GPT‑5.6: inteligență de vârf care crește odată cu ambiția ta

Lansăm familia de modele GPT‑5.6 în disponibilitate generală, după previzualizarea limitată⁠: noul nostru model de vârf, Sol, alături de Terra, un model echilibrat pentru munca de zi cu zi, și Luna, cel mai eficient model al nostru din punctul de vedere al costurilor.

GPT‑5.6 Sol stabilește un nou standard atât pentru inteligență, cât și pentru eficiență, obținând rezultate de ultimă generație în programare, muncă bazată pe cunoștințe, securitate cibernetică și știință, depășind totodată modelele de vârf anterioare și concurente cu mai puține tokenuri și la un cost estimat mai mic. Rezultatul este o performanță mai bună pe dolar: mai multă muncă de succes pentru aceeași cheltuială sau rezultate comparabile la un cost total mai mic. De asemenea, introducem un nou mod de a accelera cele mai solicitante sarcini: ultra este setarea noastră cu cea mai ridicată capacitate, care coordonează mai mulți agenți în fluxuri de lucru paralele pentru a finaliza mai rapid sarcinile complexe. Gradul de utilizare mai puternică a calculatorului și discernământul în materie de proiectare fac GPT‑5.6 Sol cel mai rafinat colaborator al nostru de până acum, ajutându-l să inspecteze, să rafineze și să livreze rezultate gata de utilizare.

Am antrenat GPT‑5.6 pentru a obține mai multă muncă utilă din fiecare token. În cadrul Agents’ Last Exam⁠(se deschide într-o fereastră nouă), o evaluare a fluxurilor de lucru profesionale de lungă durată în 55 de domenii, GPT‑5.6 Sol stabilește un nou record de 53,6, depășind Claude Fable 5 (raționament adaptiv) cu 13,1 puncte. Chiar și la nivelul mediu de raționament, depășește Fable 5 cu 11,4 puncte, la aproximativ un sfert din costul estimat. Această eficiență se extinde la modelele mai mici, care sunt esențiale pentru a face inteligența mai disponibilă pe scară largă și mai accesibilă ca preț: GPT‑5.6 Terra și GPT‑5.6 Luna depășesc Fable 5 ca performanță la aproximativ o șaisprezecime din cost. Pe Artificial Analysis Intelligence Index⁠(se deschide într-o fereastră nouă), o măsură amplă a inteligenței care acoperă activitatea agentică, codarea, raționamentul științific și capabilitățile generale, GPT‑5.6 Sol cu raționament maxim se situează la un punct de Fable 5, finalizând în același timp sarcinile cu 61% mai repede și la aproximativ jumătate din costul estimat.

GPT‑5.6 este lansat cu cele mai robuste măsuri de protecție ale noastre de până acum, concepute pentru a fi reziliente în fața utilizării abuzive deliberate și adaptative, fără a limita în mod general activitățile legitime. Înainte de disponibilitatea generală, am supus modelele și măsurile de protecție celei mai ample perioade de evaluare de până acum, combinând atacurile simulate realizate de oameni cu testare automatizată la scară largă. În timpul perioadei de previzualizare, am colaborat îndeaproape cu organizații de experți și cu parteneri de încredere pentru a testa riguros mecanismele de apărare și a consolida măsurile de protecție înainte de lansarea la scară mai largă. Sistemul rezultat combină protecțiile integrate în model prin antrenare cu verificări în timp real, monitorizare și acces calibrat în funcție de nivelul de încredere și de risc.

GPT‑5.6 Sol este cel mai bun model al nostru pentru programare de până acum. În Artificial Analysis Coding Agent Index, GPT‑5.6 Sol cu raționament maxim stabilește un nou record la 80, cu 2,8 puncte peste Fable 5, folosind mai puțin de jumătate din tokenurile de ieșire, necesitând mai puțin de jumătate din timp și costând cu aproximativ o treime mai puțin. Acest avantaj se extinde la întreaga familie: Terra are performanțe puțin peste Fable 5, în timp ce Luna depășește Opus 4.8; fiecare reușește acest lucru în aproximativ o treime din timp, cu circa jumătate din numărul de tokenuri de ieșire și la aproximativ un sfert din costul estimat. De asemenea, stabilește noi rezultate de vârf pe Terminal-Bench 2.1 și DeepSWE, care testează fluxuri de lucru complexe în linia de comandă și inginerie pe termen lung în baze de cod reale.

GPT‑5.6 poate scrie și rula programe ușoare care coordonează instrumente, procesează rezultate intermediare, monitorizează progresul și alege următoarea acțiune pe măsură ce lucrul avansează. Acest lucru permite sarcinilor care folosesc intensiv instrumente să progreseze cu mai puține tokenuri, mai puține cicluri de interacțiune cu modelul și mai puțină îndrumare. În loc să le solicite dezvoltatorilor să scrie scripturi pentru fiecare pas sau să trimită fiecare răspuns al instrumentului înapoi prin model, Apelarea programatică a instrumentelor⁠(se deschide într-o fereastră nouă) din API-ul Răspunsuri poate filtra volume mari de date intermediare, poate păstra doar ceea ce contează și își poate adapta fluxul de lucru pe parcurs.

Pentru probleme care necesită o investiție mai mare de timp și resurse de calcul, GPT‑5.6 poate depăși această setare implicită eficientă. max îi oferă lui GPT‑5.6 chiar mai mult timp decât xhigh pentru a raționa și a explora alternative, a rula verificări și a-și revizui abordarea. ultra merge mai departe, coordonând implicit patru agenți în paralel, în schimbul unui consum mai mare de tokenuri pentru rezultate mai solide și un timp mai scurt până la obținerea rezultatului în cazul sarcinilor solicitante. Graficele de mai jos compară configurația implicită cu patru agenți a opțiunii ultra cu configurația de referință cu un singur agent în BrowseComp, SEC-Bench Pro și Terminal-Bench 2.1; BrowseComp și SEC-Bench Pro prezintă și configurații cu 16 agenți. În toate cele trei evaluări, adăugarea de agenți paraleli deplasează curba scor-latență în sus și spre stânga, obținându-se rezultate mai bune într-un timp mai scurt. În API, dezvoltatorii pot crea experiențe asemănătoare cu ultra folosind versiunea beta multiagent din API-ul Răspunsuri.

GPT‑5.6 oferă un salt major în discernământul în materie de proiectare. Cu doar îndrumări generale, GPT‑5.6 creează interfețe rafinate, ergonomice și funcționale. Capacitățile sale mai avansate de utilizare a calculatorului îi permit să inspecteze și să optimizeze rezultatul randat, și nu doar să genereze codul sau conținutul subiacent, astfel încât să poată identifica problemele vizuale și funcționale și să aplice retușurile finale înainte de a preda lucrarea.

Capacitățile de interfață ale GPT‑5.6 transformă, de asemenea, solicitările formulate în limbaj natural în explicații și vizualizări bine structurate și interactive în cadrul ChatGPT Muncă.

GPT‑5.6 oferă rezultate mai bune pentru sarcini profesionale. Preia contextul dezordonat din documentele tale și din fluxurile de lucru de zi cu zi, precum Slack, Notion, Microsoft 365 și Google Drive, și îl transformă în artefacte partajabile, la nivel de expert.

Punctul forte al GPT‑5.6 în munca bazată pe cunoștințe se evidențiază în evaluări care acoperă analiza profesională pe termen lung, navigarea pe internet, utilizarea instrumentelor și utilizarea calculatorului. GPT‑5.6 Sol stabilește noi rezultate de ultimă generație pe BrowseComp, cu 92,2% și pe OSWorld 2.0 , cu 62,6%; pe OSWorld, depășește Opus 4.8 folosind cu 85% mai puține tokenuri de ieșire. Aici, îmbunătățirile de performanță pe dolar se aplică întregii familii GPT‑5.6. Luna aproape egalează performanța maximă a GPT‑5.5 la mai puțin de jumătate din costul estimat, în timp ce Terra o depășește la un cost mai redus.

GPT‑5.6 Sol îmbunătățește calitatea în prezentări, documente și foi de calcul, generând rezultate mai finisate și mai precise. Poate crea de la zero prezentări complet editabile, transpunând o solicitare și materialul sursă într-o narațiune vizuală coerentă, cu machete, ierarhie vizuală și structură de înaltă calitate.

Îmbunătățirea este deosebit de pronunțată atunci când se folosesc șabloane și prezentări de referință. GPT‑5.6 poate deduce sistemul de design al unei prezentări, cum ar fi machete, tipografie, spațiere, culori și modele recurente de conținut, inclusiv reguli încorporate în Coordonatorul de diapozitive, și poate aplica aceste convenții în mod consecvent materialelor noi. În acest exemplu, când i se cere să actualizeze numerele pe baza unui fișier de referință, rezultatul generat de GPT‑5.5 nu include componente-cheie din diapozitivul principal, în timp ce GPT‑5.6 respectă mai fidel structura de referință.

GPT‑5.6 creează, de asemenea, documente și foi de calcul mai rafinate din punct de vedere vizual. Respectă mai fidel formatele complexe de referință, ceea ce este important pentru activitățile repetabile de muncă bazată pe cunoștințe. Gestionează ecuațiile și modelele financiare cu o precizie mai mare și valorifică mai bine tipografia, spațierea, ierarhia și aspectul paginii sau al foii de lucru.

Primii clienți care au testat GPT‑5.6 au observat îmbunătățiri ale rezultatelor activităților intelectuale în diverse domenii.

GPT‑5.6 este cel mai puternic model al nostru de securitate cibernetică de până acum, atingând performanțe de vârf cu semnificativ mai puține tokenuri. Pe ExploitBench^2, care măsoară progresul de la atingerea codului vulnerabil până la execuția de cod arbitrar, acesta obține un scor de 73,5%, față de scorul GPT‑5.5 de 47,9% la un buget comparabil de tokenuri de ieșire. În cadrul evaluării ExploitGym³, în care agenții trebuie să transforme vulnerabilități reale în exploatări funcționale, modelul aproape dublează rata maximă de reușită a GPT‑5.5, de la 15,1% la 24,9% în limita de timp de două ore; cu șase ore, ajunge la 33,7%. Pe SEC-Bench Pro, care testează generarea de demonstrații de concept pentru programe informatice complexe, obține 71,2% față de scorul GPT‑5.5 de 45,8% la o latență îmbunătățită.

GPT‑5.6 sprijină sarcini defensive importante, cum ar fi revizuirea securizată a codului, aplicarea actualizărilor de corectare, modelarea amenințărilor și activitățile de tip „echipă albastră”. Persoanele și organizațiile eligibile din programul Trusted Access for Cyber al OpenAI Daybreak⁠ pot accesa o parte mai mare din capacitatea sa defensivă prin măsuri de protecție mai precise pentru activități verificate în medii autorizate, inclusiv triajul și validarea vulnerabilităților, analiza programelor rău-intenționate, ingineria detecției și validarea actualizărilor de corectare.

Persoanele fizice pot să își verifice identitatea și să solicite acces pe bază de încredere⁠(se deschide într-o fereastră nouă), iar organizațiile pot aplica⁠ pentru echipele lor. Membrii individuali vor trebui să activeze Securitatea avansată a contului⁠(se deschide într-o fereastră nouă) cu chei de acces bazate pe echipamente fizice până la 1 septembrie pentru a-și păstra accesul la modelele noastre de vârf cu cele mai avansate capabilități cibernetice; cei care nu fac acest lucru vor reveni la accesul implicit. Utilizatorii care nu au deja chei de acces bazate pe echipamente fizice pot beneficia de prețuri preferențiale⁠(se deschide într-o fereastră nouă) de la partenerul nostru, Yubico. Luăm, de asemenea, măsuri suplimentare pentru a restricționa accesul entităților cu risc ridicat și în jurisdicțiile cu risc ridicat.

GPT‑5.6 Sol prezintă, de asemenea, îmbunătățiri ample în domeniul cercetării științifice. În evaluările din domeniul științelor vieții, GPT‑5.6 demonstrează îmbunătățiri Pareto față de GPT‑5.5 în biologie din lumea reală, fluxuri de lucru de cercetare în științele vieții și chimie.

GPT‑5.6 este cel mai performant model al nostru de până acum pentru accelerarea cercetării în domeniul inteligenței artificiale . În cadrul OpenAI, cercetătorii îl folosesc pe tot parcursul ciclului de dezvoltare: diagnosticarea eșecurilor, optimizarea sistemelor de antrenare, rularea experimentelor și interpretarea rezultatelor. Am observat deja această accelerare și adoptare mai puternică în perioada de testare internă a GPT‑5.6, deoarece numărul mediu zilnic de tokenuri de ieșire pe cercetător activ a fost de peste două ori mai mare decât cel mai înalt nivel observat pentru GPT‑5.5.

Acest mod de lucru devine rapid o practică standard. În ultimele șase luni, ponderea resurselor de calcul pentru cercetare dedicate inferenței interne pentru programare a crescut de 100 de ori, în timp ce utilizarea internă a tokenurilor agentice a crescut de aproximativ 22 de ori. Acești indicatori de adoptare nu măsoară în sine progresul cercetării, dar arată cât de rapid crește utilizarea asistenței oferite de inteligența artificială în domeniul cercetării și în cadrul altor echipe, precum vânzări, marketing, operațiuni pentru utilizatori, finanțe și altele.

Pentru a măsura direct această capacitate, am dezvoltat o suită internă de evaluări bazate pe sarcini reale de cercetare în domeniul AI, inclusiv depanarea sistemelor de cercetare, optimizarea kernel-urilor și a rețetelor de antrenare, derularea experimentelor de învățare automată și îmbunătățirea unui alt model.

Pe măsură ce capacitățile modelelor cresc, ne consolidăm sistemul de siguranță, astfel încât inteligența avansată să rămână utilă pe scară largă, aplicând în același timp o supraveghere mai strictă asupra utilizărilor cu cel mai ridicat nivel de risc. Pentru GPT‑5.6, am construit cel mai robust sistem de siguranță de până acum, calibrat în funcție de capacitățile fiecărui model și susținut de mai multe resurse de calcul ca oricând.

Modelele GPT‑5.6 sunt mai capabile decât modelele noastre anterioare atât în biologie, cât și în securitate cibernetică, dar nu depășesc pragul „Critic” în niciuna dintre categorii. În securitatea cibernetică, testele noastre sugerează că GPT‑5.6 este mai bun la identificarea și remedierea vulnerabilităților decât la executarea fiabilă a unor atacuri autonome, complete, împotriva unor ținte securizate, oferindu-le apărătorilor o oportunitate de a consolida sistemele înainte ca slăbiciunile să fie exploatate. În domeniul biologiei, testele noastre sugerează că GPT‑5.6 poate sprijini cercetarea legitimă, dar nu oferă capacitatea completă necesară pentru a crea, proiecta sau sintetiza o amenințare nouă extrem de periculoasă.

Ambele domenii sunt, prin natura lor, cu dublă utilizare. În securitatea cibernetică, aceleași capabilități care ar putea ajuta un atacator să exploateze o vulnerabilitate pot ajuta un apărător să o găsească, să o reproducă și să construiască o remediere fiabilă. Prin urmare, blocarea excesivă creează un risc de securitate în sine. Acest lucru îi poate împiedica pe apărători să testeze sistemele și să implementeze actualizări de corectare, în timp ce actorii rău intenționați continuă să utilizeze alte modele, inclusiv modele cu sursă deschisă din ce în ce mai capabile, precum și instrumente consacrate. Măsurile de protecție eficiente țin cont de contextul și de consecințele probabile ale unei solicitări, păstrând activitatea defensivă legitimă, aplicând totodată controale mai stricte acolo unde dovezile indică un risc grav de prejudiciu.

Măsurile de siguranță ale GPT‑5.6 sunt structurate pe mai multe niveluri, pentru o acuratețe și o redundanță sporite, și sunt concepute să se adapteze rapid pe măsură ce apar noi atacuri. Măsurile de protecție integrate în model prin antrenare funcționează împreună cu verificările în timp real, monitorizarea continuă și aplicarea regulilor la nivel de cont, pentru a ajuta sistemul să rămână sigur chiar și atunci când un anumit strat nu funcționează conform intenției. În multe sisteme, doar semnalele clasificatorului decid ce trebuie blocat, bazându-se pe modele cu un nivel mai scăzut de inteligență, care sunt mai greu de modificat pentru a preveni daunele. Abordarea noastră adaugă un monitor de raționament care analizează conversația pentru a determina dacă există potențial de prejudiciu. Această structură este concepută pentru a permite activități defensive, blocând în același timp utilizările abuzive grave, cele mai sensibile capabilități fiind rezervate utilizatorilor verificați prin Trusted Access. Deoarece unele mecanisme de protecție folosesc raționament la momentul testării, le putem actualiza rapid pentru a remedia lacunele fără a reantrena clasificatorii de la zero.

Adoptăm o abordare mai conservatoare pe măsură ce continuăm să consolidăm sistemul împotriva atacurilor adaptive. În comparație cu modelele anterioare, măsurile noastre de securitate cibernetică GPT‑5.6 Sol blochează de aproximativ zece ori mai multe activități potențial dăunătoare. Deoarece aceste măsuri pot crea dificultăți pentru utilizarea de bună credință, oferim în ChatGPT și Codex o opțiune care permite repetarea cu ușurință a solicitărilor folosind modele cu capacități mai reduse și vom continua să reducem impactul măsurilor noastre de protecție asupra utilizării de bună credință, menținând în același timp un standard ridicat de robustețe. Acest lucru reflectă abordarea noastră iterativă privind implementarea: începând prudent și îmbunătățind pe baza a ceea ce învățăm din utilizarea în condiții reale.

Înainte de disponibilitatea generală, am derulat cele mai intensive evaluări de siguranță de până în prezent, inclusiv atacuri simulate extinse, testarea robustă a capabilităților și a măsurilor de protecție împreună cu experți externi și aproximativ 700.000 de ore de atacuri simulate automatizate de tip „cutie neagră” cu GPU A100e. Acest lucru ne-a permis să sondăm sistematic potențialele puncte slabe, să identificăm jailbreak-uri și să consolidăm sistemul înainte de lansare.

Nu există securitate perfectă, iar munca noastră pentru securizarea modelelor din ce în ce mai capabile continuă. Vor fi descoperite noi puncte slabe, precum și noi jailbreak-uri care ocolesc măsurile de protecție existente. Fiecare nouă generație de model va crea, de asemenea, noi posibilități de atac și utilizare abuzivă. Construim având în vedere această realitate, prin măsuri de protecție pe mai multe niveluri, monitorizare continuă, remediere rapidă și colaborare în cadrul comunității de apărare. Pentru GPT‑5.6, am combinat programele noastre existente de recompense⁠(se deschide într-o fereastră nouă) pentru erorile de securitate și biologie⁠ cu un nou proces de remediere rapidă și cu cel mai puternic efort de monitorizare de până acum. Constatările cercetătorilor, rezultatele monitorizării și cazurile de utilizare abuzivă din practică vor sta la baza unor noi evaluări și a unor măsuri de protecție mai stricte, în mod continuu.

Citește mai multe despre măsurile noastre de protecție în fișa de sistem actualizată pentru GPT‑5.6⁠(se deschide într-o fereastră nouă).

GPT‑5.6 acoperă trei niveluri de modele: Sol, modelul nostru emblematic; Terra, un model cu costuri mai reduse, cu performanțe competitive cu cele ale GPT‑5.5 și Luna, cel mai rapid și mai accesibil model al nostru. Numărul identifică generația, în timp ce Sol, Terra și Luna sunt niveluri stabile de capacitate care pot evolua în ritmul lor propriu.

GPT‑5.6 este disponibil începând de astăzi în ChatGPT, Codex și API-ul OpenAI. Lansarea începe acum la nivel global și va continua treptat până la disponibilitatea completă în următoarele 24 de ore.

• Discuție: utilizatorii Plus, Pro, Business și Enterprise au acces la GPT‑5.6 Sol cu setările de efort medie și ridicată. Utilizatorii Pro și Enterprise pot selecta și GPT‑5.6 Sol Pro pentru rezultate de calitate ridicată în sarcini complexe.
• ChatGPT Muncă și Codex: utilizatorii Free și Go au acces la GPT‑5.6 Terra. Utilizatorii Plus, Pro, Business și Enterprise pot alege dintre GPT‑5.6 Sol, Terra și Luna, apoi stabilesc un nivel de efort pentru fiecare. max este disponibil pentru toți utilizatorii cu acces la GPT‑5.6 în ChatGPT Muncă și Codex și poate fi activat din setări. În ChatGPT Muncă, ultra este disponibil pentru utilizatorii Pro și Enterprise. În Codex, este disponibil pentru planurile Plus și superioare.
• API: dezvoltatorii pot accesa Sol, Terra și Luna prin API-ul OpenAI. În API-ul Răspunsuri, apelarea programatică a instrumentelor îi permite lui GPT‑5.6 să scrie și să ruleze în memorie programe care coordonează instrumente și procesează rezultate intermediare, asigurând compatibilitatea cu zero date păstrate (ZDR). Opțiunea multiagent, disponibilă inițial în versiune beta, permite GPT‑5.6 să ruleze subagenți în paralel și să sintetizeze rezultatele activității acestora într-o singură solicitare.

GPT‑5.6 are un preț pe 1 milion de tokenuri pentru trei modele: Sol costă 5 $ pe intrare/30 $ pe ieșire; Terra costă 2,50 $ pe intrare/15 $ pe ieșire; iar Luna costă 1 $ pe intrare/6 $ pe ieșire. GPT‑5.6 introduce, de asemenea, o memorare în cache mai predictibilă a solicitărilor, inclusiv compatibilitate pentru puncte de întrerupere explicite ale memoriei cache⁠(se deschide într-o fereastră nouă) și o durată minimă de viață a memoriei cache de 30 de minute. Pentru GPT‑5.6 și modelele ulterioare, scrierile în memoria cache sunt facturate la 1,25x tariful de intrare fără memoria cache a modelului, în timp ce citirile din memoria cache continuă să beneficieze de reducerea de 90% pentru tokenurile de intrare din memoria cache.