GPT‑5.6: Гранична интелигенција која расте у складу са вашим амбицијама

Након нашег ограниченог прегледа⁠, покрећемо породицу модела GPT‑5.6 за општу доступност: наш нови водећи модел, Sol, заједно са моделом Terra, уравнотеженим моделом за свакодневни рад, и Luna, нашим најисплативијим моделом.

GPT‑5.6 Sol поставља нови стандард и за интелигенцију и за ефикасност, постижући резултате на нивоу најсавременијих достигнућа у програмирању, раду са знањем, сајбер-безбедности и науци, док надмашује претходне и конкурентске граничне моделе уз мање токена и нижи процењени трошак. Резултат је бољи учинак по долару: више успешно обављеног посла за исти уложени износ или упоредиви резултати уз ниже укупне трошкове. Такође уводимо нови начин за убрзавање најзахтевнијих послова: ultra је наше подешавање са највећим могућностима, које координише више агената кроз паралелне токове рада како би се сложени задаци завршили брже. Снажније коришћење рачунара и расуђивање у дизајну чине да модел GPT‑5.6 Sol буде наш најдотеранији сарадник до сада, који помаже да се проверавају, усавршавају и испоручују резултати спремни за употребу.

Обучили смо GPT‑5.6 да из сваког токена извуче више корисног рада. На евалуацији Agents’ Last Exam⁠(отвара се у новом прозору) за дуготрајне професионалне токове рада у 55 области, GPT‑5.6 Sol поставља нов висок резултат од 53,6, надмашивши Claude Fable 5 (адаптивно резоновање) за 13,1 поен. Чак и при средњем нивоу резоновања, надмашује Fable 5 за 11,4 поена уз приближно четвртину процењеног трошка. Та ефикасност се протеже и на мање моделе, који су од суштинског значаја за то да интелигенција постане доступнија у већем обиму и приступачнија: GPT‑5.6 Terra и GPT‑5.6 Luna надмашују Fable 5 уз приближно једну шеснаестину трошкова. На Индексу интелигенције Artificial Analysis⁠(отвара се у новом прозору), широком мерилу интелигенције које обухвата агентски рад, кодирање, научно резоновање и опште способности, GPT‑5.6 Sol са максималним резоновањем долази на један поен од модела Fable 5, док задатке завршава за 61% мање времена и уз 63% ниже процењене трошкове.

GPT‑5.6 се покреће са нашим најробуснијим заштитним мерама до сада, осмишљеним тако да буду отпорне на упорну и прилагодљиву злоупотребу без широког ограничавања легитимног рада. Пре опште доступности, моделе и заштитне механизме подвргли смо најобимнијем периоду евалуације до сада, комбинујући људску црвену команду са аутоматизованим тестирањем великих размера. Током периода прегледа блиско смо сарађивали са стручним организацијама, као и са поузданим партнерима, како бисмо тестирали отпорност одбрамбених механизама и ојачали заштитне мере пре ширег лансирања. Тако добијени систем слојевито комбинује заштите уграђене у модел током обучавања са проверама у реалном времену, надзором и приступом калибрисаним према поверењу и ризику.

GPT‑5.6 Sol је наш најбољи модел за програмирање до сада. На индексу Индексу агената за кодирање Artificial Analysis, GPT‑5.6 Sol уз максимално резоновање поставља нови врхунски резултат од 80 поена, 2,8 поена више од модела Fable 5, док користи мање од половине излазних токена, потребно му је мање од половине времена и кошта око трећину мање. Та предност се протеже на целу породицу: Terra остварује резултат тек нешто бољи од Fable 5, док Luna надмашује Opus 4.8; сваки то постиже за отприлике једну трећину времена, са приближно упола мање излазних токена и уз приближно једну четвртину процењеног трошка. Такође поставља нове најсавременије резултате на тестовима Terminal-Bench 2.1 и DeepSWE, који тестирају сложене токове рада у командној линији и дугорочно инжењерство у стварним базама кода.

GPT‑5.6 може да пише и покреће лагане програме који координишу алатке, обрађују међурезултате, прате напредак и бирају следећу радњу како се рад одвија. Ово омогућава задацима који се у великој мери ослањају на алатке да напредују уз мање токена, мање циклуса размене са моделом и мање усмеравања. Уместо да се од програмера захтева да пишу скрипту за сваки корак или да сваки одговор алатке прослеђују назад кроз модел, програмско позивање алатки⁠(отвара се у новом прозору) у Responses API-ју може да филтрира велике количине међуподатака, задржи само оно што је важно и успут прилагођава свој ток рада.

За проблеме код којих се исплати веће улагање времена и рачунарских ресурса, GPT‑5.6 може да превазиђе ово ефикасно подразумевано подешавање. max даје моделу GPT‑5.6 још више времена него xhigh за резоновање и истраживање алтернатива, покретање провера и ревидирање приступа. Ultra подразумевано координише четири агента паралелно, и тиме иде корак даље, тргујући већом употребом токена за боље резултате и брже време до резултата на захтевним задацима. Графикони у наставку пореде подразумевано подешавање ultra са четири агента са референтном конфигурацијом са једним агентом на тестовима BrowseComp, SEC-Bench Pro и Terminal-Bench 2.1; BrowseComp и SEC-Bench Pro такође приказују конфигурације са 16 агената. У све три евалуације, додавање паралелних агената помера граничну криву резултата и латентности навише и улево, постижући боље резултате за краће време. У API-ју, програмери могу да праве искуства налик на ultra користећи бета верзију мулти-агентског режима у Responses API-ју.

GPT‑5.6 доноси значајан искорак у дизајнерском расуђивању. Уз само смернице на високом нивоу, GPT‑5.6 креира естетски допадљиве, ергономске и функционалне интерфејсе. Његове напредније могућности коришћења рачунара омогућавају му да прегледа и доради рендеровани резултат – а не само да генерише основни код или садржај – тако да може да уочи визуелне и функционалне проблеме и примени завршне дораде пре него што преда рад.

Фронтенд могућности модела GPT‑5.6 такође претварају захтеве на природном језику у углађена, интерактивна објашњења и визуализације у оквиру услуге ChatGPT Посао.

GPT‑5.6 пружа боље резултате за професионалне задатке. Преузима неуређени контекст из ваших докумената и свакодневних токова рада као што су Slack, Notion, Microsoft 365 и Google Drive, и претвара га у артефакте стручног нивоа који се могу делити.

Снага модела GPT‑5.6 у интелектуалном раду огледа се у евалуацијама које обухватају дуготрајну професионалну анализу, прегледање веба, коришћење алатки и коришћење рачунара. GPT‑5.6 Sol поставља нове најбоље резултате до сада на testu BrowseComp од 92,2% и на OSWorld 2.0 од 62,6%; на OSWorld надмашује Opus 4.8 уз коришћење 85% мање излазних токена. Овде се побољшања учинка по долару односе на целу породицу GPT‑5.6. Luna скоро достиже врхунски учинак модела GPT‑5.5 уз мање од половине процењеног трошка, док Terra надмашује тај резултат уз нижи трошак.

GPT‑5.6 Sol побољшава квалитет у презентацијама, документима и унакрсним табелама, стварајући резултате који су углађенији и тачнији. Може да креира презентације које се могу у потпуности уређивати од почетка, претварајући инструкцију и изворни материјал у кохерентан визуелни наратив са снажним распоредом, хијерархијом и дизајном.

Побољшање је посебно изражено када се прате шаблони и референтни материјали за презентације. GPT‑5.6 може да изведе систем дизајна презентације – распореде, типографију, размаке, боје и понављајуће обрасце садржаја, укључујући правила уграђена у матични слајд – и да те конвенције доследно примени на нови материјал. У овом примеру, када се затражи ажурирање бројева на основу референтне датотеке, у излазу модела GPT‑5.5 недостају кључне компоненте са матичног слајда, док GPT‑5.6 верније прати референтну структуру.

GPT‑5.6 такође креира визуелно дотераније документе и табеле. Верније прати сложене формате референци, што је важно за поновљиве активности рада заснованог на знању. Обрађује једначине и финансијске моделе са већом прецизношћу и боље користи типографију, размаке, хијерархију и распоред странице или радног листа.

Први клијенти који су тестирали GPT‑5.6 видели су побољшања резултата рада на знању у различитим доменима.

GPT‑5.6 је наш најјачи модел за сајбер-безбедност до сада, који постиже гранични учинак уз знатно мање токена. На тесту ExploitBench^2, који мери напредак од досезања рањивог кода до извршавања произвољног кода, остварује резултат од 73,5% наспрам 47,9% модела GPT‑5.5 при упоредивом буџету за излазне токене. На ExploitGym³, који од агената тражи да стварне рањивости претворе у функционалне експлоатације, скоро удвостручује учинак модела GPT‑5.5 највећа стопа пролазности, са 15,1% на 24,9% у оквиру ограничења од два сата; са шест сати, достиже 33,7%. На тесту SEC-Bench Pro, који проверава генерисање доказа концепта за сложени софтвер, остварује резултат од 71,2% у поређењу са резултатом GPT‑5.5 од 45,8% уз побољшану латентност.

GPT‑5.6 подржава важне одбрамбене задатке као што су безбедносни преглед кода, примена закрпа, моделовање претњи и плаву команду. Квалификовани појединци и организације у програму Trusted Access for Cyber предузећа OpenAI Daybreak⁠ могу да приступе већем делу његових одбрамбених могућности кроз прецизније заштитне мере за верификовани рад у овлашћеним окружењима, укључујући тријажу и валидацију рањивости, анализу малвера, инжењерство откривања и валидацију закрпа.

Појединци могу потврдити свој идентитет и затражити поуздан приступ⁠(отвара се у новом прозору), а организације могу да се пријавите⁠ за своје тимове. Појединачни чланови ће морати да омогуће Напредну безбедност налога⁠(отвара се у новом прозору) помоћу хардверски подржаних приступних кључева до 1. септембра да би задржали приступ нашим граничним моделима са највећим сајбер способностима; они који то не ураде вратиће се на подразумевани приступ. Корисници који још немају хардверски подржане приступне кључеве могу да остваре повлашћене цене⁠(отвара се у новом прозору) код нашег партнера, предузећа Yubico. Такође предузимамо додатне кораке да ограничимо приступ субјектима високог ризика и у јурисдикцијама високог ризика.

GPT‑5.6 Sol такође показује значајна побољшања у области научног истраживања. На евалуацијама из области природних наука, GPT‑5.6 показује Паретова побољшања у односу на GPT‑5.5 у стварној биологији, токовима рада у истраживањима природних наука и хемији.

GPT‑5.6 је наш до сада најјачи модел за убрзавање истраживања вештачке интелигенције. У оквиру привредног друштва OpenAI, истраживачи га користе током читавог развојног циклуса: за дијагностиковање грешака, оптимизацију система за обуку, спровођење експеримената и тумачење резултата. Већ смо видели то убрзање и снажније усвајање током периода интерног тестирања модела GPT‑5.6, јер је просечан дневни број излазних токена по активном истраживачу био више него двоструко већи од највишег нивоа забележеног за GPT‑5.5.

Овакав начин рада брзо постаје стандард. Током протеклих шест месеци, удео истраживачких рачунарских ресурса намењен интерној инференцији за кодирање порастао је 100 пута, док се интерно коришћење токена у агентским системима повећало приближно 22 пута. Ове метрике усвајања саме по себи не мере напредак истраживања, али показују колико се брзо помоћ вештачке интелигенције све више користи за истраживање и у оквиру других тимова као што су продаја, маркетинг, корисничке операције, финансије и други.

Да бисмо директно измерили ову способност, развили смо интерни скуп евалуација заснованих на стварним задацима истраживања вештачке интелигенције, укључујући отклањање грешака у истраживачким системима, оптимизацију језгара и рецепата за обуку, извођење експеримената машинског учења и побољшавање другог модела.

Како се могућности модела повећавају, јачамо наш безбедносни стек како би напредна интелигенција могла да остане широко корисна, уз примену строже контроле над употребама са највишим ризиком. За GPT‑5.6, изградили смо наш најробуснији безбедносни систем до сада, калибрисан према могућностима сваког модела и подржан већим рачунарским капацитетом него икада раније.

Модели GPT‑5.6 су способнији од наших ранијих модела и у области биологије и у области сајбер-безбедности, али не прелазе праг за ниво „критично“ ни у једној категорији. У сајбер безбедности, наша тестирања указују на то да је модел GPT‑5.6 бољи у проналажењу и отклањању рањивости него у поузданом извођењу аутономних напада од једног до другог краја против додатно заштићених циљева – што браниоцима пружа прилику да ојачају системе пре него што слабости буду искоришћене. У биологији, наша тестирања указују на то да GPT‑5.6 може да подржи легитимна истраживања, али не пружа свеобухватну способност потребну за стварање, инжењерско развијање или синтетисање веома опасне нове претње.

Оба домена су по својој природи двоструке намене. У области сајбер-безбедности, исте способности које би могле да помогну нападачу да искористи рањивост могу да помогну браниоцу да је пронађе, репродукује и изради поуздану исправку. Прекомерно блокирање стога ствара сопствени безбедносни ризик. То може спречити браниоце да тестирају системе и примењују закрпе, док злонамерни актери настављају да користе друге моделе, укључујући све способније моделе отвореног кода, као и већ успостављене алатке. Делотворне заштитне мере узимају у обзир контекст и вероватне последице захтева, чувајући легитиман одбрамбени рад, уз примену строжих контрола тамо где докази указују на озбиљан ризик од штете.

Заштитни механизми модела GPT‑5.6 су вишеслојни ради веће тачности и редундантности и осмишљени су тако да се брзо прилагођавају како се појављују нови напади. Заштитне мере уграђене у модел током обуке функционишу заједно са проверама у реалном времену, континуираним надзором и применом мера на нивоу налога, како би систем остао безбедан чак и када одређени слој не функционише како је предвиђено. У многим системима, саме ознаке класификатора одлучују шта треба блокирати, ослањајући се на моделе ниже интелигенције које је теже променити како би се спречила штета. Наш приступ додаје монитор резоновања који прегледа разговор како би утврдио да ли постоји потенцијал за штету. Овај дизајн је намењен томе да омогући одбрамбени рад, а истовремено блокира озбиљну злоупотребу, при чему су најосетљивије могућности резервисане за верификоване кориснике путем услуге Trusted Access. Пошто неке мере заштите користе резоновање у време тестирања, можемо их брзо ажурирати како бисмо отклонили пропусте без поновног обучавања класификатора од нуле.

Примењујемо опрезнији приступ док настављамо да јачамо систем против прилагодљивих напада. У поређењу са претходним моделима, sajber заштитне мере модела GPT‑5.6 Sol блокирају приближно десет пута више потенцијално штетних активности. Пошто ове мере могу да створе потешкоће за добронамерну употребу, у услугама ChatGPT и Codex пружамо опцију да се инструкције лако поново испробају на моделима са нижим могућностима, а наставићемо да смањујемо утицај наших заштитних мера на добронамерну употребу, уз одржавање високог прага робусности. Ово одражава наш итеративни приступ увођењу: почињемо опрезно и унапређујемо на основу онога што сазнамо из употребе у стварном окружењу.

Пре опште доступности, спровели смо наше до тада најинтензивније безбедносне евалуације, укључујући опсежне активности црвене команде, темељно тестирање способности и заштитних мера са спољним стручњацима, као и приближно 700.000 A100e GPU сати аутоматизованих активности црвене команде по принципу црне кутије. То нам је омогућило да систематски испитамо потенцијалне слабе тачке, идентификујемо заобилажења безбедносних мера и ојачамо систем пре лансирања.

Не постоји савршена безбедност, а наш рад на заштити све способнијих модела се наставља. Нове слабости ће бити откривене, као и нова заобилажења безбедносних мера која заобилазе постојеће заштитне мере. Свака нова генерација модела такође ће отворити нове путеве за нападе и злоупотребу. Градимо за ту стварност кроз слојевите заштитне мере, континуирано праћење, брзо отклањање проблема и сарадњу у оквиру заједнице за одбрану. За GPT‑5.6, повезали смо наше постојеће програме награђивања за откривање безбедносних пропуста⁠(отвара се у новом прозору) и програме награђивања за откривање пропуста у области биологије⁠ са новим процесом брзе санације и нашим најснажнијим напорима у праћењу до сада. Налази истраживача, резултати праћења и случајеви злоупотребе у стварним условима континуирано ће се користити као основа за нове процене и снажније заштитне мере.

Прочитајте више о нашим заштитним мерама у ажурираној системској картици GPT‑5.6⁠(отвара се у новом прозору).

GPT‑5.6 обухвата три нивоа модела: Sol, наш водећи модел; Terra, јефтинији модел са учинком конкурентним моделу GPT‑5.5; и Luna, наш најбржи и најприступачнији модел. Број означава генерацију, док су Sol, Terra и Luna трајни нивои могућности који могу да напредују сопственим темпом.

Модела GPT‑5.6 од данас је доступан у услугама ChatGPT, Codex и OpenAI API. Увођење сада почиње глобално и наставиће се постепено до потпуне доступности у наредна 24 сата.

• Ћаскање: Корисници пакета Plus, Pro, Business и Enterprise приступају моделу GPT‑5.6 Sol уз подешавања напора на средње и високо нивоу. Корисници пакета Pro и Enterprise могу да изаберу и GPT‑5.6 Sol Pro за резултате највишег квалитета на сложеним задацима.
• ChatGPT Work и Codex: Корисници пакета Free и Go имају приступ моделу GPT‑5.6 Terra. Корисници пакета Plus, Pro, Business и Enterprise могу да бирају неки од модела GPT‑5.6 Sol, Terra и Luna, као и да подесе ниво напора за сваки од њих. max је доступан свим корисницима који имају приступ моделу GPT‑5.6 у агенту ChatGPT Посао и услузи Codex и може да се укључи у подешавањима. У агенту ChatGPT Посао, ultra је доступан корисницима Pro и Enterprise. У услузи Codex доступан је за Plus и више пакете.
• API: Пројектанти могу да приступе моделима Sol, Terra и Luna путем OpenAI API-ја. У Responses API-ју, програмско позивање алатки омогућава моделу GPT‑5.6 да у меморији пише и покреће програме који координишу алатке и обрађују међурезултате, на основу чега постаје компатибилан са незадржавањем података (ZDR). Мултиагент, који је у почетку доступан у бета верзији, омогућава моделу GPT‑5,6 да покреће паралелне подагенте и обједини њихов рад у оквиру једног захтева.

GPT‑5.6 се наплаћује по 1.000.000 токена у три величине модела: Sol је 5 USD за улаз / 30 USD за излаз; Terra је 2,50 USD за улаз / 15 USD за излаз; а Luna је 1 USD за улаз / 6 USD за излаз. GPT‑5.6 такође уводи предвидљивије кеширање инструкција, укључујући подршку за експлицитне тачке прекида кеширања⁠(отвара се у новом прозору) и минимални век трајања кеша од 30 минута. За GPT‑5.6 и новије моделе, уписи у кеш се наплаћују по 1,25 пута већој цени од цене модела за унос без кеширања, док читања из кеша и даље остварују попуст од 90% за кеширани унос.