GPT‑5.6: మీ ఆశయాలకు అనుగుణంగా విస్తరించే అత్యాధునిక ఇంటెలిజెన్స్

మా పరిమిత ప్రివ్యూ⁠ అనంతరం, GPT‑5.6 మోడల్‌ల కుటుంబాన్ని అందరికీ అందుబాటులోకి తీసుకువస్తున్నాం: మా కొత్త ఫ్లాగ్‌షిప్ Sol, రోజువారీ పనికి సమతుల్యమైన మోడల్ అయిన Terra, మరియు మా అత్యంత ఖర్చు-సమర్థమైన మోడల్ అయిన Luna.

GPT‑5.6 Sol ఇంటెలిజెన్స్ మరియు సామర్థ్యం రెండింటికీ కొత్త ప్రమాణాన్ని నెలకొల్పుతుంది, కోడింగ్, జ్ఞానాధారిత పని, సైబర్ భద్రత మరియు సైన్స్‌లో అత్యాధునిక ఫలితాలను సాధిస్తూ, తక్కువ టోకెన్లతో మరియు తక్కువ అంచనా ఖర్చుతో మునుపటి మరియు పోటీ అత్యాధునిక మోడళ్ల కంటే మెరుగైన పనితీరును చూపుతుంది. ఫలితంగా ప్రతి డాలర్‌కు మెరుగైన పనితీరు లభిస్తుంది: అదే ఖర్చుతో మరింత విజయవంతమైన పని, లేదా తక్కువ మొత్తం వ్యయంతో సరితూగే ఫలితాలు. మేము అత్యంత డిమాండ్ ఉన్న పనిని వేగవంతం చేయడానికి ఒక కొత్త మార్గాన్ని కూడా పరిచయం చేస్తున్నాము: ultra అనేది మా హై-క్యాపబిలిటీ సెట్టింగ్, సమాంతర వర్క్‌స్ట్రీమ్‌లలో బహుళ ఏజెంట్లను సమన్వయం చేసి క్లిష్టమైన పనులను వేగంగా పూర్తి చేస్తుంది. మరింత బలమైన కంప్యూటర్ వినియోగం మరియు డిజైన్ నిర్ణయ సామర్థ్యం GPT‑5.6‌ని మెరుగుపరుస్తుంది Sol మా ఇప్పటివరకు అత్యంత మెరుగైన సహకారి, పరిశీలించడం, మెరుగుపరచడం మరియు ఉపయోగానికి సిద్ధమైన ఫలితాలను అందించడంలో సహాయపడుతుంది.

ప్రతి టోకెన్ నుండి మరింత ఉపయోగకరమైన పనిని పొందేందుకు మేము GPT‑5.6‌కి శిక్షణ ఇచ్చాము. Agents’ Last Exam⁠(కొత్త విండోలో తెరుచుకుంటుంది)లో, 55 రంగాల్లో దీర్ఘకాలం కొనసాగే ప్రొఫెషనల్ వర్క్‌ఫ్లోల మూల్యాంకనంలో, GPT‑5.6 Sol 53.6 అనే కొత్త హైని సాధించి, Claude Fable 5 (అడాప్టివ్ రీజనింగ్) కంటే 13.1 పాయింట్ల ఆధిక్యంతో దాన్ని అధిగమించింది. మీడియం రీజనింగ్ వద్ద కూడా, అంచనా వ్యయంలో సుమారు ఒక నాల్గవ భాగంతో ఇది Fable 5 కంటే 11.4 పాయింట్లు మెరుగ్గా ఉంటుంది. ఆ సమర్థత చిన్న మోడల్స్‌కూ వర్తిస్తుంది, ఇవి ఇంటెలిజెన్స్‌ను మరింత విస్తృతంగా మరియు అందుబాటు ధరలోకి తీసుకురావడానికి అత్యవసరం: GPT‑5.6 Terra మరియు GPT‑5.6 Luna, దాదాపు ఒక పదహారవ భాగం ఖర్చుతోనే Fable 5 కంటే మెరుగైన పనితీరును కనబరుస్తాయి. Artificial Analysis ఇంటెలిజెన్స్ ఇండెక్స్⁠(కొత్త విండోలో తెరుచుకుంటుంది)లో, ఏజెంటిక్ పని, కోడింగ్, శాస్త్రీయ రీజనింగ్ మరియు సాధారణ సామర్థ్యాలను కవర్ చేసే విస్తృతమైన ఇంటెలిజెన్స్ కొలమానంలో, మ్యాక్స్ రీజనింగ్‌తో GPT‑5.6 Sol, Fable 5కి ఒక్క పాయింట్ దూరంలో నిలుస్తుంది; అదే సమయంలో టాస్క్‌లను 61% తక్కువ సమయంలో, అంచనా ఖర్చులో సుమారు సగం వ్యయంతో పూర్తి చేస్తుంది.

GPT‑5.6 ఇప్పటివరకు మా అత్యంత బలమైన రక్షణ చర్యలతో ప్రారంభమవుతోంది, చట్టబద్ధమైన పనిని విస్తృతంగా పరిమితం చేయకుండా, దృఢ సంకల్పంతో మరియు పరిస్థితులకు అనుగుణంగా మారే దుర్వినియోగాన్ని తట్టుకునేలా ఇది రూపకల్పన చేయబడింది. జనరల్ అవైలబిలిటీకి ముందు, మేము మోడల్స్ మరియు సేఫ్‌గార్డ్స్‌ను ఇప్పటివరకు మా అత్యంత విస్తృతమైన మూల్యాంకన వ్యవధి ద్వారా పరీక్షించాము, ఇందులో మానవ రెడ్ టీమింగ్‌ను భారీ స్థాయి ఆటోమేటెడ్ టెస్టింగ్‌తో కలిపాము. ప్రివ్యూ దశలో, విస్తృత విడుదలకు ముందు మా భద్రతా వ్యవస్థలను కఠినంగా పరీక్షించి మరింత బలోపేతం చేయడానికి, మేము నిపుణుల సంస్థలు మరియు విశ్వసనీయ భాగస్వాములతో సన్నిహితంగా కలిసి పనిచేశాము. ఫలితంగా ఏర్పడే సిస్టమ్, మోడల్‌లో శిక్షణ ద్వారా అమర్చిన రక్షణలను రియల్-టైమ్ తనిఖీలు, మానిటరింగ్, అలాగే నమ్మకం మరియు ప్రమాదానికి అనుగుణంగా సర్దుబాటు చేసిన యాక్సెస్‌తో పొరలుగా అమలు చేస్తుంది.

GPT‑5.6 Sol ఇప్పటివరకు మా అత్యుత్తమ కోడింగ్ మోడల్. Artificial Analysis Coding Agent Index లో, max రీజనింగ్‌తో GPT‑5.6 Sol 80 వద్ద కొత్త అత్యాధునిక ప్రమాణాన్ని నెలకొల్పింది, ఇది Fable 5 కంటే 2.8 పాయింట్లు ఎక్కువ, అదే సమయంలో అవుట్‌పుట్ టోకెన్‌లలో సగం కంటే తక్కువ ఉపయోగిస్తూ, సగం కంటే తక్కువ సమయం తీసుకుంటూ, సుమారు మూడో వంతు తక్కువ ఖర్చవుతుంది. ఆ ప్రయోజనం మొత్తం ఫ్యామిలీ అంతటా విస్తరిస్తుంది: Terra, Fable 5కంటే కొంచెం మెరుగ్గా పనిచేస్తుంది, అలాగే Luna, Opus 4.8ను మించి పనితీరు చూపుతుంది; ప్రతి ఒక్కటి దాదాపు మూడవ వంతు సమయంలో, సుమారు సగం అవుట్‌పుట్ టోకెన్‌లతో, మరియు అంచనా ఖర్చులో దాదాపు పావు వంతు వ్యయంతో అదే చేస్తుంది. ఇది సంక్లిష్టమైన కమాండ్-లైన్ వర్క్‌ఫ్లోలు మరియు వాస్తవ కోడ్‌బేస్‌లలో దీర్ఘకాలిక ఇంజినీరింగ్‌ను పరీక్షించే Terminal‑Bench 2.1 మరియు DeepSWEలో కూడా కొత్త స్టేట్-ఆఫ్-ది-ఆర్ట్ ఫలితాలు సాధించింది.

GPT‑5.6 పని కొనసాగుతున్న క్రమంలో సాధనాలను సమన్వయం చేసే, మధ్యంతర ఫలితాలను ప్రాసెస్ చేసే, పురోగతిని పర్యవేక్షించే, తదుపరి చర్యను ఎంచుకునే తేలికపాటి ప్రోగ్రామ్‌లను రాయగలదు మరియు అమలు చేయగలదు. దీంతో టూల్‌లు ఎక్కువగా ఉపయోగించే టాస్క్స్ తక్కువ టోకెన్‌లు, తక్కువ మోడల్ రౌండ్ ట్రిప్స్ మరియు తక్కువ మార్గదర్శకత్వంతో ముందుకు సాగగలవు. డెవలపర్‌లు ప్రతి దశను స్క్రిప్ట్ చేయాల్సి రావడం లేదా ప్రతి టూల్ రెస్పాన్స్‌ను మళ్లీ మోడల్ ద్వారా పంపించాల్సి రావడం బదులుగా, Responses APIలోని Programmatic Tool Calling⁠(కొత్త విండోలో తెరుచుకుంటుంది) పెద్ద మొత్తంలో ఉన్న మధ్యంతర డేటాను ఫిల్టర్ చేయగలదు, ముఖ్యమైన వాటిని మాత్రమే నిలుపుకోగలదు, అలాగే అవసరానికి అనుగుణంగా దాని వర్క్‌ఫ్లోను మార్గమధ్యంలోనే మార్చుకోగలదు.

సమయం మరియు కంప్యూట్ వనరులపై ఎక్కువ పెట్టుబడి పెట్టే సమస్యల కోసం, GPT‑5.6 ఈ సమర్థవంతమైన డిఫాల్ట్‌ను దాటి ముందుకు సాగగలదు. max అనేది GPT‑5.6కు xhigh కంటే ఇంకా ఎక్కువ సమయాన్ని ఇస్తుంది, తద్వారా అది తర్కించడానికి మరియు ప్రత్యామ్నాయాలను పరిశీలించడానికి, తనిఖీలు నిర్వహించడానికి, అలాగే తన విధానాన్ని సవరించుకోవడానికి వీలవుతుంది. ultra డిఫాల్ట్‌గా నాలుగు ఏజెంట్లను సమాంతరంగా సమన్వయం చేస్తూ మరింత ముందుకు వెళ్తుంది, క్లిష్టమైన పనుల్లో బలమైన ఫలితాలు మరియు ఫలితం పొందడానికి పట్టే తక్కువ సమయం కోసం ఎక్కువ టోకెన్ వినియోగాన్ని అంగీకరిస్తుంది. క్రింద ఉన్న చార్ట్‌లు BrowseComp, SEC-Bench Pro మరియు Terminal-Bench 2.1 అంతటా ultra యొక్క డిఫాల్ట్ నాలుగు-ఏజెంట్ సెటప్‌ను ఒక-ఏజెంట్ బేస్‌లైన్‌తో పోలుస్తాయి; BrowseComp మరియు SEC-Bench Pro 16-ఏజెంట్ కాన్ఫిగరేషన్‌లను కూడా చూపిస్తాయి. మూడు మూల్యాంకనాలన్నింటిలోనూ, సమాంతర ఏజెంట్లను జోడించడం స్కోర్-లేటెన్సీ అత్యాధునిక రేఖను పైకి మరియు ఎడమ వైపుకు మార్చి, తక్కువ సమయంలో మరింత బలమైన ఫలితాలను సాధిస్తుంది. APIలో, డెవలపర్లు Responses APIలోని మల్టీ-ఏజెంట్ బీటాను ఉపయోగించి ultra తరహా అనుభవాలను రూపొందించవచ్చు.

GPT‑5.6 డిజైన్ నిర్ణయ సామర్థ్యంలో ఒక స్థాయి మార్పును అందిస్తుంది. కేవలం హై-లెవల్ దిశానిర్దేశంతో, GPT‑5.6 రుచికరమైన, సౌకర్యవంతమైన మరియు ఉపయోగకరమైన ఇంటర్‌ఫేస్‌లను సృష్టిస్తుంది. దాని మరింత బలమైన కంప్యూటర్ వినియోగ సామర్థ్యాలు, కేవలం అంతర్గత కోడ్ లేదా కంటెంట్‌ను రూపొందించడం కాకుండా, రెండర్ చేసిన ఫలితాన్ని పరిశీలించి మెరుగుపరచడానికి వీలు కల్పిస్తాయి. అందువల్ల, పని తిరిగి అప్పగించే ముందు దృశ్యపరమైన మరియు కార్యాచరణ సంబంధిత సమస్యలను గుర్తించి, చివరి మెరుగులు చేయగలదు.

GPT‑5.6 యొక్క ఫ్రంట్‌ఎండ్ సామర్థ్యాలు ChatGPT Work‌లో సహజ భాషా అభ్యర్థనలను మెరుగైన, ఇంటరాక్టివ్ వివరణలు మరియు విజువలైజేషన్‌లుగా మార్చగలవు.

GPT‑5.6 వృత్తిపరమైన పనుల కోసం మెరుగైన ఫలితాలను అందిస్తుంది. ఇది మీ డాక్యుమెంట్‌లు మరియు Slack, Notion, Microsoft 365, Google Drive వంటి రోజువారీ వర్క్‌ఫ్లోల నుండి అస్తవ్యస్తమైన సందర్భ సమాచారాన్ని తీసుకుని, దాన్ని నిపుణుల-స్థాయి, పంచుకోదగిన ఆర్టిఫాక్ట్‌లుగా మారుస్తుంది.

GPT‑5.6 యొక్క నాలెడ్జ్ వర్క్‌లోని సామర్థ్యం, దీర్ఘకాలిక ప్రొఫెషనల్ విశ్లేషణ, బ్రౌజింగ్, టూల్ వినియోగం, మరియు కంప్యూటర్ వినియోగం వంటి అంశాలను కవర్ చేసే మూల్యాంకనాల్లో స్పష్టంగా కనిపిస్తుంది. GPT‑5.6 Sol BrowseComp లో 92.2% వద్ద మరియు OSWorld 2.0 లో 62.6% వద్ద కొత్త అత్యాధునిక ఫలితాలను సాధిస్తుంది; OSWorldలో, 85% తక్కువ అవుట్‌పుట్ టోకెన్‌లను ఉపయోగిస్తూ ఇది Opus 4.8ను అధిగమిస్తుంది. ఇక్కడ, డాలర్‌కు లభించే పనితీరు మెరుగుదలలు GPT‑5.6 కుటుంబం అంతటా విస్తరించాయి. Luna యొక్క పనితీరు GPT‑5.5 పనితీరుకు దాదాపు సమానంగా ఉంటుంది అంచనా వేసిన ఖర్చులో సగానికి తక్కువకే గరిష్ఠ పనితీరు, అయితే Terra ఇంకా తక్కువ ఖర్చుతో దానిని అధిగమిస్తుంది.

GPT‑5.6 Sol ప్రజెంటేషన్‌లు, పత్రాలు, స్ప్రెడ్‌షీట్‌లలో నాణ్యతను మెరుగుపరుస్తుంది, మరింత మెరుగైన, ఖచ్చితమైన అవుట్‌పుట్‌లను ఉత్పత్తి చేస్తుంది. ఇది మొదటి నుండి పూర్తిగా ఎడిట్ చేయగల ప్రెజెంటేషన్‌లను సృష్టించగలదు. ఇది ప్రాంప్ట్ మరియు మూల విషయాన్ని బలమైన లేఅవుట్‌లు, క్రమం, మరియు డిజైన్‌తో కూడిన స్పష్టమైన దృశ్య కథనంగా మార్చుతుంది.

టెంప్లేట్‌లు మరియు రిఫరెన్స్ డెక్‌లను అనుసరించినప్పుడు ఈ మెరుగుదల ప్రత్యేకంగా స్పష్టంగా కనిపిస్తుంది. GPT‑5.6 ప్రెజెంటేషన్ డెక్‌ యొక్క డిజైన్ సిస్టమ్‌ను—లేఅవుట్లు, టైపోగ్రఫీ, అంతరాలు, రంగులు మరియు స్లైడ్ మాస్టర్‌లో పొందుపరచబడిన నియమాలతో సహా పునరావృతమయ్యే కంటెంట్ నమూనాలను—గ్రహించి, ఆ కన్వెన్షన్‌లను కొత్త మెటీరియల్‌కు స్థిరంగా వర్తింపజేయగలదు. ఈ ఉదాహరణలో, రిఫరెన్స్ ఫైల్ ఆధారంగా సంఖ్యలను అప్‌డేట్ చేయమని కోరినప్పుడు, GPT‑5.5 అవుట్‌పుట్‌లో మాస్టర్ స్లైడ్‌కు సంబంధించిన ముఖ్యమైన భాగాలు లోపించాయి; అయితే GPT‑5.6 రిఫరెన్స్ నిర్మాణాన్ని మరింత విశ్వసనీయంగా అనుసరించింది.

GPT‑5.6 దృశ్యపరంగా మరింత మెరుగైన పత్రాలు మరియు స్ప్రెడ్‌షీట్‌లను కూడా సృష్టిస్తుంది. ఇది సంక్లిష్టమైన రిఫరెన్స్ ఫార్మాట్‌లను మరింత నిష్ఠగా అనుసరిస్తుంది, ఇది పునరావృతం చేయగల నాలెడ్జ్ వర్క్ కార్యకలాపాలకు ముఖ్యమైనది. ఇది సమీకరణాలు మరియు ఫైనాన్షియల్ మోడల్‌ను మరింత ఖచ్చితత్వంతో నిర్వహిస్తుంది, అలాగే టైపోగ్రఫీ, స్పేసింగ్, హైరార్కీ మరియు పేజీ లేదా వర్క్‌షీట్ లేఅవుట్‌ను మరింత మెరుగ్గా ఉపయోగిస్తుంది.

GPT‑5.6ను పరీక్షిస్తున్న ప్రారంభ కస్టమర్‌లు వివిధ రంగాల వ్యాప్తంగా జ్ఞానపరమైన పనుల అవుట్‌పుట్‌లలో మెరుగుదలలను గమనించారు.

GPT‑5.6 ఇప్పటివరకు మా అత్యంత శక్తివంతమైన సైబర్‌సెక్యూరిటీ మోడల్, గణనీయంగా తక్కువ టోకెన్‌లతో అత్యాధునిక పనితీరును సాధిస్తోంది. అసురక్షిత కోడ్‌ను చేరుకోవడం నుండి ఇష్టానుసార కోడ్ అమలు వరకు పురోగతిని కొలిచే ExploitBench^2, లో, ఇది GPT‑5.5 యొక్క పోల్చదగిన అవుట్‌పుట్ టోకెన్ బడ్జెట్ వద్ద 47.9%. వాస్తవ ప్రపంచంలోని దుర్బలతలను పనిచేసే ఎక్స్‌ప్లాయిట్‌లుగా మార్చమని ఏజెంట్లను అడిగే ExploitGym³, లో, ఇది GPT‑5.5 యొక్క దాన్ని దాదాపు రెట్టింపు చేస్తుంది. గరిష్ఠ పాస్ రేటు, రెండు గంటల పరిమితిలో 15.1% నుండి 24.9% వరకు; ఆరు గంటలైతే, అది 33.7%కి చేరుతుంది. క్లిష్టమైన సాఫ్ట్‌వేర్‌పై ప్రూఫ్-ఆఫ్-కాన్సెప్ట్ జనరేషన్‌ను పరీక్షించే SEC-Bench Pro, లో, ఇది 71.2% స్కోర్ చేస్తుంది, GPT‑5.5 యొక్క మెరుగైన లేటెన్సీ వద్ద 45.8%.

GPT‑5.6 సురక్షిత కోడ్ సమీక్ష, ప్యాచింగ్, ముప్పు నమూనీకరణ, మరియు బ్లూ టీమింగ్ వంటి ముఖ్యమైన రక్షణాత్మక పనులకు మద్దతు ఇస్తుంది. OpenAI Daybreak యొక్క Trusted Access for Cyber⁠ ప్రోగ్రామ్‌లో అర్హత కలిగిన వ్యక్తులు మరియు సంస్థలు, దుర్బలత ట్రయాజ్ మరియు ధృవీకరణ, మాల్వేర్ విశ్లేషణ, డిటెక్షన్ ఇంజినీరింగ్, ప్యాచ్ ధృవీకరణతో సహా అధీకృత వాతావరణాల్లో ధృవీకరించిన పనికి మరింత ఖచ్చితమైన భద్రతా చర్యల ద్వారా దీని రక్షణాత్మక సామర్థ్యాన్ని మరింతగా యాక్సెస్ చేయగలరు.

వ్యక్తులు తమ గుర్తింపును ధృవీకరించి, విశ్వసనీయ యాక్సెస్ కోసం అభ్యర్థించవచ్చు⁠(కొత్త విండోలో తెరుచుకుంటుంది), అలాగే సంస్థలు తమ బృందాల కోసం దరఖాస్తు చేసుకోవచ్చు⁠. మా అత్యంత సైబర్-సామర్థ్యం గల అత్యాధునిక మోడల్స్‌కు యాక్సెస్‌ను కొనసాగించడానికి, వ్యక్తిగత సభ్యులు 01 సెప్టెంబర్ నాటికి హార్డ్‌వేర్-బ్యాక్డ్ పాస్‌కీలతో అడ్వాన్స్డ్ అకౌంట్ సెక్యూరిటీ⁠(కొత్త విండోలో తెరుచుకుంటుంది) ని ఎనేబుల్ చేయాలి. అలా చేయని వారు డిఫాల్ట్ యాక్సెస్‌కు తిరిగి వెళ్తారు. ఇప్పటికే హార్డ్‌వేర్-మద్దతు గల పాస్‌కీలు లేని వినియోగదారులు మా భాగస్వామి Yubico నుండి ప్రాధాన్యత ధరలు⁠(కొత్త విండోలో తెరుచుకుంటుంది) పొందవచ్చు. హై-రిస్క్ ఎంటిటీలకు మరియు హై-రిస్క్ అధికార పరిధుల్లో యాక్సెస్‌ను పరిమితం చేయడానికి మేము అదనపు చర్యలు కూడా తీసుకుంటున్నాము.

GPT‑5.6 Sol కూడా శాస్త్రీయ పరిశోధన అంతటా విస్తృతమైన మెరుగుదలలను చూపిస్తుంది. జీవ శాస్త్రాల మూల్యాంకనాల్లో, వాస్తవ ప్రపంచ జీవశాస్త్రం, జీవ శాస్త్ర పరిశోధన పనిప్రవాహాలు, రసాయనశాస్త్రంలో GPT‑5.5తో పోలిస్తే GPT‑5.6 పారెటో మెరుగుదలలను చూపిస్తుంది.

GPT‑5.6 AI పరిశోధనను వేగవంతం చేయడానికి మా దగ్గర ఇప్పటివరకు వచ్చిన అత్యంత శక్తివంతమైన మోడల్. OpenAI లోపల, పరిశోధకులు డెవలప్‌మెంట్ లూప్ అంతటా దాన్ని ఉపయోగిస్తారు: వైఫల్యాలను నిర్ధారించడం, ట్రైనింగ్ సిస్టమ్‌లను ఆప్టిమైజ్ చేయడం, ప్రయోగాలు నిర్వహించడం మరియు ఫలితాలను అర్థం చేసుకోవడం. GPT‑5.6 యొక్క అంతర్గత పరీక్షా కాలంలో ఆ వేగవంతం మరియు మరింత బలమైన స్వీకరణను మేము ఇప్పటికే చూశాం, ఎందుకంటే ప్రతి సక్రియ పరిశోధకుడికి సగటు రోజువారీ అవుట్‌పుట్ టోకెన్‌లు GPT‑5.5 కోసం గమనించిన అత్యధిక స్థాయి కంటే రెండింతలకన్నా ఎక్కువగా ఉన్నాయి.

ఈ పని విధానం వేగంగా ప్రామాణిక పద్ధతిగా మారుతోంది. గత ఆరు నెలల్లో, అంతర్గత కోడింగ్ ఇన్ఫరెన్స్‌కు కేటాయించిన పరిశోధన కంప్యూట్ వాటా 100 రెట్లు పెరిగింది, కాగా అంతర్గత ఏజెంటిక్ టోకెన్ వినియోగం సుమారు 22 రెట్లు పెరిగింది. ఈ స్వీకరణ కొలమానాలు స్వతంత్రంగా పరిశోధన పురోగతిని కొలవవు, కానీ పరిశోధన మరియు సేల్స్, మార్కెటింగ్, యూజర్ ఆప్స్, ఫైనాన్స్ వంటి ఇతర బృందాల్లో AI సహాయం ఎంత వేగంగా పెరుగుతుందో చూపిస్తాయి.

ఈ సామర్థ్యాన్ని నేరుగా కొలవడానికి, పరిశోధన సిస్టమ్‌లను డీబగ్ చేయడం, కర్నెల్‌లు మరియు ట్రైనింగ్ రెసిపీలను ఆప్టిమైజ్ చేయడం, మెషిన్-లెర్నింగ్ ప్రయోగాలను నిర్వహించడం, అలాగే మరో మోడల్‌ను మెరుగుపరచడం వంటి నిజమైన AI పరిశోధన టాస్క్స్ ఆధారంగా మేము అంతర్గత మూల్యాంకనాల సమాహారాన్ని అభివృద్ధి చేశాము.

మోడల్ సామర్థ్యాలు పెరుగుతున్న కొద్దీ, అత్యంత హై-రిస్క్ వినియోగాలకు మరింత కఠిన పరిశీలనను వర్తింపజేస్తూనే, అధునాతన ఇంటెలిజెన్స్ విస్తృతంగా ఉపయోగకరంగా ఉండేలా మా సేఫ్టీ స్టాక్‌ను మేము బలోపేతం చేస్తున్నాము. GPT‑5.6 కోసం, ప్రతి మోడల్ సామర్థ్యాలకు అనుగుణంగా క్యాలిబ్రేట్ చేయబడిన మరియు మునుపెన్నడూ లేనంత ఎక్కువ కంప్యూటింగ్ వనరులతో శక్తినిచ్చిన, ఇప్పటివరకు మా అత్యంత బలమైన భద్రతా వ్యవస్థను మేము నిర్మించాము.

GPT‑5.6 మోడల్‌లు జీవశాస్త్రం మరియు సైబర్ భద్రత రంగాల్లో మునుపటి మోడళ్ల కంటే మెరుగైన సామర్థ్యాలను చూపిస్తున్నాయి, కానీ ఈ రెండు విభాగాల్లోనూ అవి క్రిటికల్ పరిమితి స్థాయికి చేరుకోలేదు. సైబర్ భద్రతలో, మా పరీక్షల ప్రకారం GPT‑5.6, బలమైన భద్రతా రక్షణలు కలిగిన లక్ష్యాలపై స్వయంప్రతిపత్తితో ఎండ్-టు-ఎండ్ దాడులను విశ్వసనీయంగా నిర్వహించడంలో కంటే, లోపాలను గుర్తించడం మరియు పరిష్కరించడంలో మెరుగ్గా ఉందని సూచిస్తున్నాయి—దీనివల్ల బలహీనతలు దుర్వినియోగం కాకముందే రక్షణ వ్యవస్థలను బలోపేతం చేసుకునే అవకాశం భద్రతా నిపుణులకు లభిస్తుంది. జీవశాస్త్రంలో, మా పరీక్షల ప్రకారం GPT‑5.6 చట్టబద్ధమైన పరిశోధనలకు సహాయపడగలదు. అయితే, అత్యంత ప్రమాదకరమైన కొత్త ముప్పును సృష్టించడానికి, రూపకల్పన చేయడానికి, లేదా సంశ్లేషణ చేయడానికి అవసరమైన పూర్తి స్థాయి సామర్థ్యాన్ని ఇది అందించదని సూచిస్తున్నాయి.

ఈ రెండు రంగాలూ సహజంగానే ద్వంద్వ-వినియోగం కలిగినవి. సైబర్ భద్రతలో, దాడిదారుడు ఒక దుర్బలతను దుర్వినియోగం చేసేందుకు సహాయపడగల అదే సామర్థ్యాలు, రక్షకుడు దానిని కనుగొనడానికి, పునరుత్పత్తి చేయడానికి మరియు నమ్మదగిన పరిష్కారాన్ని రూపొందించడానికి కూడా సహాయపడగలవు. అందువల్ల, అతిగా నిరోధించడం స్వతహాగా ఒక భద్రతా ప్రమాదాన్ని సృష్టిస్తుంది. ఇది డిఫెండర్లు సిస్టమ్‌లను పరీక్షించడం మరియు ప్యాచ్‌లను డిప్లాయ్ చేయడం నిరోధిస్తుంది, మరోవైపు హానికర యాక్టర్లు ఇతర మోడల్‌లను, సామర్థ్యం పెరుగుతున్న ఓపెన్-సోర్స్ మోడల్‌లతో పాటు, స్థాపిత టూల్స్‌ను కూడా ఉపయోగించడం కొనసాగిస్తారు. సమర్థవంతమైన రక్షణ చర్యలు అభ్యర్థన యొక్క సందర్భం మరియు సంభావ్య పరిణామాలను పరిగణనలోకి తీసుకుంటాయి; చట్టబద్ధమైన రక్షణాత్మక పనిని పరిరక్షిస్తూ, ఆధారాలు తీవ్రమైన హాని ప్రమాదాన్ని సూచించే చోట మరింత కఠినమైన నియంత్రణలను అమలు చేస్తాయి.

GPT‑5.6 యొక్క భద్రతా చర్యలు మరింత ఖచ్చితత్వం మరియు అదనపు రక్షణ పొరల కోసం బహుళ స్థాయిలుగా రూపొందించబడ్డాయి. కొత్త దాడి పద్ధతులు వెలుగులోకి వచ్చినప్పుడు త్వరగా అనుగుణంగా మారేలా కూడా వీటిని రూపొందించారు. మోడల్‌లో శిక్షణ పొందిన రక్షణ చర్యలు రియల్-టైమ్ తనిఖీలు, నిరంతర పర్యవేక్షణ మరియు అకౌంట్-స్థాయి అమలు చర్యలతో కలిసి పనిచేస్తాయి, తద్వారా ఒక నిర్దిష్ట లేయర్ ఉద్దేశించినట్లుగా పనిచేయనప్పుడు కూడా సిస్టమ్ సురక్షితంగా ఉండటానికి సహాయపదుతుంది. చాలా సిస్టమ్స్‌లో, క్లాసిఫైయర్ ఫ్లాగ్స్ మాత్రమే ఏమి బ్లాక్ చేయాలో నిర్ణయిస్తాయి, మరియు హానిని నివారించడానికి, మార్చడం మరింత కష్టమైన తక్కువ ఇంటెలిజెన్స్ కలిగిన మోడల్‌లపై ఇవి ఆధారపడతాయి. హాని సంభవించే అవకాశం ఉందో లేదో నిర్ధారించడానికి సంభాషణను సమీక్షించే రీజనింగ్ మానిటర్‌ను మా విధానం జోడిస్తుంది. తీవ్రమైన దుర్వినియోగాన్ని నిరోధిస్తూ రక్షణాత్మక పనులను సాధ్యమయ్యేలా చేయడానికి ఈ డిజైన్ ఉద్దేశించబడింది, ఇందులో అత్యంత సున్నితమైన సామర్థ్యాలు Trusted Access ద్వారా ధృవీకరించబడిన వినియోగదారులకు మాత్రమే కేటాయించబడతాయి. కొన్ని రక్షణలు టెస్ట్-టైమ్ రీజనింగ్‌ను ఉపయోగిస్తాయి కాబట్టి, క్లాసిఫైయర్‌లను మొదటి నుంచి మళ్లీ శిక్షణ ఇవ్వకుండా లోపాలను పూడ్చడానికి వాటిని మేము వేగంగా అప్‌డేట్ చేయగలం.

అనుకూలించే దాడుల నుండి వ్యవస్థను మరింత బలోపేతం చేయడం కొనసాగిస్తున్నందున, మేము మరింత జాగ్రత్తపూర్వక విధానాన్ని అనుసరిస్తున్నాము. మునుపటి మోడల్‌లతో పోలిస్తే, మా GPT‑5.6 Sol సైబర్ రక్షణలు హానికరంగా ఉండే అవకాశమున్న కార్యకలాపాలను సుమారు పది రెట్లు ఎక్కువగా అడ్డుకుంటాయి. ఈ చర్యలు హానికరం కాని వినియోగానికి ఆటంకం కలిగించవచ్చు కాబట్టి, తక్కువ సామర్థ్యం గల మోడల్స్‌పై ప్రాంప్ట్‌లను సులభంగా మళ్లీ ప్రయత్నించడానికి ChatGPT మరియు Codexలో మేము ఒక ఎంపికను అందిస్తున్నాము, అలాగే హై దృఢత్వ ప్రమాణాన్ని కొనసాగిస్తూనే హానికరం కాని వినియోగంపై మా రక్షణ చర్యల ప్రభావాన్ని తగ్గించడం కొనసాగిస్తాము. ఇది మా పునరావృత డిప్లాయ్‌మెంట్ విధానాన్ని ప్రతిబింబిస్తుంది: జాగ్రత్తగా ప్రారంభించి, వాస్తవ ప్రపంచ వినియోగం ద్వారా నేర్చుకున్న దాని ఆధారంగా మెరుగుపరచడం.

సాధారణ లభ్యతకు ముందు, ఇప్పటివరకు మా అత్యంత విస్తృతమైన భద్రతా మూల్యాంకనాలను నిర్వహించాము, అందులో విస్తృత స్థాయి రెడ్ టీమింగ్, బాహ్య నిపుణులతో కలిసి బలమైన సామర్థ్య మరియు భద్రతా రక్షణ పరీక్షలు, అలాగే సుమారు 700,000 A100e GPU గంటల బ్లాక్-బాక్స్ ఆటోమేటెడ్ రెడ్ టీమింగ్ ఉన్నాయి. దీనివల్ల సంభావ్య బలహీనతలను క్రమపద్ధతిలో పరిశీలించడం, జైల్‌బ్రేక్‌లను గుర్తించడం, అలాగే విడుదలకు ముందే వ్యవస్థను మరింత బలోపేతం చేయడం సాధ్యమైంది.

పూర్తిస్థాయి భద్రత అనే విషయం లేదు. మరింత సామర్థ్యవంతమైన మోడళ్లను భద్రపరచడానికి మా పని కొనసాగుతోంది. కొత్త బలహీనతలు కనుగొనబడతాయి, అలాగే ఇప్పటికే ఉన్న భద్రతా రక్షణలను దాటవేసే కొత్త జైల్‌బ్రేక్‌లు కూడా కనుగొనబడతాయి. మోడల్ యొక్క ప్రతి కొత్త తరం దాడి మరియు దుర్వినియోగానికి కొత్త మార్గాలను కూడా సృష్టిస్తుంది. ఆ వాస్తవానికి అనుగుణంగా, బహుస్థాయి భద్రతా చర్యలు, నిరంతర పర్యవేక్షణ, వేగవంతమైన పరిష్కార చర్యలు, మరియు రక్షణ సముదాయం అంతటా సహకారం ద్వారా మేము నిర్మిస్తాము. GPT‑5.6 కోసం, మా ఇప్పటికే ఉన్న భద్రతా⁠(కొత్త విండోలో తెరుచుకుంటుంది) మరియు బయాలజీ బగ్ బౌంటీ ప్రోగ్రామ్‌లు⁠ కొత్త వేగవంతమైన పరిష్కరణ ప్రక్రియతో మరియు ఇప్పటివరకు మా అత్యంత బలమైన పర్యవేక్షణ ప్రయత్నంతో జత చేశాము. పరిశోధకులు, పర్యవేక్షణ మరియు వాస్తవ ప్రపంచంలో జరిగే దుర్వినియోగం నుండి లభించే కనుగొన్న విషయాలు, కొత్త మూల్యాంకనాలు మరియు మరింత బలమైన రక్షణ చర్యల రూపకల్పనకు నిరంతర ప్రాతిపదికన తోడ్పడతాయి.

అప్‍డేట్‍ చేసిన GPT‑5.6 సిస్టమ్ కార్డ్⁠(కొత్త విండోలో తెరుచుకుంటుంది)లో మా భద్రతా రక్షణ చర్యల గురించి మరింత చదవండి.

GPT‑5.6 మూడు మోడల్ టియర్‌లను కలిగి ఉంది: Sol, మా ఫ్లాగ్‌షిప్; Terra, GPT‑5.5తో పోటీపడగల పనితీరుతో తక్కువ ఖర్చుతో కూడిన మోడల్; మరియు Luna, మా అత్యంత వేగవంతమైన మరియు అత్యంత సరసమైన మోడల్. సంఖ్య జనరేషన్‌ను గుర్తిస్తుంది, అయితే Sol, Terra, Luna అనేవి తమ స్వంత వేగంలో పురోగమించగల దీర్ఘకాలిక సామర్థ్య స్థాయిలు.

GPT‑5.6 నేటి నుండి ChatGPT, Codex మరియు OpenAI API అంతటా అందుబాటులో ఉంది. రోల్‌అవుట్ ఇప్పుడు ప్రపంచవ్యాప్తంగా ప్రారంభమవుతోంది మరియు వచ్చే 24 గంటల్లో పూర్తి అందుబాటుకు చేరుకునేలా క్రమంగా కొనసాగుతుంది.

• చాట్: Plus, Pro, Business, మరియు Enterprise వినియోగదారులు మీడియం మరియు హైయర్ ప్రయత్నం సెట్టింగ్‌ల ద్వారా GPT‑5.6 Solను యాక్సెస్ చేస్తారు. Pro మరియు Enterprise వినియోగదారులు సంక్లిష్టమైన పనులపై హైయస్ట్ నాణ్యత గల ఫలితాల కోసం GPT‑5.6 Sol Proను కూడా ఎంచుకోవచ్చు.
• ChatGPT Work మరియు Codex: Free మరియు Go వినియోగదారులు GPT‑5.6 Terraకి యాక్సెస్ పొందుతారు. Plus, Pro, Business, మరియు Enterprise యూజర్లు GPT‑5.6లోంచి ఎంచుకోవచ్చు Sol, Terra మరియు Luna కోసం ప్రతి దానికి ఒక ప్రయత్న స్థాయిని సెట్ చేయండి. max ChatGPT Work మరియు Codex‌లో GPT‑5.6కు యాక్సెస్ ఉన్న వినియోగదారులందరికీ అందుబాటులో ఉంటుంది మరియు సెట్టింగ్‌లలో ఆన్ చేయవచ్చు. ChatGPT Work‌లో, ultra Pro మరియు Enterprise వినియోగదారులకు అందుబాటులో ఉంది. Codex‌లో, ఇది Plus మరియు అంతకంటే హై ప్లాన్లకు అందుబాటులో ఉంటుంది.
• API: డెవలపర్లు OpenAI API ద్వారా Sol, Terra, Lunaలను యాక్సెస్ చేయవచ్చు. Responses APIలో, ప్రోగ్రామాటిక్ టూల్ కాలింగ్ ద్వారా GPT‑5.6 టూల్‌లను సమన్వయం చేసి, మధ్యంతర ఫలితాలను ప్రాసెస్ చేసే ప్రోగ్రామ్‌లను మెమరీలోనే రాయగలదు మరియు అమలు చేయగలదు, దీని వల్ల ఇది జీరో డేటా రిటెన్షన్ (ZDR)కు అనుకూలంగా ఉంటుంది. ప్రారంభంలో బీటాలో అందుబాటులో ఉండే మల్టీఏజెంట్, ఒకే అభ్యర్థనలో ఏకకాలిక సబ్‌ఏజెంట్లను అమలు చేసి, వాటి పనిని సమన్వయపరచడానికి GPT‑5.6ను అనుమతిస్తుంది.

GPT‑5.6 మూడు మోడల్ పరిమాణాల కోసం ప్రతి 1M టోకెన్లకు ధర నిర్ణయించబడింది: Sol ఇన్‌పుట్‌కు $5 / అవుట్‌పుట్‌కు $30; Terra ఇన్‌పుట్‌కు $2.50 / అవుట్‌పుట్‌కు $15; మరియు Luna ఇన్‌పుట్‌కు $1 / అవుట్‌పుట్‌కు $6. GPT‑5.6 మరింత అంచనా వేయగలిగే ప్రాంప్ట్ క్యాషింగ్‌ను కూడా పరిచయం చేస్తుంది, ఇందులో స్పష్టమైన క్యాష్ బ్రేక్‌పాయింట్లు⁠(కొత్త విండోలో తెరుచుకుంటుంది) మరియు కనీసం 30 నిమిషాల క్యాష్ నిల్వ వ్యవధికి మద్దతు ఉంటుంది. GPT‑5.6 మరియు తదుపరి మోడల్‌ల కోసం, క్యాష్ రైట్‌లకు మోడల్ యొక్క క్యాష్ చేయని ఇన్‌పుట్ రేట్‌కు 1.25× చొప్పున చార్జ్ చేయబడుతుంది, అయితే క్యాష్ రీడ్‌లు 90% క్యాష్ చేసిన ఇన్‌పుట్ డిస్కౌంట్‌ను పొందడం కొనసాగిస్తాయి.