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(открывается в новом окне). 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(открывается в новом окне)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(открывается в новом окне).
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.
Меры защиты должны оставаться эффективными и тогда, когда злоумышленники меняют тактику. Защита, работающая только против фиксированного набора известных атак, недостаточно надежна для передовой модели.
Поэтому мы вкладываем в безопасность больше интеллекта и вычислений, чем когда-либо: используем собственные модели, чтобы быстрее находить слабые места и улучшать меры защиты. Мы выделили более 700 000 GPU-часов в эквиваленте A100 на автоматизированный процесс red teaming для поиска универсальных jailbreak-атак, которые работают во многих промптах или контекстах, а не только в одном узком сценарии. Фокус на этих более сложных и обобщенных атаках позволил проверять защиту шире, чем по фиксированному набору известных отказов. Это также позволяет исследовать гораздо больше шаблонов атак, чем при одном лишь ручном тестировании, раньше выявлять типовые сбои и быстрее переходить от обнаружения слабости к ее устранению.
Помимо автоматизированного red teaming, мы работали со сторонними тестировщиками над широким экспертным red teaming с участием людей; он продолжится в период предварительного доступа. Ручной процесс red teaming дополняет автоматизированную работу: креативные эксперты пытаются злоупотребить моделью способами, которые наши системы могут не предвидеть.
Ни одна оценка не может охватить все конфигурации продукта, многошаговые атаки или реальные рабочие процессы. Поэтому у нас есть процесс быстрого реагирования: воспроизводить, оценивать, приоритизировать и устранять новые jailbreak-атаки, а затем добавлять их в постоянные оценки, чтобы в будущем проверять похожие сбои.
Во время предварительного доступа модели GPT‑5.6 сначала будут доступны через API и Codex выбранной группе доверенных партнеров и организаций. Скоро мы планируем открыть их шире для пользователей ChatGPT, Codex и API.
В новой системе именования, введенной с GPT‑5.6, число обозначает поколение модели, а Sol, Terra и Luna — устойчивые уровни возможностей, которые могут развиваться в собственном темпе. Вместе это семейство моделей дает пользователям и разработчикам более понятный выбор по уровню интеллекта, скорости и стоимости.
GPT‑5.6 тарифицируется за 1 млн токенов в трех размерах модели: Sol — $5 за ввод / $30 за вывод; Terra — $2,50 за ввод / $15 за вывод; Luna — $1 за ввод / $6 за вывод (цена указана в долларах США). GPT‑5.6 также вводит более предсказуемое кэширование промптов, включая поддержку явных точек разрыва кэша и минимальный срок жизни кэша 30 минут. Для GPT‑5.6 и последующих моделей запись в кэш оплачивается по ставке 1,25x от тарифа модели на некэшированный ввод, а чтение из кэша по-прежнему получает скидку 90% на кэшированный ввод.
В июле мы также запускаем GPT‑5.6 Sol на Cerebras со скоростью до 750 токенов в секунду, предоставляя клиентам передовой интеллект на беспрецедентной скорости. Сначала доступ будет ограничен выбранными клиентами, пока мы расширяем мощности.
Мы рады продолжать учиться в период предварительного доступа и вскоре предоставить GPT‑5.6 Sol, Terra и Luna большему числу людей.
1. Мы оцениваем задержку и стоимость API по рабочему поведению наших моделей и офлайн-моделированию. Оценки учитывают детали вызовов инструментов, семплированные токены и входные токены. Реальные результаты могут существенно отличаться и зависят от многих факторов, не учтенных в симуляции. Мы моделируем задержку на быстрых скоростях API, а стоимость — по обычным ценам API.
2. Все модели оцениваются с помощью API-среды ExploitBench с пятью сидами и непрерывностью рассуждений.
3. Мы запускали ExploitGym на нашем альфа-API, который выдает ответы быстрее публичного API, а затем масштабировали результаты под публичный API. При пересчете задержек на ожидаемые скорости публичного API некоторые оценочные задержки превышают лимиты 2 и 6 часов, хотя в оценочном запуске лимиты соблюдались. Для срочных задач, где важна скорость, мы предлагаем приоритетную обработку в API и быстрый режим в Codex.
4. Модели без указанных токенов вывода, задержки или стоимости показаны горизонтальными пунктирными линиями.
