GPT‑5.6: Banbrytande intelligens som skalar med dina ambitioner

Vi lanserar nu GPT‑5.6-modellserien för allmän tillgänglighet efter vår begränsade förhandsvisning⁠: vårt nya flaggskepp, Sol, tillsammans med Terra, en balanserad modell för det dagliga arbetet, och Luna, vår mest kostnadseffektiva modell.

GPT‑5.6 Sol sätter en ny standard för både intelligens och effektivitet och uppnår resultat i toppklass inom kodning, kunskapsarbete, cybersäkerhet och vetenskap samtidigt som den överträffar tidigare och konkurrerande banbrytande modeller med färre token och till en lägre uppskattad kostnad. Resultatet är högre prestanda per dollar: mer framgångsrikt arbete för samma budget, eller jämförbara resultat till en lägre totalkostnad. Vi introducerar också ett nytt sätt att accelerera det mest krävande arbetet: ultra är vår inställning med hög kapacitet, som samordnar flera agenter i parallella arbetsflöden för att slutföra komplexa uppgifter snabbare. Starkare datoranvändning och designomdöme gör GPT‑5.6 Sol till vår mest finslipade samarbetspartner hittills och hjälper till att granska, förfina och leverera färdiga resultat.

Vi tränade GPT‑5.6 för att få ut mer användbart av varje token. På Agents’ Last Exam⁠(öppnas i ett nytt fönster), en utvärdering av långvariga professionella arbetsflöden inom 55 områden, noterar GPT‑5.6 Sol en ny hög på 53,6 och överträffar Claude Fable 5 (adaptivt resonemang) med 13,1 poäng. Även vid balanserat resonemang slår den Fable 5 med 11,4 poäng till ungefär en fjärdedel av den uppskattade kostnaden. Den effektiviteten omfattar även mindre modeller, som är avgörande för att göra intelligens mer allmänt tillgänglig och prisvärd: GPT‑5.6 Terra och GPT‑5.6 Luna överträffar Fable 5 till cirka en sextondel av kostnaden. På Artificial Analysis Intelligence Index⁠(öppnas i ett nytt fönster), ett brett mått på intelligens som omfattar agentbaserat arbete, kodning, vetenskapligt resonemang och allmänna förmågor, hamnar GPT‑5.6 Sol med maximal resonemangsnivå inom en poäng från Fable 5 samtidigt som den slutför uppgifter på 61 % kortare tid till ungefär halva den uppskattade kostnaden.

GPT‑5.6 lanseras med våra mest robusta skyddsåtgärder hittills, utformade för att vara motståndskraftiga mot målmedvetet och adaptivt missbruk utan att generellt begränsa legitimt arbete. Före allmän tillgänglighet lät vi modellerna och skyddsåtgärderna genomgå vår hittills mest omfattande utvärderingsperiod, där vi kombinerade mänsklig red teaming med storskalig automatiserad testning. Under förhandsvisningen samarbetade vi nära med expertorganisationer och betrodda samarbetspartner för att utsätta skyddsmekanismerna för stresstester och stärka säkerhetsåtgärderna inför den fullskaliga lanseringen. Det resulterande systemet kombinerar skyddsåtgärder som tränats in i modellen med realtidskontroller, övervakning och åtkomst som kalibrerats efter tillit och risk.

GPT‑5.6 Sol är vår bästa modell hittills. På Artificial Analysis Coding Agent Index sätter GPT‑5.6 Sol med maximalt resonemang en ny toppnivå på 80, 2,8 poäng över Fable 5, samtidigt som den använder mindre än hälften så många utdata-token, tar mindre än halva tiden och kostar ungefär en tredjedel mindre. Den fördelen gäller i hela familjen: Terra presterar strax över Fable 5, medan Luna överträffar Opus 4.8. Båda gör det på ungefär en tredjedel av tiden, med cirka hälften så många utdata-token och till ungefär en fjärdedel av den uppskattade kostnaden. Den uppnår också nya toppresultat på Terminal‑Bench 2.1 och DeepSWE, som testar komplexa kommandoradsarbetsflöden och ingenjörsarbete över längre tidshorisonter i verkliga kodbaser.

GPT‑5.6 kan skriva och köra lätta program som samordnar verktyg, bearbetar mellanliggande resultat, övervakar förloppet och väljer nästa åtgärd allteftersom arbetet fortskrider. Detta gör att verktygsintensiva uppgifter kan fortskrida med färre tokens, färre turer fram och tillbaka med modellen och mindre vägledning. I stället för att kräva att utvecklare skriver skript för varje steg eller skickar tillbaka varje verktygssvar genom modellen kan programmatiska verktygsanrop⁠(öppnas i ett nytt fönster) i Responses API filtrera stora mängder mellanliggande data, behålla endast det som är viktigt och anpassa sitt arbetsflöde under arbetets gång.

För problem där det lönar sig att lägga mer tid och beräkningskraft kan GPT‑5.6 gå längre än denna effektiva standardinställning. Max ger GPT‑5.6 ännu mer tid än xhigh att resonera och utforska alternativ, köra kontroller och revidera sin metod. Ultra går längre genom att samordna fyra agenter parallellt som standard, vilket innebär högre tokenanvändning i utbyte mot bättre resultat och kortare tid till resultat för krävande uppgifter. Diagrammen nedan jämför standardinställningen ultra med 4 agenter med en baslinje med en agent för BrowseComp, SEC-Bench Pro och Terminal-Bench 2.1; BrowseComp och SEC-Bench Pro visar även konfigurationer med 16 agenter. I alla tre utvärderingarna förskjuter tillägg av parallella agenter gränsen mellan poäng och latens uppåt och åt vänster, vilket ger starkare resultat på kortare tid. I API:et kan utvecklare bygga ultra-liknande upplevelser med betaversionen för flera agenter i Responses API.

GPT‑5.6 levererar ett stort framsteg inom designomdöme. Med endast hög nivå av riktning skapar GPT‑5.6 smakfulla, ergonomiska och funktionella gränssnitt. Dess starkare funktioner för datoranvändning gör att den kan granska och finjustera det renderade resultatet – inte bara generera den underliggande koden eller innehållet – så att den kan upptäcka visuella och funktionella problem och göra de sista finjusteringarna innan arbetet lämnas tillbaka.

GPT‑5.6s frontendfunktioner omvandlar också förfrågningar på naturligt språk till välutformade, interaktiva förklaringar och visualiseringar i ChatGPT Arbete.

GPT‑5.6 ger bättre resultat för professionella uppgifter. Det tar ostrukturerad kontext från dina dokument och dagliga arbetsflöden som Slack, Notion, Microsoft 365 och Google Drive och omvandlar den till delningsbara artefakter på expertnivå.

GPT‑5.6:s styrka inom kunskapsarbete visar sig i utvärderingar som omfattar långsiktig professionell analys, webbnavigering, verktygsanvändning och datoranvändning. GPT‑5.6 Sol sätter nya toppresultat på BrowseComp med 92,2 % och OSWorld 2.0 med 62,6 %. På OSWorld överträffar den Opus 4.8 samtidigt som den använder 85 % färre utdata-token. Här gäller förbättringarna i prestanda per dollar för hela GPT‑5.6-familjen. Luna matchar nästan GPT‑5.5:s topprestanda på mindre än hälften av den uppskattade kostnaden, medan Terra överträffar detta till en ännu lägre kostnad.

GPT‑5.6 Sol förbättrar kvaliteten på presentationer, dokument och kalkylblad, och levererar resultat som är mer förfinade och korrekta. Det kan skapa helt redigerbara presentationer från grunden genom att omvandla en prompt och källmaterial till en sammanhängande visuell berättelse med starka layouter, tydlig hierarki och genomarbetad design.

Förbättringen är särskilt tydlig när man följer mallar och referenspresentationer. GPT‑5.6 kan ansluta till en presentations designsystem – layouter, typografi, avstånd, färger och återkommande innehållsmönster, inklusive regler som är inbäddade i bildbakgrunden – och tillämpa dessa konsekvent på nya material. I det här exemplet, när modellen ombeds att uppdatera siffrorna utifrån en referensfil, saknar GPT‑5.5:s utdata viktiga delar från huvudbilden, medan GPT‑5.6 följer referensstrukturen mer troget.

GPT‑5.6 skapar också mer visuellt förfinade dokument och kalkylblad. Det följer komplexa referensformat mer troget, vilket är viktigt för upprepbara arbetsmoment inom kunskapsarbete. Den hanterar ekvationer och finansiella modeller med större precision och utnyttjar typografi, avstånd, hierarki samt sid- eller kalkylbladslayout bättre.

Tidiga kunder som testade GPT‑5.6 såg förbättringar i resultaten från kunskapsarbete inom olika områden.

GPT‑5.6 är vår starkaste cybersäkerhetsmodell hittills och uppnår banbrytande prestanda med betydligt färre Token. På ExploitBench^2, som mäter framsteg från att nå sårbar kod till exekvering av godtycklig kod, får den 73,5 % jämfört med GPT‑5.5:s 47,9 % vid en jämförbar budget för utdata-token. På ExploitGym³, som ber agenter att omvandla verkliga sårbarheter till fungerande exploateringar, fördubblar den nästan GPT‑5.5:s högsta andelen godkända, från 15,1 % till 24,9 % med tvåtimmarsgränsen; med sex timmar når den 33,7 %. På SEC-Bench Pro, som testar generering av proof-of-concept för komplex programvara, får den 71,2 % jämfört med GPT‑5.5:s 45,8 % med förbättrad latens.

GPT‑5.6 stöder viktiga defensiva uppgifter såsom säker kodgranskning, patchning, hotmodellering och blue teaming. Kvalificerade individer och organisationer i programmet OpenAI Daybreak’s Trusted Access for Cyber⁠ kan få åtkomst till mer av dess defensiva kapacitet genom mer precisa skyddsåtgärder för verifierat arbete i auktoriserade miljöer, inklusive triagering och validering av sårbarheter, analys av skadlig kod, detektionsteknik och patchvalidering.

Enskilda personer kan verifiera sin identitet och begära betrodd åtkomst⁠(öppnas i ett nytt fönster), och organisationer kan ansöka⁠ för sina team. Enskilda medlemmar måste aktivera avancerad kontosäkerhet⁠(öppnas i ett nytt fönster) med maskinvarustödda lösenordsnycklar senast den 1 september för att behålla åtkomsten till våra banbrytande modeller med störst cyberkapacitet. De som inte gör det återgår till standardåtkomst. Användare som inte redan har maskinvarubaserade lösenordsnycklar kan få förmånliga priser⁠(öppnas i ett nytt fönster) från vår partner Yubico. Vi vidtar också ytterligare åtgärder för att begränsa åtkomsten till aktörer med hög risk och i jurisdiktioner med hög risk.

GPT‑5.6 Sol visar också breda förbättringar inom vetenskaplig forskning. I utvärderingar inom livsvetenskap visar GPT‑5.6 Pareto-förbättringar jämfört med GPT‑5.5 inom verklighetsnära biologi, arbetsflöden för livsvetenskaplig forskning och kemi.

GPT‑5.6 är vår starkaste modell hittills för att påskynda AI-forskning. Inom OpenAI använder forskare den i hela utvecklingscykeln: för att diagnostisera fel, optimera träningssystem, köra experiment och tolka resultat. Vi såg redan denna acceleration och starkare användning under den interna testperioden för GPT‑5,6, eftersom det genomsnittliga dagliga antalet utdata-token per aktiv forskare var mer än dubbelt så högt som den högsta nivån som observerats för GPT‑5,5.

Det här arbetssättet håller snabbt på att bli standard. Under de senaste sex månaderna ökade andelen forskningsberäkningsresurser som ägnas åt intern kodningsinferens hundra gånger, medan agenternas interna token-användning ökade cirka tjugotvå gånger. Dessa mått på införande mäter inte i sig forskningsframsteg, men de visar hur snabbt användningen av AI-assistans ökar inom forskning och i andra områden, som försäljning, marknadsföring, användarverksamhet och ekonomi.

För att mäta denna förmåga direkt utvecklade vi en intern uppsättning utvärderingar baserade på verkliga forskningsuppgifter inom AI, inklusive att felsöka forskningssystem, optimera kärnor och träningsrecept, köra maskininlärningsexperiment och förbättra en annan modell.

I takt med att modellernas kapacitet ökar stärker vi vår säkerhetsstack, så att avancerad intelligens kan förbli allmänt användbar samtidigt som vi tillämpar större granskning på användningsområdena med hög risk. För GPT‑5.6 har vi utvecklat vårt hittills mest robusta säkerhetssystem, anpassat efter varje modells kapacitet och med större beräkningskapacitet än någonsin tidigare.

GPT‑5.6‑modellerna har bättre prestanda än våra tidigare modeller både inom biologi och cybersäkerhet, men överskrider inte den kritiska tröskeln i någon av kategorierna. Inom cybersäkerhet tyder våra tester på att GPT‑5.6 är bättre på att hitta och åtgärda sårbarheter än på att på ett tillförlitligt sätt genomföra autonoma attacker från början till slut mot härdade mål – vilket ger försvarare en möjlighet att stärka system innan svagheter utnyttjas. Inom biologin tyder våra tester på att GPT‑5.6 kan stödja legitim forskning, men att den inte har den helhetskapacitet som krävs för att skapa, utveckla eller syntetisera ett nytt, mycket farligt hot.

Båda områdena är av naturen dubbelanvända. Inom cybersäkerhet kan samma resurser som skulle kunna hjälpa en angripare att utnyttja en sårbarhet också hjälpa en försvarare att upptäcka den, återskapa den och ta fram en tillförlitlig lösning. Överblockering skapar därför en säkerhetsrisk i sig. Det kan hindra försvarare från att testa system och installera säkerhetsuppdateringar, medan illvilliga aktörer fortsätter att använda andra modeller – däribland allt mer avancerade modeller med öppen källkod – samt etablerade verktyg. Effektiva skyddsåtgärder tar hänsyn till sammanhanget och de troliga konsekvenserna av en begäran, vilket innebär att legitimt försvarsarbete tillåts samtidigt som strängare kontroller tillämpas när bevisen tyder på en allvarlig risk för skada.

GPT‑5.6:s skyddsmekanismer är uppbyggda i flera lager för ökad noggrannhet och redundans, och utformade för att snabbt kunna anpassas när nya attacker uppstår. De skyddsmekanismer som har tränats in i modellen fungerar tillsammans med realtidskontroller, kontinuerlig övervakning och tillämpning på kontonivå för att bidra till att systemet förblir säkert även om ett visst skyddslager inte fungerar som avsett. I många system är det enbart klassificeringsflaggorna som avgör vad som ska blockeras, och man förlitar sig på enklare intelligensmodeller som är svårare att anpassa för att förhindra skada. Vår metod innebär att vi inför en resonemangsövervakare som granskar konversationen för att avgöra om det finns någon risk för skada. Denna utformning är avsedd att möjliggöra defensivt arbete samtidigt som allvarliga missbruk förhindras, där de mest känsliga funktionerna reserveras för verifierade användare via Trusted Access. Eftersom vissa skyddsmekanismer använder resonemang vid testtid kan vi snabbt uppdatera dem för att täppa till luckor utan att träna om klassificerare från grunden.

Vi väljer en mer försiktig strategi i takt med att vi fortsätter att stärka systemet mot adaptiva attacker. Jämfört med tidigare modeller har vår GPT‑5.6 Sol cyberskydd blockerar ungefär tio gånger mer potentiellt skadlig aktivitet. Eftersom dessa åtgärder kan orsaka besvär för oskyldiga användare erbjuder vi i ChatGPT och Codex en funktion som gör det enkelt att försöka med nya prompter på modeller med lägre kapacitet, och vi kommer att fortsätta att minska effekterna av våra säkerhetsåtgärder på oskyldiga användare samtidigt som vi upprätthåller en hög standard för robusthet. Detta återspeglar vår iterativa strategi för driftsättning: att börja försiktigt och förbättra utifrån det vi lär oss av faktisk användning.

Innan produkten släpptes för allmänheten genomförde vi våra hittills mest omfattande säkerhetsutvärderingar, bland annat omfattande red teaming-tester, noggranna tester av funktioner och säkerhetsåtgärder tillsammans med externa experter samt automatiserad black-box-red teaming motsvarande cirka 700 000 A100e-GPU-timmar. Detta gjorde det möjligt för oss att systematiskt undersöka sannolika svaga punkter, avslöja jailbreak och hjälpa oss att stärka systemet före lanseringen.

Det finns ingen sådan sak som perfekt säkerhet, och vårt arbete med att säkra allt mer avancerade modeller fortsätter. Nya svagheter kommer att upptäckas, liksom nya jailbreak som kringgår befintliga skyddsåtgärder. Varje ny generation av modeller kommer också att skapa nya angreppsvägar och möjligheter till missbruk. Vi förbereder oss för den verkligheten genom flera lager av skyddsåtgärder, kontinuerlig övervakning, snabba korrigerande åtgärder och samarbete inom hela säkerhetsbranschen. För GPT‑5.6 har vi kombinerat våra befintliga säkerhetsprogram⁠(öppnas i ett nytt fönster) och sårbarhetsbelöningsprogram för biologi⁠ med en ny process för snabb åtgärd och vår hittills mest omfattande övervakningsinsats. Resultat från forskning, övervakning och faktiska fall av missbruk kommer löpande att ligga till grund för nya utvärderingar och strängare skyddsåtgärder.

Läs mer om våra skyddsåtgärder i det uppdaterade Systemkort för GPT‑5.6⁠(öppnas i ett nytt fönster).

GPT‑5.6 omfattar tre modellnivåer: Sol, vår flaggskeppsmodell, Terra, en modell till lägre kostnad med prestanda som kan konkurrera med GPT‑5.5 och Luna, vår snabbaste och mest prisvärda modell. Numret identifierar generationen, medan Sol, Terra och Luna är beständiga funktionsnivåer som kan utvecklas i sin egen takt.

GPT‑5.6 är tillgänglig från och med i dag i ChatGPT, Codex och OpenAI API. Utrullningen startar globalt nu och kommer att fortsätta gradvis tills full tillgänglighet har uppnåtts under de kommande 24 timmarna.

• Chatt: Plus-, Pro-, Business- och Enterprise-användare får åtkomst till GPT‑5.6 Sol via inställningar med Balanserad eller högre insats. Pro- och Enterprise-användare kan även välja GPT‑5.6 Sol Pro för resultat av högsta kvalitet vid komplexa uppgifter.
• ChatGPT arbete och Codex: användare av Free och Go får tillgång till GPT‑5.6 Terra. Plus-, Pro-, Business- och Enterprise-användare kan välja bland GPT‑5.6 Sol, Terra och Luna och ange en insatsnivå för var och en. max är tillgängligt för alla användare med åtkomst till GPT‑5.6 i ChatGPT arbete och Codex och kan aktiveras i inställningarna. I ChatGPT Arbete är ultra tillgängligt för Pro- och Enterprise-användare. I Codex är det tillgängligt för Plus och abonnemang på en högre nivå.
• API: Utvecklare kan få åtkomst till Sol, Terra och Luna via OpenAI:s API. I Responses API gör programmatisk verktygsanropning det möjligt för GPT‑5.6 att skriva och köra program i minnet som samordnar verktyg och bearbetar mellanresultat, vilket gör det kompatibelt med noll datalagring (ZDR). Multi-agent, som inledningsvis är tillgängligt i betaversion, gör det möjligt för GPT‑5.6 att köra parallella underagenter och sammanställa deras arbete i en enda begäran.

GPT‑5.6 prissätts per 1 mn token för tre modellstorlekar: Sol kostar 5 $ för indata/30 $ för utdata; Terra kostar 2,50 $ för indata/15 $ för utdata; och Luna kostar 1 $ för indata/6 $ för utdata. GPT‑5.6 introducerar även mer förutsägbar cachelagring av Prompt, inklusive stöd för explicita cachebrytpunkter⁠(öppnas i ett nytt fönster) och en minsta cachelivslängd på 30 minuter. För GPT‑5.6 och senare modeller debiteras cacheskrivningar med 1,25 gånger modellens pris för indata utan cachelagring, medan cacheläsningar fortsätter att få 90 % rabatt på cachade indatatokens.