GPT‑5.6: Передовой искусственный интеллект, соразмерный вашим амбициям

Мы запускаем семейство моделей GPT‑5.6 в общий доступ после ограниченного предварительного просмотра⁠: нашу новую флагманскую модель Sol, а также Terra — сбалансированную модель для повседневной работы и Luna — нашу самую экономичную модель.

GPT‑5.6 Sol устанавливает новый стандарт как для интеллекта, так и для эффективности, достигая передовых результатов (SOTA) в программировании, интеллектуальном труде, кибербезопасности и науке, при этом превосходя предыдущие и конкурирующие флагманские модели с меньшим количеством токенов и меньшей расчетной стоимостью. Результатом является более высокая производительность на каждый доллар: больший объем успешно выполненной работы при тех же затратах или сопоставимые результаты при меньшей общей стоимости. Мы также представляем новый способ ускорить выполнение самых ресурсоёмких задач: ultra — это наш режим с самым высоким уровнем возможностей, который координирует нескольких агентов в параллельных рабочих потоках, чтобы быстрее завершать сложные задачи. Более развитые навыки управления компьютером и развитое дизайнерское чутье делают GPT‑5.6 Sol нашим самым совершенным помощником на сегодняшний день, позволяя модели анализировать, совершенствовать и выдавать полностью готовые к использованию результаты.

Мы обучили GPT‑5.6, чтобы получать больше пользы с каждого токена. В Agents’ Last Exam⁠(открывается в новом окне), оценке длительных профессиональных рабочих процессов в 55 областях, GPT‑5.6 Sol достигает нового рекордного результата 53,6, опережая Claude Fable 5 (адаптивные рассуждения) на 13,1 пункта. Даже при среднем уровне рассуждения она превосходит Fable 5 на 11,4 пункта при примерно одной четверти оценочной стоимости. Эта эффективность распространяется и на модели меньшего размера, которые крайне важны для того, чтобы сделать искусственный интеллект более распространённым и доступным: GPT‑5.6 Terra и GPT‑5.6 Luna превосходят Fable 5 примерно в одну шестнадцатую от стоимости. В Artificial Analysis Intelligence Index⁠(открывается в новом окне), широком показателе интеллекта, охватывающем агентную работу, программирование, научные рассуждения и общие возможности, GPT‑5.6 Sol с максимальным уровнем рассуждений находится в пределах одного балла от Fable 5, при этом выполняя задачи на 61 % меньше времени и с примерно вдвое меньшей оценочной стоимостью.

GPT‑5.6 выходит с нашими самыми надежными на сегодняшний день механизмами защиты, разработанными так, чтобы противостоять целенаправленным и адаптивным попыткам злоупотребления, не ограничивая при этом добросовестную работу в широком смысле. Перед общедоступным выпуском мы провели самый масштабный на сегодняшний день цикл оценки моделей и механизмов защиты, объединив red teaming с участием людей с крупномасштабным автоматизированным тестированием. В период предварительного тестирования мы тесно сотрудничали с экспертными организациями и доверенными партнерами, чтобы провести стресс-тестирование защитных механизмов и усилить меры безопасности перед более широким запуском. Итоговая система дополняет меры защиты, заложенные в модель при обучении, проверками в реальном времени, мониторингом и доступом, настроенным с учетом уровня доверия и риска.

GPT‑5.6 Sol — наша лучшая модель для программирования на сегодняшний день. В Artificial Analysis Coding Agent Index GPT‑5.6 Sol с максимальным уровнем рассуждения устанавливает новый передовой результат — 80 баллов, что на 2,8 пункта выше, чем Fable 5, — при этом используя менее половины выходных токенов, затрачивая менее половины времени и обходясь примерно на треть дешевле. Это преимущество распространяется на всё семейство: Terra показывает результат немного выше, чем Fable 5, а Luna превосходит Opus 4.8; в каждом случае это достигается примерно за треть времени, с примерно вдвое меньшим количеством выходных токенов и приблизительно за одну четверть ориентировочной стоимости. Она также показывает лучшие на текущий момент результаты в Terminal‑Bench 2.1 и DeepSWE, которые проверяют сложные рабочие процессы в командной строке и долгосрочные инженерные задачи в реальных кодовых базах.

GPT‑5.6 может писать и запускать легковесные программы, которые координируют инструменты, обрабатывают промежуточные результаты, отслеживают ход выполнения и выбирают следующее действие по мере выполнения работы. Это позволяет задачам с интенсивным использованием инструментов продвигаться с меньшим количеством токенов, меньшим числом обращений к модели и меньшим количеством указаний. Вместо того чтобы требовать от разработчиков писать сценарии для каждого шага или передавать каждый ответ инструмента обратно через модель, программный вызов инструментов⁠(открывается в новом окне) в Responses API может фильтровать большие объёмы промежуточных данных, сохранять только то, что действительно важно, и адаптировать рабочий процесс по ходу выполнения.

Для задач, где оправданы большие вложения времени и вычислительных ресурсов, GPT‑5.6 может выходить за рамки этого стандартного эффективного режима. Режим max предоставляет GPT‑5.6 еще больше времени, чем xhigh, для рассуждения, изучения альтернативных вариантов, проведения проверок и корректировки своего подхода. ultra идёт ещё дальше: по умолчанию координирует работу четырёх агентов параллельно, расходуя больше токенов ради более качественных результатов и сокращения времени до получения результата в сложных задачах. На диаграммах ниже сравнивается стандартная конфигурация ultra с четырьмя агентами с базовым вариантом с одним агентом в BrowseComp, SEC-Bench Pro и Terminal-Bench 2.1; для BrowseComp и SEC-Bench Pro также показаны конфигурации с 16 агентами. Во всех трёх оценках добавление параллельных агентов смещает передовой «балл — задержка» вверх и влево, позволяя получать более высокие результаты за меньшее время. В API разработчики могут создавать опыт, похожий на ultra, с помощью бета-версии многоагентной функциональности в Responses API.

GPT‑5.6 обеспечивает качественный скачок в принятии дизайнерских решений. Получая лишь указания высокого уровня, GPT‑5.6 создает эстетичные, эргономичные и функциональные интерфейсы. Более развитые возможности работы с компьютером позволяют системе проверять и дорабатывать отрендеренный результат, а не только генерировать лежащий в его основе код или контент, благодаря чему она может выявлять визуальные и функциональные проблемы и вносить финальные штрихи перед тем, как вернуть выполненную работу.

Возможности фронтенда GPT‑5.6 также преобразуют запросы на естественном языке в качественно оформленные интерактивные объяснения и визуализации в ChatGPT Работа.

GPT‑5.6 обеспечивает более высокие результаты при решении профессиональных задач. Он берет разрозненный контекст из ваших документов и повседневных рабочих процессов, таких как Slack, Notion, Microsoft 365 и Google Drive, и преобразует его в материалы экспертного уровня, которыми можно делиться.

Сильные стороны GPT‑5.6 в интеллектуальной работе проявляются в оценках, охватывающих долгосрочный профессиональный анализ, работу в браузере, использование инструментов и работу с компьютером. GPT‑5.6 Sol устанавливает новые рекордные результаты на BrowseComp — 92,2 % и на OSWorld 2.0 — 62,6 %; на OSWorld она превосходит Opus 4.8, используя на 85 % меньше выходных токенов. В данном случае прирост производительности на доллар распространяется на всё семейство GPT‑5.6. Luna почти соответствует уровню GPT‑5.5 Пиковая производительность при стоимости ниже половины ориентировочной, тогда как Terra превосходит этот результат при более низкой стоимости.

GPT‑5.6 Sol повышает качество презентаций, документов и электронных таблиц, создавая более проработанные и точные результаты. Он может создавать полностью редактируемые презентации с нуля, преобразуя промпт и исходные материалы в цельное визуальное повествование с выразительными макетами, иерархией и дизайном.

Улучшение особенно заметно при использовании шаблонов и референсных презентаций. GPT‑5.6 может распознавать дизайн-систему презентации — макеты, типографику, интервалы, цвета и повторяющиеся шаблоны контента, включая правила, заложенные в образце слайдов, — и последовательно применять эти соглашения к новым материалам. В этом примере при запросе обновить числовые значения на основе эталонного файла в выводе GPT‑5.5 отсутствуют ключевые компоненты мастер‑слайда, тогда как GPT‑5.6 точнее следует эталонной структуре.

GPT‑5.6 также создает более визуально проработанные документы и электронные таблицы. Сложные форматы ссылок соблюдаются точнее, что важно для повторяемых задач, связанных с профессиональными знаниями. Система точнее работает с уравнениями и финансовыми моделями, а также лучше использует типографику, интервалы, иерархию и макет страницы или рабочего листа.

Первые клиенты, тестировавшие GPT‑5.6, отметили улучшения результатов интеллектуальной работы в различных областях.

GPT‑5.6 — наша самая мощная на сегодняшний день модель для кибербезопасности, достигающая передового уровня производительности при использовании значительно меньшего количества токенов. В ExploitBench^2, который оценивает прогресс от достижения уязвимого кода до выполнения произвольного кода, она набирает 73,5 % против показателя GPT‑5.5 47,9 % при сопоставимых затратах выходных токенов. В ExploitGym³, где перед агентами ставится задача превращать реальные уязвимости в работающие эксплойты, она почти удваивает максимальный показатель успешного прохождения модели GPT‑5.5 — с 15,1% до 24,9% в рамках двухчасового лимита времени. При увеличении лимита до шести часов этот показатель достигает 33,7%. В SEC-Bench Pro, который тестирует генерацию подтверждений концепции (PoC) для сложного программного обеспечения, результат составляет 71,2 % против результата GPT‑5.5 45,8 % при меньшей задержке.

GPT‑5.6 поддерживает важные задачи по защите, такие как анализ кода на безопасность, устранение уязвимостей, моделирование угроз и работа в составе синей команды. Прошедшие проверку специалисты и организации, участвующие в программе OpenAI Daybreak’s Trusted Access for Cyber⁠, могут получить расширенный доступ к её защитным возможностям благодаря более точным механизмам безопасности для верифицированной работы в авторизованных средах, включая оценку и приоритизацию уязвимостей, валидацию, анализ вредоносного ПО, разработку систем обнаружения и проверку патчей.

Частные лица могут подтвердить свою личность и запросить доверенный доступ⁠(открывается в новом окне), а организации — подать заявку⁠ для своих команд. Чтобы сохранить доступ к нашим самым мощным, передовым ИИ-моделям, обладающим продвинутыми возможностями в сфере кибербезопасности, индивидуальным пользователям необходимо будет до 1 сентября включить функцию расширенной безопасности учетной записи⁠(открывается в новом окне) с использованием аппаратных ключей доступа. Для тех, кто этого не сделает, уровень доступа будет снижен до стандартного. Пользователи, у которых еще нет аппаратных ключей доступа, могут воспользоваться специальными ценовыми условиями⁠(открывается в новом окне) от нашего партнера — компании Yubico. Мы также предпринимаем дополнительные меры для ограничения доступа лицам и организациям, представляющим высокий риск, а также в юрисдикциях с высоким уровнем риска.

GPT‑5.6 Sol также демонстрирует значительные улучшения в области научных исследований. В оценках по наукам о жизни GPT‑5.6 демонстрирует улучшения по Парето по сравнению с GPT‑5.5 в реальных задачах по биологии, исследовательских рабочих процессах в области наук о жизни и химии.

GPT‑5.6 — наша самая мощная модель на сегодняшний день, созданная для ускорения исследований в области ИИ. Внутри OpenAI исследователи применяют её на протяжении всего цикла разработки: диагностики сбоев, оптимизации систем обучения, проведения экспериментов и интерпретации результатов. Мы уже зафиксировали это ускорение и рост активности в период внутреннего тестирования GPT‑5.6: среднее ежедневное количество токенов на одного активного исследователя более чем в два раза превысило максимальный показатель, зафиксированный для GPT‑5.5.

Такой подход к работе быстро становится стандартом. За последние шесть месяцев доля вычислительных мощностей для исследований, выделяемая на внутренний инференс кода, выросла в 100 раз, в то время как использование токенов внутренними ИИ-агентами увеличилось примерно в 22 раза. Эти показатели внедрения сами по себе не измеряют прогресс исследований, но они показывают, насколько быстро растёт использование ИИ — как для исследований, так и в других командах, включая продажи, маркетинг, поддержку пользователей, финансы и другие направления.

Чтобы напрямую оценить эти возможности, мы разработали внутренний набор тестов на основе реальных задач ИИ-исследований. Сюда входят отладка исследовательских систем, оптимизация ядер и алгоритмов обучения, проведение экспериментов по машинному обучению, а также улучшение характеристик других моделей.

По мере роста возможностей моделей мы усиливаем наш слой безопасности, чтобы продвинутый интеллект оставался полезным для широкого круга задач, а сценарии использования с высоким уровнем риска подвергались более тщательной проверке. Для GPT‑5.6 мы создали нашу самую надежную на сегодняшний день систему безопасности, откалиброванную под возможности каждой модели и работающую на большем объеме вычислительных ресурсов, чем когда-либо прежде.

Модели GPT‑5.6 превосходят наши предыдущие модели как в биологии, так и в кибербезопасности, но ни в одной из категорий не пересекают критический порог (Critical threshold). В области кибербезопасности наше тестирование показывает, что GPT‑5.6 лучше справляется с поиском и закрытием уязвимостей, чем с надежным проведением автономных сквозных атак на защищённые цели — это даёт специалистам возможность укрепить системы до того, как их слабые места будут использованы злоумышленниками. В области биологии результаты нашего тестирования показывают, что GPT‑5.6 может поддерживать законные исследования, но не предоставляет комплексных возможностей, необходимых для создания, инженерной разработки, или синтеза новой крайне опасной угрозы.

Обе области по своей природе имеют двойное назначение. В кибербезопасности те же возможности, которые могут помочь злоумышленнику использовать уязвимость, могут помочь защитнику обнаружить её, воспроизвести и создать надежное исправление. Таким образом чрезмерная блокировка сама по себе создаёт риск для безопасности. Это может помешать защитникам тестировать системы и развертывать исправления, в то время как злоумышленники продолжат использовать другие модели, включая все более мощные модели с открытым исходным кодом, а также уже устоявшиеся инструменты. Эффективные защитные меры учитывают контекст и вероятные последствия запроса, сохраняя возможность правомерной защитной деятельности и одновременно применяя более строгие меры контроля там, где имеющиеся данные указывают на серьёзный риск причинения вреда.

В GPT‑5.6 применяются многоуровневые механизмы защиты, повышающие точность и обеспечивающие резервирование; они спроектированы так, чтобы быстро адаптироваться по мере появления новых атак. Механизмы защиты, встроенные в модель при обучении, работают вместе с проверками в реальном времени, непрерывным мониторингом и применением мер на уровне учетной записи, помогая системе оставаться безопасной даже в случаях, когда отдельный уровень работает не так, как задумано. Во многих системах решение о том, что блокировать, принимается исключительно на основе флагов классификатора, с опорой на модели с более низким уровнем интеллекта, которые сложнее изменять для предотвращения вреда. В рамках нашего подхода добавляется модуль мониторинга рассуждений, который анализирует диалог, чтобы определить, существует ли риск причинения вреда. Этот подход призван обеспечить проведение защитных работ, одновременно блокируя серьезные злоупотребления, при этом наиболее чувствительные возможности предоставляются только проверенным пользователям через доверенный доступ. Поскольку некоторые средства защиты используют рассуждения во время тестирования, мы можем быстро обновлять их, чтобы устранять пробелы без переобучения классификаторов с нуля.

Мы придерживаемся более консервативного подхода, продолжая повышать устойчивость системы к адаптивным атакам. По сравнению с предыдущими моделями, GPT‑5.6 Sol блокирует примерно в десять раз больше потенциально вредоносной активности. Поскольку эти меры могут создавать неудобства для добросовестного использования, мы добавили в ChatGPT и Codex возможность легко повторно запускать промпты на моделях с меньшими возможностями, и мы продолжим снижать влияние наших защитных механизмов на добросовестное использование, сохраняя при этом высокую планку надежности. Это отражает наш итеративный подход к развертыванию: сначала действовать осторожно, а затем улучшать решение на основе того, что мы узнаем в ходе реального использования.

Перед предоставлением общего доступа мы провели самые интенсивные на сегодняшний день оценки безопасности. Они включали в себя масштабное red teaming, всестороннюю проверку возможностей и защитных механизмов с привлечением внешних экспертов, а также около 700 000 часов автоматизированного тестирования методом «черного ящика» на графических процессорах A100e. Это позволило нам систематически исследовать потенциально слабые места, выявлять джейлбрейк и укрепить систему до запуска.

Идеальной безопасности не существует, и наша работа по обеспечению защиты все более продвинутых моделей продолжается. Будут обнаруживаться новые слабые места, а также новые джейлбрейки, обходящие существующие защитные механизмы. Каждое новое поколение моделей также будет создавать новые возможности для атак и злоупотреблений. Мы создаем решения с учетом этой реальности, опираясь на многоуровневые меры защиты, непрерывный мониторинг, оперативное устранение проблем и сотрудничество в рамках сообщества специалистов по защите. Для GPT‑5.6 мы сочетали наши существующие программы вознаграждений за обнаружение уязвимостей в области безопасности⁠(открывается в новом окне) и программы вознаграждений за обнаружение уязвимостей в области биологии⁠ с новым процессом оперативного устранения проблем и самыми масштабными на сегодняшний день усилиями по мониторингу. Выводы исследователей, результаты мониторинга и данные о неправомерном использовании в реальных условиях будут на постоянной основе использоваться для разработки новых процедур оценки и усиления защитных мер.

Подробнее о наших мерах безопасности можно прочитать в обновленной системной карточке GPT‑5.6⁠(открывается в новом окне).

Линейка GPT‑5.6 включает три уровня моделей: Sol — наш флагман; Terra — более экономичная модель, конкурирующая по производительности с GPT‑5.5; и Luna — наша самая быстрая и доступная модель. Номер указывает на поколение, в то время как названия Sol, Terra и Luna обозначают постоянные уровни возможностей, каждый из которых может развиваться в своем собственном темпе.

Модели GPT‑5.6 доступны с сегодняшнего дня в ChatGPT, Codex и OpenAI API. Развертывание по всему миру уже началось и будет постепенно продолжаться до полной доступности в течение следующих 24 часов.

• Чат: пользователи планов Plus, Pro, Business и Enterprise получают доступ к GPT‑5.6 Sol через настройки Среднего и Высокого уровня вычислительных затрат. Пользователи планов Pro и Enterprise также могут выбрать GPT‑5.6 Sol Pro для получения результатов высочайшего качества при выполнении сложных задач.
• ChatGPT Работа и Codex: пользователям планов Free и Go доступна модель GPT‑5.6 Terra. Пользователи тарифов Plus, Pro, Business и Enterprise могут выбрать GPT‑5.6 Sol, Terra и Luna и установите уровень затрат для каждого. max доступен всем пользователям с доступом к GPT‑5.6 в ChatGPT Работа и Codex, и его можно включить в настройках. В ChatGPT Работа ultra доступен пользователям Pro и Enterprise. В Codex он доступен в планах Plus и выше.
• API: разработчики могут получать доступ к Sol, Terra и Luna через OpenAI API. В Responses API программный вызов инструментов позволяет GPT‑5.6 писать и выполнять в памяти программы, которые координируют работу инструментов и обрабатывают промежуточные результаты, что делает эту функцию совместимой с политикой нулевого хранения данных (ZDR). Функция Multi-agent, изначально доступная в бета-версии, позволяет GPT‑5.6 запускать параллельных субагентов и объединять результаты их работы в рамках одного запроса.

GPT‑5.6 тарифицируется за 1 млн токенов для трёх размеров моделей: Sol — 5 $ за ввод/30 $ за вывод; Terra — 2,50 $ за ввод/15 $ за вывод; Luna — 1 $ за ввод/6 $ за вывод. GPT‑5.6 также вводит более предсказуемое кэширование промптов, включая поддержку явных точек разрыва кэша⁠(открывается в новом окне) и минимальное время жизни кэша 30 минут. Для GPT‑5.6 и более поздних моделей записи в кэш тарифицируются по ставке 1,25× от тарифа модели за некэшированный ввод, а для чтений из кэша по-прежнему применяется скидка 90 % на кэшированный ввод.