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(se deschide într-o fereastră nouă). 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(se deschide într-o fereastră nouă)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(se deschide într-o fereastră nouă).
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.
Măsurile de siguranță trebuie să rămână eficiente și atunci când atacatorii își adaptează tacticile. O protecție care funcționează doar pentru un set fix de atacuri cunoscute nu este suficient de robustă pentru un model de vârf.
De aceea aplicăm mai multă inteligență și putere de calcul ca oricând pentru siguranță, folosind propriile noastre modele ca să găsim puncte slabe și să îmbunătățim mai rapid măsurile de siguranță. Am dedicat peste 700.000 de ore GPU echivalent A100 red teamingului automatizat, cu scopul de a găsi jailbreakuri universale: atacuri care pot funcționa în multe solicitări sau contexte, nu doar într-un cadru restrâns. Concentrându-ne pe aceste atacuri mai dificile și mai generale, am putut testa măsurile de siguranță dincolo de un set fix de eșecuri cunoscute. Această abordare ne permite și să explorăm mult mai multe tipare de atac decât ar putea acoperi doar testarea umană, să identificăm mai devreme tiparele de eșec și să scurtăm drumul de la găsirea unei slăbiciuni la remedierea ei.
Pe lângă red teamingul automatizat, am colaborat cu testeri terți pentru a desfășura un red teaming amplu realizat de experți umani, care va continua în perioada de previzualizare. Red teamingul uman completează munca automatizată, testând măsurile de siguranță împotriva unor experți creativi care încearcă să folosească abuziv modelul în moduri pe care sistemele noastre s-ar putea să nu le anticipeze.
Nicio evaluare nu poate reprezenta fiecare configurație de produs, atac în mai mulți pași sau flux de lucru din lumea reală. Prin urmare, menținem un proces de răspuns rapid pentru a reproduce, evalua, prioritiza și remedia jailbreakurile nou descoperite, apoi le adăugăm în evaluările noastre continue pentru a putea testa în viitor eșecuri similare.
În timpul previzualizării, modelele GPT‑5.6 vor fi disponibile inițial prin API și Codex pentru un grup select de parteneri și organizații de încredere. Plănuim să le facem disponibile în curând la scară mai largă pentru persoanele care folosesc ChatGPT, Codex și API-ul.
În acest nou sistem de denumire introdus odată cu GPT‑5.6, numărul identifică generația unui model, iar Sol, Terra și Luna identifică niveluri stabile de capabilitate, care pot avansa în propriul ritm. Împreună, familia oferă oamenilor și dezvoltatorilor opțiuni mai clare în ceea ce privește inteligența, viteza și costul.
GPT‑5.6 are prețuri per 1 milion de tokenuri pentru trei dimensiuni de model: Sol costă 5 $ per intrare / 30 $ per ieșire; Terra costă 2,50 $ per intrare / 15 $ per ieșire; iar Luna costă 1 $ per intrare / 6 $ per ieșire. GPT‑5.6 introduce și o stocare în cache mai predictibilă a solicitărilor, inclusiv suport pentru puncte explicite de întrerupere a cache-ului și o durată minimă de viață a cache-ului de 30 de minute. Pentru GPT‑5.6 și modelele ulterioare, scrierile în cache sunt facturate la 1,25x tariful de intrare necache-uită al modelului, iar citirile din cache continuă să primească reducerea de 90% pentru intrarea cache-uită.
Lansăm și GPT‑5.6 Sol pe Cerebras, cu până la 750 de tokenuri pe secundă în iulie, aducând clienților inteligență de vârf la o viteză fără precedent. Accesul va fi inițial limitat la clienți selectați, pe măsură ce ne extindem capacitatea.
Suntem nerăbdători să continuăm să învățăm din această perioadă de previzualizare și să aducem GPT‑5.6 Sol, Terra și Luna la mai mulți oameni în curând.
1. Estimăm latența și costul API analizând comportamentul în producție al modelelor noastre și simulând offline. Aceste estimări iau în calcul detaliile apelurilor de instrumente, tokenurile eșantionate și tokenurile de intrare. Rezultatele din lumea reală pot varia substanțial și depind de mulți factori care nu sunt surprinși în simularea noastră. Simulăm latența la viteze API rapide și costul la prețurile API obișnuite.
2. Toate modelele sunt evaluate folosind cadrul API ExploitBench cu 5 seeduri și continuitate a raţionamentului.
3. Am rulat ExploitGym pe API-ul nostru alfa, care generează răspunsuri mai rapid decât API-ul nostru public, apoi am rescalat rezultatele pentru a corespunde API-ului nostru public. La rescalarea latențelor la vitezele așteptate pentru API-ul nostru public, unele latențe estimate depășesc limitele de timp de 2 h și 6 h, deși acestea au fost respectate corect în rularea evaluării. Pentru viteze mai mari în activități sensibile la timp, oferim procesare prioritară în API și modul rapid în Codex.
4. Modelele fără tokenuri de ieșire, latență sau cost raportate sunt reprezentate ca linii punctate orizontale.
