GPT‑5.6: Prelomová inteligencia, ktorá rastie s tvojimi ambíciami

Po našej obmedzenej ukážke⁠ uvádzame rodinu modelov GPT‑5.6 do všeobecnej dostupnosti: náš nový vlajkový model Sol spolu s modelom Terra, vyváženým modelom na každodennú prácu, a Luna, naším nákladovo najefektívnejším modelom.

GPT‑5.6 Sol nastavuje nový štandard v oblasti inteligencie aj efektívnosti, dosahuje špičkové výsledky v programovaní, znalostnej práci, kybernetickej bezpečnosti a vede, pričom prekonáva predchádzajúce aj konkurenčné prelomové modely s menším počtom tokenov a pri nižších odhadovaných nákladoch. Výsledkom je vyšší výkon za každý dolár: viac úspešne vykonanej práce pri rovnakých výdavkoch alebo porovnateľné výsledky pri nižších celkových nákladoch. Predstavujeme aj nový spôsob, ako urýchliť tú najnáročnejšiu prácu: ultra je naše nastavenie s najvyššou schopnosťou, ktoré koordinuje viacero agentov naprieč paralelnými pracovnými tokmi, aby sa komplexné úlohy dokončili rýchlejšie. Lepšie využitie počítača a úsudok v oblasti dizajnu robia z modelu GPT‑5.6 Sol, náš doposiaľ najvyladenejší spolupracovník, pomáha kontrolovať, zdokonaľovať a dodávať výsledky pripravené na použitie.

Vytrénovali sme GPT‑5.6 tak, aby z každého tokenu vyťažil viac užitočnej práce. Na Agents’ Last Exam⁠(otvorí sa v novom okne), hodnotení dlhodobých profesionálnych pracovných postupov v 55 oblastiach, GPT‑5.6 Sol dosahuje Vysoká 53,6, čím prekonáva Claude Fable 5 (adaptívne uvažovanie) o 13,1 bodu. Aj pri strednej úrovni uvažovania prekonáva Fable 5 o 11,4 bodu pri približne štvrtinových odhadovaných nákladoch. Táto efektivita sa vzťahuje aj na menšie modely, ktoré sú nevyhnutné na to, aby bola inteligencia dostupnejšia a cenovo prístupnejšia: GPT‑5.6 Terra a GPT‑5.6 Luna prekonávajú Fable 5 za približne jednu šestnástinu nákladov. V Artificial Analysis inteligencia index⁠(otvorí sa v novom okne), širokom meradle inteligencie zahŕňajúcom agentnú prácu, programovanie, vedecké uvažovanie a všeobecné schopnosti, model GPT‑5.6 Sol s maximálnym uvažovaním dosahuje výsledok len o jeden bod nižší ako Fable 5, pričom úlohy dokončuje za o 61 % menej času a s približne polovičnými odhadovanými nákladmi.

GPT‑5.6 prichádza s našimi doteraz najrobustnejšími ochrannými opatreniami, ktoré sú navrhnuté tak, aby odolávali cieľavedomému a prispôsobivému zneužívaniu bez toho, aby vo veľkej miere obmedzovali legitímnu prácu. Pred všeobecnou dostupnosťou sme modely a ochranné opatrenia podrobili nášmu doposiaľ najrozsiahlejšiemu obdobiu hodnotenia, ktoré kombinovalo red teaming vykonávaný ľuďmi s rozsiahlym automatizovaným testovaním. Počas predbežného sprístupnenia sme úzko spolupracovali s odbornými organizáciami a dôveryhodnými partnermi, aby sme podrobili obranné mechanizmy záťažovým testom a posilnili ochranné opatrenia pred širším spustením. Výsledný systém kombinuje ochranné mechanizmy natrénované do modelu s kontrolami v reálnom čase, monitorovaním a prístupom kalibrovaným podľa dôvery a rizika.

GPT‑5.6 Sol je náš doteraz najlepší model na programovanie. Na indexe umelého analytického kódovacieho agenta (Artificial Analysis Coding Agent Index) model GPT‑5.6 Sol s maximálnym uvažovaním nastavuje novú špičkovú úroveň so skóre 80, čo je o 2,8 bodu viac ako Fable 5, pričom používa menej než polovicu výstupných token, potrebuje menej než polovicu času a stojí približne o tretinu menej. Táto výhoda sa prejavuje naprieč celou rodinou: Terra tesne prekonáva Fable 5, zatiaľ čo Luna prekonáva Opus 4.8. Každý z nich to dosahuje približne za tretinu času, s približne polovičným počtom výstupných token a za približne štvrtinu odhadovaných nákladov. Taktiež dosahuje nové špičkové výsledky v benchmarkoch Terminal‑Bench 2.1 a DeepSWE, ktoré testujú komplexné pracovné postupy príkazového riadka a dlhodobé inžinierske úlohy v reálnych kódových základniach.

GPT‑5.6 dokáže písať a spúšťať nenáročné programy, ktoré koordinujú nástroje, spracúvajú priebežné výsledky, monitorujú postup a vyberajú ďalšiu akciu podľa toho, ako práca napreduje. Vďaka tomu môžu úlohy intenzívne využívajúce nástroje napredovať s menším počtom tokenov, menším počtom cyklov komunikácie s modelom a menším množstvom usmernení. Namiesto toho, aby bolo potrebné, aby vývojári skriptovali každý krok alebo posielali každú odpoveď nástroja späť cez model, môže Programmatic Tool Calling⁠(otvorí sa v novom okne) v rozhraní Responses API filtrovať veľké množstvá priebežných údajov, uchovávať iba to, na čom záleží, a priebežne prispôsobovať svoj pracovný postup.

V prípade problémov, pri ktorých sa oplatí väčšia investícia času a výpočtových zdrojov, môže GPT‑5.6 ísť nad rámec tohto efektívneho predvoleného nastavenia. Hodnota max dáva modelu GPT‑5.6 ešte viac času než xhigh na uvažovanie a skúmanie alternatív, spúšťanie kontrol a úpravu svojho postupu. ultra ide ešte ďalej tým, že predvolene koordinuje štyroch agentov paralelne a za cenu vyššej spotreby tokenov prináša lepšie výsledky a kratší čas do získania výsledku pri náročných úlohách. Nižšie uvedené grafy porovnávajú predvolené nastavenie ultra so štyrmi agentmi s referenčným nastavením s jedným agentom v benchmarkoch BrowseComp, SEC-Bench Pro a Terminal-Bench 2.1. BrowseComp a SEC-Bench Pro zobrazujú aj konfigurácie so 16 agentmi. Vo všetkých troch hodnoteniach pridanie paralelných agentov posúva prelomovú hranicu skóre a latencie nahor a doľava, čím sa dosahujú lepšie výsledky za kratší čas. V API môžu vývojári vytvárať zážitky podobné ultra pomocou beta verzie s viacerými agentmi v rozhraní Responses API.

GPT‑5.6 prináša skokovú zmenu v dizajnérskom úsudku. GPT‑5.6 vytvára vkusné, ergonomické a funkčné rozhrania len s vysokou úrovňou smerovania. Jeho pokročilejšie schopnosti práce s počítačom mu umožňujú kontrolovať a dolaďovať vykreslený výsledok – nielen generovať základný kód alebo obsah – takže dokáže zachytiť vizuálne aj funkčné problémy a vykonať finálne úpravy pred tým, než prácu odovzdá späť.

frontendové schopnosti modelu GPT‑5.6 zároveň premieňajú požiadavky v prirodzenom jazyku na prepracované interaktívne vysvetlenia a vizualizácie v rámci ChatGPT Práca.

GPT‑5.6 prináša lepšie výsledky pri profesionálnych úlohách. Berie chaotický kontext z tvojich dokumentov a každodenných pracovných postupov v nástrojoch ako Slack, Notion, Microsoft 365 a Google Drive, a premieňa ho na zdieľateľné výstupy na expertnej úrovni.

Silné stránky modelu GPT‑5.6 v oblasti znalostnej práce sa prejavujú v hodnoteniach, ktoré zahŕňajú dlhodobú profesionálnu analýzu, prehliadanie webu, používanie nástrojov a počítača. Model GPT‑5.6 Sol dosiahol nové špičkové výsledky v benchmarku BrowseComp na úrovni 92,2 % a v benchmarku OSWorld 2.0 na úrovni 62,6 %. V OSWorld prekonal Opus 4.8, pričom používal o 85 % menej výstupných tokenov. Tu sa zlepšenie pomeru výkonu k cene prejavuje v celej rodine modelov GPT‑5.6. Luna sa takmer vyrovná modelu GPT‑5.5 Špičkový výkon za menej než polovicu odhadovaných nákladov, zatiaľ čo Terra ho prekonáva pri nižších nákladoch.

GPT‑5.6 Sol zlepšuje kvalitu v prezentáciách, dokumentoch a tabuľkách, čím vytvára výstupy, ktoré sú uhladenejšie a presnejšie. Dokáže od základov vytvárať plne upraviteľné prezentácie, pričom premieňa príkaz a zdrojový materiál na ucelený vizuálny príbeh s premysleným rozložením, jasnou hierarchiou a kvalitným dizajnom.

Zlepšenie je výrazné najmä pri používaní šablón a referenčných prezentácií. GPT‑5.6 dokáže odvodiť dizajnový systém prezentácie — rrozloženia, typografiu, rozstupy, farby a opakujúce sa obsahové vzory vrátane pravidiel vložených v predlohe snímok — a dôsledne uplatňovať tieto konvencie na nový materiál. V tomto príklade, keď sa požaduje aktualizovať čísla na základe referenčného súboru, výstup GPT‑5.5 neobsahuje kľúčové súčasti z predlohy snímky, zatiaľ čo GPT‑5.6 sa vernejšie drží referenčnej štruktúry.

GPT‑5.6 tiež vytvára vizuálne prepracovanejšie dokumenty a tabuľky. Vernejšie sleduje zložité formáty referencií, čo je dôležité pri opakovateľných činnostiach práce so znalosťami. Zvláda rovnice a finančné modely s väčšou presnosťou a lepšie využíva typografiu, rozostupy, hierarchiu a rozloženie stránky alebo pracovného hárka.

Prví zákazníci testujúci GPT‑5.6 zaznamenali zlepšenia vo výstupoch znalostnej práce v rôznych oblastiach.

GPT‑5.6 je náš doteraz najvýkonnejší model pre kybernetickú bezpečnosť, ktorý dosahuje prelomový výkon s výrazne menším počtom tokenov. V benchmarku ExploitBench^2,, ktorý meria pokrok od dosiahnutia zraniteľného kódu prostredníctvom ľubovoľného spustenia kódu, dosahuje skóre 73,5 % oproti GPT‑5.5. 47,9 % pri porovnateľnom rozpočte výstupných token. V benchmarku ExploitGym³, ktorý od agentov vyžaduje premeniť reálne zraniteľnosti na funkčné exploity, takmer zdvojnásobuje výkon modelu GPT‑5.5 v maximálnej miere úspešnosti z 15,1 % na 24,9 % pri dvojhodinovom limite. pri šiestich hodinách dosahuje 33,7 %. V benchmarku SEC-Bench Pro, ktorý testuje generovanie proof-of-concept na komplexnom softvéri, dosahuje skóre 71,2 % oproti skóre modelu GPT‑5.5 45,8 % pri zlepšenej latencii.

GPT‑5.6 podporuje dôležité obranné úlohy, ako sú bezpečnostná kontrola kódu, aplikovanie záplat, modelovanie hrozieb a modré tímovanie. Kvalifikovaní jednotlivci a organizácie v programe dôveryhodný prístup pre kybernetickú bezpečnosť iniciatívy OpenAI Daybreak⁠ môžu získať prístup k širšiemu rozsahu jej obranných schopností vďaka presnejším ochranným opatreniam pre overenú prácu v autorizovaných prostrediach vrátane triedenia a validácie zraniteľností, analýzy malvéru, tvorby detekčných mechanizmov a validácie opráv.

Jednotlivci môžu overiť svoju identitu a požiadať o dôveryhodný prístup⁠(otvorí sa v novom okne), a organizácie môžu požiadať⁠ pre svoje tímy. Jednotliví členovia si budú musieť do 1. septembra zapnúť pokročilé zabezpečenie účtu⁠(otvorí sa v novom okne) s hardvérovo podporovanými prístupovými kľúčmi, aby si zachovali prístup k našim prelomovým modelom s najlepšími kybernetickými schopnosťami. Tí, ktorí tak neurobia, vrátia sa k predvolenému prístupu. Používatelia, ktorí ešte nemajú hardvérovo zabezpečené prístupové kľúče, môžu od nášho partnera Yubico získať zvýhodnenú cenu⁠(otvorí sa v novom okne). Prijímame tiež ďalšie opatrenia na obmedzenie prístupu subjektom s vysokou mierou rizika, a v jurisdikciách s vysokým rizikom.

GPT‑5.6 Sol tiež vykazuje rozsiahle zlepšenia v oblasti vedeckého výskumu. Pri hodnoteniach v oblasti biologických vied model GPT‑5.6 vykazuje paretovské zlepšenia oproti modelu GPT‑5.5 v reálnej biológii, pracovných postupoch výskumu a chémii.

GPT‑5.6 je náš doteraz najsilnejší model na urýchlenie výskumu AI. V rámci OpenAI ho výskumníci používajú počas celého vývojového cyklu: na diagnostiku zlyhaní, optimalizáciu tréningových systémov, spúšťanie experimentov a interpretáciu výsledkov. Zrýchlenie a silnejšia adopcia sa už prejavili počas interného testovania modelu GPT‑5.6, keď priemerný denný počet výstupných tokenov na aktívneho výskumníka bol viac než dvojnásobkom najvyššej úrovne pozorovanej pri GPT‑5.5.

Tento spôsob práce sa rýchlo stáva štandardom. Za posledných šesť mesiacov sa podiel výskumnej výpočtovej kapacity vyčlenenej na internú inferenciu pri kódovaní zvýšil 100-násobne, zatiaľ čo interné agentické využitie tokenov vzrástlo približne 22-násobne. Tieto metriky adopcie samy osebe nemerajú pokrok vo výskume, ale ukazujú, ako rýchlo narastá využívanie asistencie AI vo výskume aj v ďalších tímoch, ako sú predaj, marketing, používateľské operácie, financie a ďalšie.

Na priame meranie tejto schopnosti sme vyvinuli interný súbor hodnotení založený na reálnych výskumných úlohách v oblasti AI vrátane ladenia výskumných systémov, optimalizácie jadier a tréningových postupov, vykonávania experimentov strojového učenia a zlepšovania iného modelu.

Ako sa schopnosti modelov zvyšujú, posilňujeme náš bezpečnostný systém, aby pokročilá inteligencia zostala široko užitočná, pričom najrizikovejšie použitia podrobujeme dôkladnejšej kontrole. Pre GPT‑5.6 sme vybudovali náš doposiaľ najodolnejší bezpečnostný systém, kalibrovaný podľa schopností jednotlivých modelov a využívajúci viac výpočtových zdrojov než kedykoľvek predtým.

Modely GPT‑5.6 sú schopnejšie než naše predchádzajúce modely v oblasti biológie aj kybernetickej bezpečnosti, no ani v jednej kategórii neprekračujú kritickú prahovú hodnotu. V oblasti kybernetickej bezpečnosti naše testovanie naznačuje, že GPT‑5.6 je lepší vo vyhľadávaní a odstraňovaní zraniteľností než v spoľahlivom vykonávaní autonómnych útokov od začiatku do konca proti posilneným cieľom – čo obrancom dáva príležitosť posilniť systémy skôr, než budú slabé miesta zneužité. V oblasti biológie naše testovanie naznačuje, že GPT‑5.6 môže podporovať legitímny výskum, ale neposkytuje komplexnú schopnosť od začiatku do konca potrebnú na vytvorenie, inžinierske navrhnutie alebo syntetizovanie vysoko nebezpečnej novej hrozby.

Obe oblasti sú vo svojej podstate určené na dvojaké použitie. V oblasti kybernetickej bezpečnosti môžu tie isté schopnosti, ktoré by mohli útočníkovi pomôcť zneužiť zraniteľnosť, pomôcť obrancovi ju nájsť, reprodukovať a vytvoriť spoľahlivú opravu. Nadmerné blokovanie preto samo osebe vytvára bezpečnostné riziko. Môže to zabrániť obrancom v testovaní systémov a nasadzovaní záplat, zatiaľ čo škodliví aktéri naďalej používajú iné modely vrátane čoraz schopnejších open source modelov, ako aj zavedené nástroje. Účinné ochranné opatrenia zohľadňujú kontext a pravdepodobné dôsledky požiadavky, pričom zachovávajú legitímnu obrannú činnosť a zároveň uplatňujú prísnejšie kontrolné opatrenia tam, kde dôkazy naznačujú vážne riziko ujmy.

Ochranné opatrenia modelu GPT‑5.6 sú viacvrstvové pre vyššiu presnosť a redundanciu a sú navrhnuté tak, aby sa rýchlo prispôsobovali, keď sa objavia nové útoky. Ochranné opatrenia natrénované v modeli fungujú spolu s kontrolami v reálnom čase, nepretržitým monitorovaním a vynucovaním pravidiel na úrovni účtu, aby systém zostal bezpečný aj vtedy, keď konkrétna vrstva nefunguje podľa očakávaní. V mnohých systémoch samotné príznaky klasifikátora rozhodujú o tom, čo sa má zablokovať, pričom sa spoliehajú na modely s nižšou inteligenciou, ktoré je ťažšie zmeniť tak, aby predchádzali škodám. Náš prístup pridáva monitor uvažovania, ktorý vyhodnocuje konverzáciu s cieľom určiť, či existuje potenciálne riziko ujmy. Tento návrh má umožniť obrannú činnosť a zároveň blokovať závažné zneužitie, pričom najcitlivejšie funkcie sú prostredníctvom Trusted Access vyhradené pre overených používateľov. Keďže niektoré ochranné mechanizmy používajú uvažovanie v čase testovania, môžeme ich rýchlo aktualizovať tak, aby sme odstránili nedostatky bez toho, aby sme museli klasifikátory znovu trénovať od začiatku.

Volíme konzervatívnejší prístup, keďže naďalej posilňujeme systém proti adaptívnym útokom. V porovnaní s predchádzajúcimi modelmi náš GPT‑5.6 Kybernetické bezpečnostné opatrenia Sol blokujú približne desaťkrát viac potenciálne škodlivej aktivity. Keďže tieto opatrenia môžu spôsobovať komplikácie pri neškodnom používaní, v ChatGPT a Codex poskytujeme možnosť jednoducho opätovne skúsiť príkazy na modeloch s nižšími schopnosťami a budeme naďalej znižovať vplyv našich ochranných opatrení na neškodné používanie, pričom zachováme vysokú latku robustnosti. Odráža to náš iteratívny prístup k nasadzovaniu: začíname opatrne a priebežne robíme zlepšenia na základe poznatkov z reálneho používania.

Pred všeobecnou dostupnosťou sme vykonali naše doposiaľ najintenzívnejšie hodnotenia bezpečnosti, vrátane rozsiahleho testovania red teaming, robustného testovania schopností a ochranných opatrení s externými expertmi a približne 700 000 hodín GPU A100e automatizovaného red teaming v režime black-box. To nám umožnilo systematicky skúmať pravdepodobné slabiny, odhaľovať bezpečnostné obchádzky (jailbreak) a pomohlo nám posilniť systém pred spustením.

Dokonalá bezpečnosť neexistuje a naša práca na zabezpečovaní čoraz výkonnejších modelov pokračuje. Budú objavené nové slabé miesta, rovnako ako nové jailbreak, ktoré obídu existujúce ochranné opatrenia. Každá nová generácia modelu zároveň vytvorí nové možnosti útokov a zneužitia. Pre túto realitu budujeme riešenia s viacvrstvovými ochrannými opatreniami, nepretržitým monitorovaním, rýchlou nápravou a spoluprácou naprieč komunitou obrancov. Pre GPT‑5.6 sme naše existujúce programy odmien za nahlasovanie bezpečnostných chýb⁠(otvorí sa v novom okne) a programy odmien za nahlasovanie chýb v oblasti biológie⁠ spojili s novým procesom rýchlej nápravy a naším doteraz najrozsiahlejším monitorovacím úsilím. Zistenia od výskumníkov, z monitorovania a zo zneužívania v reálnom svete budú priebežne slúžiť ako podklad pre nové hodnotenia a silnejšie ochranné opatrenia.

Prečítaj si viac o našich ochranných opatreniach v aktualizovanej systémovej karte GPT‑5.6⁠(otvorí sa v novom okne).

GPT‑5.6 zahŕňa tri úrovne modelov: náš vlajkový model Sol, lacnejší model Terra s výkonom konkurencieschopným voči GPT‑5.5, a Luna – náš najrýchlejší a cenovo najdostupnejší model. Číslo označuje generáciu, zatiaľ čo Sol, Terra a Luna sú trvalé úrovne schopností, ktoré sa môžu vyvíjať vlastným tempom.

GPT‑5.6 je od dnes dostupný v rámci služieb ChatGPT, Codex a OpenAI API. Zavádzanie sa teraz začína globálne a počas nasledujúcich 24 hodín bude postupne pokračovať až do úplnej dostupnosti.

• Čet: používatelia plánov Plus, Pro, Business a Enterprise majú prístup k modelu GPT‑5.6 Sol pri strednom a vysokom nastavení úsilia. Používatelia plánov Pro a Enterprise si môžu pre výsledky najvyššej kvality pri zložitých úlohách vybrať aj GPT‑5.6 Sol Pro.
• ChatGPT Work a Codex: Používatelia plánov Free a Go majú prístup k GPT‑5.6 Terra. Používatelia plánov Plus, Pro, Business a Enterprise si môžu vybrať z modelov GPT‑5.6 Sol, Terra a Luna a nastav pre každú z nich úroveň úsilia. max je k dispozícii všetkým používateľom s prístupom ku GPT‑5.6 v ChatGPT Work a Codex a dá sa zapnúť v nastaveniach. V ChatGPT Práca je ultra k dispozícii používateľom plánov Pro a Enterprise. V Codex je k dispozícii pre plány Plus a vyššie.
• API: vývojári môžu pristupovať k Sol, Terra a Luna prostredníctvom rozhrania OpenAI API. V rozhraní Responses API umožňuje programatické volanie nástrojov modelu GPT‑5.6 písať a spúšťať programy v pamäti, ktoré koordinujú nástroje a spracúvajú priebežné výsledky, vďaka čomu je kompatibilné s nulovým uchovávaním údajov (ZDR). Funkcia Multi-agent, spočiatku dostupná v beta verzii, umožňuje modelu GPT‑5.6 spúšťať subagentov súbežne a syntetizovať ich prácu v rámci jednej požiadavky.

Cena modelu GPT‑5.6 sa stanovuje za 1 milión tokenov pre tri veľkosti modelu. Sol je 5 $ za vstup/30 $ za výstup. Terra je 2,50 $ za vstup/15 $ za výstup a Luna je 1 $ za vstup/6 $ za výstup. GPT‑5.6 prináša aj predvídateľnejšie ukladanie promptov do vyrovnávacej pamäte vrátane podpory explicitných bodov prerušenia vyrovnávacej pamäte⁠(otvorí sa v novom okne) a minimálnej životnosti vyrovnávacej pamäte 30 minút. Pri modeloch GPT‑5.6 a novších sa zápisy do vyrovnávacej pamäte účtujú vo výške 1,25-násobku sadzby modelu za neukladaný vstup, zatiaľ čo čítania z vyrovnávacej pamäte naďalej využívajú 90 % zľavu na vstup uložený vo vyrovnávacej pamäti.