Terra e Luna demonstram todos fortes melhorias nas capacidades ciber à medida que aumentamos o raciocínio.
Desenvolvemos o GPT‑5.6 Sol, Terra e Luna com as nossas salvaguardas mais robustas até à data, com configurações ajustadas às capacidades de cada modelo. À medida que o modelo se torna mais capaz, concebemos salvaguardas para resistirem cada vez melhor à pressão adversarial do mundo real, preservando o acesso a trabalho legítimo como revisão de código, investigação de vulnerabilidades, desenvolvimento de correções, depuração, educação em segurança e testes defensivos. O nosso objetivo é tornar a atividade ofensiva proibida mais difícil, incerta e detetável, sem limitar desnecessariamente esses usos benéficos. Com base na nossa avaliação do modelo e das salvaguardas, esperamos benefícios substanciais para trabalho defensivo legítimo, ao mesmo tempo que restringimos de forma significativa o uso ofensivo proibido.
O GPT‑5.6 Sol é melhor a ajudar pessoas a encontrar e corrigir vulnerabilidades do que a executar de forma fiável ataques completos de ponta a ponta. À medida que estas capacidades continuam a avançar, a nossa prioridade é garantir que chegam aos defensores e os beneficiam, permitindo-lhes usar estas ferramentas para encontrar fragilidades, desenvolver correções e reforçar sistemas de forma mais ampla.
O GPT‑5.6 Sol não ultrapassa o limiar Cyber Critical ao abrigo do nosso Preparedness Framework. Em avaliações que envolveram o Chromium e o Firefox, identificou bugs e primitivas de exploração — os blocos de construção de um exploit — mas não produziu autonomamente um exploit funcional de cadeia completa nas condições testadas. Ainda assim, os limiares dos benchmarks não conseguem captar todas as formas como um modelo pode ser usado ou combinado com outras ferramentas. Essa incerteza, juntamente com o salto mais amplo nas capacidades do modelo, é a razão pela qual estamos a acompanhar as maiores capacidades do modelo com salvaguardas mais fortes e um lançamento faseado. Partilhamos mais detalhes sobre as nossas salvaguardas no system card da pré-visualização do GPT‑5.6(abre numa nova janela).
Nenhuma salvaguarda isolada é suficiente contra uso indevido determinado ou adaptativo. Em toda a pré-visualização do GPT‑5.6, usamos salvaguardas em camadas, com configurações exatas que variam entre modelos, e testamo-las sob pressão contra ataques reais. Estas incluem proteções treinadas no modelo, verificações em tempo real durante a geração, sinais ao nível da conta, acesso diferenciado, monitorização, aplicação de regras e testes contínuos.
O GPT‑5.6 é treinado para recusar assistência ciber proibida, inclusive quando os utilizadores tentam disfarçar a sua intenção ou fazer jailbreak ao modelo. Estas salvaguardas ao nível do modelo estabelecem a primeira fronteira em torno daquilo em que o modelo deve ou não deve ajudar.
Classificadores em tempo real de uso indevido ciber e biológico fornecem outra camada ao avaliar a saída enquanto é gerada. Em casos de maior risco, se detetarem uma potencial violação, a geração pode ser interrompida enquanto um modelo de raciocínio maior revê a conversa e o seu contexto. Se a saída for avaliada como não permitida, é retida antes de chegar ao utilizador.
A atividade sinalizada também pode desencadear uma revisão ao nível da conta em conversas e sinais de risco relevantes, em conformidade com os nossos termos e políticas sobre retenção e revisão de conteúdos. Olhar para além de uma única conversa ajuda os nossos sistemas a distinguir comportamento malicioso persistente de trabalho de segurança legítimo de dupla utilização, em que conceitos técnicos semelhantes podem surgir em contextos muito diferentes.
Em conjunto, estas camadas tornam a abordagem global mais robusta do que qualquer salvaguarda isolada. O comportamento do modelo reduz a probabilidade de respostas nocivas, os sistemas em tempo real podem intervir durante a geração, a revisão ao nível da conta pode identificar padrões mais amplos e o acesso diferenciado preserva trabalho defensivo importante sem disponibilizar por defeito as capacidades mais sensíveis de forma ampla.
Especialmente durante a pré-visualização, os utilizadores podem encontrar salvaguardas que bloqueiam ou recusam alguns pedidos. Outros pedidos podem demorar mais porque a geração é interrompida para revisão adicional. As salvaguardas podem, por vezes, intervir em trabalho legítimo, sobretudo em áreas de dupla utilização onde a atividade defensiva e ofensiva pode inicialmente parecer semelhante.
Isso faz parte do que a pré-visualização foi concebida para testar. Queremos perceber não só se as salvaguardas restringem o uso indevido, mas também se os utilizadores legítimos conseguem continuar a concluir trabalho normal de forma fiável e eficiente. O feedback durante a pré-visualização ajudar-nos-á a reduzir bloqueios e atrasos desnecessários, melhorar a forma como as salvaguardas interpretam o contexto e criar uma experiência mais fluida antes de um lançamento mais amplo.
Também estamos a trabalhar com clientes empresariais em abordagens de mais longo prazo — incluindo deteção que preserva a privacidade, controlos de segurança operados pelo cliente e acesso calibrado ao risco de um cliente, utilizador ou carga de trabalho — para promover a segurança enquanto apoiamos os requisitos de privacidade das empresas.
As salvaguardas também têm de continuar eficazes quando os atacantes adaptam as suas táticas. Uma proteção que só funciona contra um conjunto fixo de ataques conhecidos não é suficientemente robusta para um modelo de fronteira.
É por isso que estamos a aplicar mais inteligência e computação do que nunca à segurança, usando os nossos próprios modelos para encontrar fragilidades e melhorar as salvaguardas mais rapidamente. Dedicámos mais de 700 000 horas de GPU equivalentes a A100 a red teaming automatizado para encontrar jailbreaks universais: ataques que podem funcionar em muitos prompts ou contextos, não apenas numa configuração limitada. Ao focarmo-nos nestes ataques mais difíceis e mais gerais, conseguimos testar as salvaguardas para além de um conjunto fixo de falhas conhecidas. Isto também nos permite explorar muito mais padrões de ataque do que os testes humanos, por si só, conseguiriam abranger, identificar padrões de falha mais cedo e encurtar o caminho entre encontrar uma fragilidade e corrigi-la.
Além do red-teaming automatizado, trabalhámos com testadores externos para realizar um vasto red teaming humano especializado, que continuará durante o período de pré-visualização. O red-teaming humano complementa o trabalho automatizado ao testar as salvaguardas contra especialistas criativos que tentam usar indevidamente o modelo de formas que os nossos sistemas poderiam não antecipar.
Nenhuma avaliação consegue representar todas as configurações de produto, ataques em várias etapas ou fluxos de trabalho reais. Por isso, mantemos um processo de resposta rápida para reproduzir, avaliar, priorizar e corrigir jailbreaks recém-descobertos, acrescentando-os depois às nossas avaliações contínuas para podermos testar falhas semelhantes no futuro.
Durante a pré-visualização, os modelos GPT‑5.6 estarão inicialmente disponíveis através da API e do Codex para um grupo selecionado de parceiros e organizações de confiança. Planeamos disponibilizá-los em breve de forma mais ampla a quem usa o ChatGPT, o Codex e a API.
Neste novo sistema de nomes introduzido com o GPT‑5.6, o número identifica a geração de um modelo, enquanto Sol, Terra e Luna identificam níveis de capacidade duradouros que podem evoluir ao seu próprio ritmo. Em conjunto, a família oferece a pessoas e programadores escolhas mais claras entre inteligência, velocidade e custo.
O GPT‑5.6 tem preços por 1 M de tokens em três tamanhos de modelo: Sol custa $5 por entrada / $30 por saída; Terra custa $2,50 por entrada / $15 por saída; e Luna custa $1 por entrada / $6 por saída. O GPT‑5.6 também introduz uma cache de prompts mais previsível, incluindo suporte para pontos de interrupção explícitos da cache e uma duração mínima de cache de 30 minutos. Para o GPT‑5.6 e modelos posteriores, as escritas na cache são faturadas a 1,25x a tarifa de entrada sem cache do modelo, enquanto as leituras da cache continuam a beneficiar do desconto de 90% para entradas em cache.
Também vamos lançar o GPT‑5.6 Sol na Cerebras, em julho, com até 750 tokens por segundo, levando inteligência de fronteira aos clientes a uma velocidade sem precedentes. Inicialmente, o acesso será limitado a clientes selecionados enquanto aumentamos a capacidade.
Estamos entusiasmados por continuar a aprender com este período de pré-visualização e por levar em breve o GPT‑5.6 Sol, Terra e Luna a mais pessoas.
1. Estimamos a latência e o custo da API analisando o comportamento em produção dos nossos modelos e simulando offline. Estas estimativas têm em conta detalhes das chamadas de ferramentas, tokens amostrados e tokens de entrada. Os resultados no mundo real podem variar substancialmente e dependem de muitos fatores não captados pela nossa simulação. Simulamos a latência a velocidades rápidas da API e o custo com preços normais da API.
2. Todos os modelos são avaliados com o harness da API ExploitBench, com 5 sementes e continuidade de raciocínio.
3. Executámos o ExploitGym na nossa API alfa, que produz respostas mais depressa do que a nossa API pública, e depois redimensionámos os resultados para corresponderem à nossa API pública. Ao redimensionar latências para as velocidades esperadas da nossa API pública, algumas latências estimadas ultrapassam os limites de tempo de 2 h e 6 h, apesar de esses limites terem sido corretamente cumpridos na execução da avaliação. Para obter velocidades superiores em trabalho sensível ao tempo, oferecemos processamento prioritário na API e modo rápido no Codex.
4. Os modelos sem tokens de saída, latência ou custo reportados são apresentados como linhas pontilhadas horizontais.
