เรากำลังเริ่มต้นช่วงพรีวิวแบบจำกัดสำหรับซีรีส์ GPT‑5.6 ซึ่งประกอบด้วย Sol โมเดลเรือธงของเรา Terra โมเดลที่เน้นความสมดุลสำหรับการทำงานทั่วไป และ Luna โมเดลที่มีความรวดเร็วและความคุ้มค่าสูง Terra มีประสิทธิภาพที่เทียบเคียงได้กับ GPT‑5.5 ในขณะที่มีราคาถูกกว่า 2 เท่า และ Luna มอบความสามารถที่แข็งแกร่งด้วยต้นทุนต่ำที่สุดของเรา
GPT‑5.6 Sol เปิดตัวพร้อมด้วยชุดเครื่องมือรักษาความปลอดภัยที่แข็งแกร่งที่สุดเท่าที่เราเคยพัฒนามา เราได้เสริมมาตรการป้องกันสำหรับการใช้งานที่มีความเสี่ยงสูง คำขอที่เกี่ยวข้องกับความปลอดภัยทางไซเบอร์ที่มีความละเอียดอ่อน และการนำระบบไปใช้ในทางที่ผิดโดยเจตนา พร้อมทั้งใช้เวลาหลายสัปดาห์ในการค้นหาจุดอ่อน ทดสอบขีดจำกัดของระบบ และเสริมความมั่นคงปลอดภัยเพื่อป้องกันการโจมตีที่อาจเกิดขึ้นจริง
เราเชื่อว่า AI ควรเข้าถึงได้อย่างกว้างขวาง และเราวางแผนที่จะทำให้ GPT‑5.6 Sol, Terra และ Luna พร้อมให้ใช้งานทั่วไปในอีกไม่กี่สัปดาห์ข้างหน้า ภายใต้ความร่วมมืออย่างต่อเนื่องกับรัฐบาลสหรัฐฯ เราได้นำเสนอรายละเอียดเบื้องต้นเกี่ยวกับแผนงานและความสามารถของโมเดลก่อนการเปิดตัวอย่างเป็นทางการในวันนี้ ตามคำขอของรัฐบาล เราจะเริ่มด้วยการเปิดให้ใช้งานแบบจำกัดสำหรับพาร์ทเนอร์ที่ผ่านการคัดเลือกและได้รับความไว้วางใจ โดยเราได้เปิดเผยรายชื่อผู้มีส่วนร่วมนี้ต่อรัฐบาลเป็นที่เรียบร้อยแล้ว ก่อนที่จะขยายการให้บริการแก่ผู้ใช้งานทั่วไปในลำดับถัดไป ในช่วงการเปิดให้ทดลองใช้งานนี้ เราจะเดินหน้าทดสอบและประสานงานกับพาร์ทเนอร์อย่างใกล้ชิดต่อไป ขณะเดียวกันก็เตรียมความพร้อมสำหรับการเปิดให้ใช้งานในวงกว้าง เรามีความคิดเห็นว่ากระบวนการที่รัฐบาลเข้ามามีส่วนร่วมในการเข้าถึงระบบเช่นนี้ ไม่ควรกลายเป็นบรรทัดฐานมาตรฐานในระยะยาว แนวทางดังกล่าวทำให้ผู้ใช้ นักพัฒนา องค์กร ผู้ป้องกันภัยไซเบอร์ และพาร์ทเนอร์ทั่วโลกที่จำเป็นต้องใช้ ไม่สามารถเข้าถึงเครื่องมือที่ดีที่สุดได้ เราตัดสินใจใช้มาตรการชั่วคราวนี้ เพราะเชื่อว่าจะช่วยให้สามารถเปิดให้ใช้งานในวงกว้างได้เร็วที่สุดในช่วงไม่กี่สัปดาห์ข้างหน้า ในขณะเดียวกันเราก็ทำงานร่วมกับรัฐบาลสหรัฐฯ เพื่อพัฒนากรอบการดำเนินงานตามคำสั่งฝ่ายบริหารด้านความมั่นคงไซเบอร์ และจัดทำกระบวนการที่สามารถนำกลับมาใช้ซ้ำได้สำหรับการเปิดตัวโมเดลในอนาคต
GPT‑5.6 Sol เป็นโมเดลที่ทรงพลังที่สุดของเราในปัจจุบัน เพื่อแสดงตัวอย่างประสิทธิภาพของโมเดล เราได้แชร์ชุดการประเมินที่เน้นให้เห็นถึงความสามารถเชิงปฏิบัติที่ดีขึ้นในการเขียนโค้ด ชีววิทยา และความปลอดภัยทางไซเบอร์ โดยมีการประเมินด้านความปลอดภัยและความพร้อมรับมือเพิ่มเติมอยู่ในการ์ดระบบ(เปิดในหน้าต่างใหม่)ของเรา เราจะแชร์ชุดผลการประเมินที่ขยายเพิ่มเติมเมื่อเราเปิดให้ใช้งานโมเดลในวงกว้าง
GPT‑5.6 มาพร้อมตัวเลือกการใช้เหตุผลระดับ `max` แบบใหม่ เพื่อให้ Sol ใช้เวลาคิดวิเคราะห์ได้อย่างเต็มที่ นอกจากนี้เรากำลังเปิดตัวโหมด `ultra` ใหม่ ซึ่งขยายขีดความสามารถให้เหนือกว่าเอเจนต์เพียงตัวเดียว โดยอาศัยเอเจนต์ย่อยเพื่อช่วยเร่งการทำงานที่ซับซ้อน
สำหรับเวิร์กโฟลว์การเขียนโค้ด GPT‑5.6 Sol ทำคะแนนสูงสุดเป็นประวัติการณ์ผ่านการทดสอบ Terminal‑Bench 2.1 ซึ่งเป็นเกณฑ์วัดที่ทดสอบการทำงานผ่านคำสั่งบรรทัดที่ต้องอาศัยการวางแผน การทำซ้ำ และการประสานงานของเครื่องมือ
นอกจากนี้ GPT‑5.6 Sol ยังแสดงให้เห็นถึงการพัฒนาในวงกว้างสำหรับขั้นตอนการทำงานด้านชีววิทยาอีกด้วย ในการทดสอบ GeneBench v1 ซึ่งประเมินการวิเคราะห์ด้านจีโนมิกส์และชีววิทยาเชิงปริมาณระยะยาว โมเดลนี้ให้ผลลัพธ์ที่ดีกว่า GPT‑5.5 พร้อมทั้งใช้โทเค็นน้อยกว่า
GPT‑5.6 Sol คือโมเดลที่มีความสามารถสูงสุดเท่าที่เราเคยพัฒนามาในด้านความปลอดภัยทางไซเบอร์ มันช่วยยกระดับประสิทธิภาพในการทำงานด้านความปลอดภัยที่ซับซ้อนและต้องทำในระยะยาว ไม่ว่าจะเป็นการวิจัยหาช่องโหว่และการใช้ประโยชน์จากช่องโหว่ ผลการทดสอบ ExploitBench² พบว่า GPT‑5.6 Sol มีประสิทธิภาพทัดเทียมกับ Mythos Preview โดยใช้โทเค็นเอาต์พุตเพียงประมาณ 1/3 เท่านั้น ในการประเมิน ExploitGym(เปิดในหน้าต่างใหม่)3 ซึ่งเป็นเกณฑ์มาตรฐานที่สร้างขึ้นโดยนักวิจัยจาก UC Berkeley ร่วมกับ OpenAI และห้องปฏิบัติการระดับแนวหน้าอื่นๆ พบว่า โมเดล GPT‑5.6 ทั้งรุ่น Sol, Terra และ Luna ต่างแสดงให้เห็นถึงการพัฒนาที่โดดเด่นในด้านความสามารถทางไซเบอร์เมื่อเราเพิ่มระดับการใช้เหตุผลให้มากขึ้น
เราได้พัฒนา GPT‑5.6 Sol, Terra และ Luna พร้อมมาตรการป้องกันที่แข็งแกร่งที่สุดของเราจนถึงปัจจุบัน โดยมีการกำหนดค่าที่ปรับให้สอดคล้องกับความสามารถของแต่ละโมเดล เมื่อโมเดลมีความสามารถมากขึ้น เราได้ออกแบบมาตรการป้องกันเพื่อให้สามารถรับมือกับแรงกดดันจากการโจมตีในโลกจริงได้ดียิ่งขึ้น โดยยังคงไว้ซึ่งความสะดวกในการเข้าถึงการใช้งานที่เป็นประโยชน์ เช่น การตรวจสอบโค้ด การวิจัยช่องโหว่ การพัฒนาแพตช์ การแก้ไขจุดบกพร่อง การศึกษาด้านความปลอดภัย และการทดสอบระบบป้องกัน จุดมุ่งหมายของเราคือการเพิ่มอุปสรรค สร้างความไม่แน่นอน และทำให้กิจกรรมการโจมตีที่เป็นข้อห้ามนั้นถูกตรวจพบได้ง่ายขึ้น โดยไม่ส่งผลกระทบต่อการใช้งานที่เป็นประโยชน์เกินความจำเป็น จากการประเมินโมเดลและมาตรการป้องกันของเรา เราเล็งเห็นถึงประโยชน์สำคัญต่อการทำงานด้านการป้องกันที่ชอบด้วยกฎหมาย พร้อมกับจำกัดช่องทางในการนำไปใช้ในทางที่ผิดได้อย่างเห็นผลจริง
GPT‑5.6 Sol โดดเด่นในการช่วยผู้ใช้ค้นหาและแก้ไขช่องโหว่ มากกว่าการดำเนินการโจมตีแบบครบวงจรได้อย่างน่าเชื่อถือ เมื่อเทคโนโลยีเหล่านี้พัฒนาขึ้นไปเรื่อยๆ เป้าหมายหลักของเราคือการทำให้มั่นใจว่าผู้ปฏิบัติงานด้านการป้องกันจะสามารถเข้าถึงและใช้ประโยชน์จากเครื่องมือเหล่าในการค้นหาจุดอ่อน พัฒนาแพตช์ และเสริมสร้างความแข็งแกร่งให้กับระบบในภาพรวมได้
ภายใต้กรอบการเตรียมความพร้อมของเรา GPT‑5.6 Sol ยังไม่ถือว่ามีความเสี่ยงสูงถึงระดับวิกฤตทางไซเบอร์ (Cyber Critical) ในการประเมินผลผ่าน Chromium และ Firefox โมเดลสามารถระบุจุดบกพร่องและองค์ประกอบพื้นฐานของการเจาะระบบได้ แต่ไม่สามารถสร้างชุดการโจมตีแบบครบวงจรที่ใช้งานได้จริงโดยอัตโนมัติภายใต้เงื่อนไขที่ทดสอบ อย่างไรก็ตาม เกณฑ์มาตรฐานไม่สามารถครอบคลุมทุกวิธีการที่โมเดลอาจถูกนำไปใช้หรือนำไปทำงานร่วมกับเครื่องมืออื่นๆ ได้ทั้งหมด ความไม่แน่นอนดังกล่าวประกอบกับการเปลี่ยนแปลงด้านความสามารถในวงกว้างแบบก้าวกระโดดของโมเดล คือสาเหตุที่เราจับคู่ความสามารถที่เพิ่มขึ้นของโมเดลเข้ากับมาตรการป้องกันที่เข้มงวดขึ้นและการปล่อยใช้งานแบบเป็นระยะ เราได้แชร์รายละเอียดเพิ่มเติมเกี่ยวกับมาตรการป้องกันของเราในการ์ดระบบ GPT‑5.6 เวอร์ชันพรีวิว(เปิดในหน้าต่างใหม่)
ไม่มีมาตรการป้องกันใดมาตรการเดียวที่เพียงพอสำหรับการใช้งานในทางที่ผิดอย่างมุ่งมั่นหรือปรับเปลี่ยนได้ ตลอดช่วงพรีวิวของ GPT‑5.6 เราใช้มาตรการป้องกันแบบหลายชั้น โดยการกำหนดค่าที่แน่นอนจะแตกต่างกันไปในแต่ละโมเดล และทดสอบความทนทานของมาตรการเหล่านั้นต่อการโจมตีในสถานการณ์จริง มาตรการเหล่านี้ประกอบด้วยระบบป้องกันที่ถูกฝึกสอนไว้ภายในโมเดล การตรวจสอบแบบเรียลไทม์ระหว่างการสร้างผลลัพธ์ สัญญาณระดับบัญชี การเข้าถึงที่แตกต่างกันตามระดับ การเฝ้าติดตาม การบังคับใช้ และการทดสอบอย่างต่อเนื่อง
GPT‑5.6 ถูกพัฒนามาให้ปฏิเสธการให้ความช่วยเหลือที่เกี่ยวข้องกับการกระทำผิดทางไซเบอร์ โดยครอบคลุมถึงกรณีที่ผู้ใช้งานพยายามปกปิดเจตนารมณ์ที่แท้จริงหรือพยายามหาช่องทางเจลเบรกโมเดล มาตรการป้องกันระดับโมเดลเหล่านี้เป็นปราการด่านแรกในการกำหนดขอบเขตว่าโมเดลควรให้ความช่วยเหลือในเรื่องใดได้บ้าง และเรื่องใดที่ไม่ควรทำ
ตัวจำแนกพฤติกรรมมิชอบด้านไซเบอร์และชีววิทยาแบบเรียลไทม์เปรียบเสมือนเกราะป้องกันอีกชั้น ที่คอยตรวจสอบและคัดกรองผลลัพธ์ในระหว่างที่โมเดลกำลังประมวลผล ในกรณีที่มีความเสี่ยงสูง หากระบบตรวจพบการละเมิดที่อาจเกิดขึ้น การสร้างผลลัพธ์อาจถูกระงับไว้ชั่วคราว เพื่อให้โมเดลขนาดใหญ่กว่าที่มีความสามารถในการใช้เหตุผลดำเนินการตรวจสอบการสนทนาและบริบทก่อนตัดสินใจ ในกรณีที่ประเมินแล้วพบว่าเนื้อหาละเมิดนโยบาย ระบบจะระงับข้อมูลดังกล่าวก่อนที่จะแสดงผลไปยังผู้ใช้งาน
กิจกรรมที่เข้าข่ายต้องสงสัยอาจกระตุ้นให้เกิดการตรวจสอบระดับบัญชี ทั้งในแง่ของประวัติการสนทนาและสัญญาณบ่งชี้ความเสี่ยงต่างๆ ตามนโยบายการเก็บรักษาและตรวจสอบข้อมูลของเรา การพิจารณาข้อมูลที่นอกเหนือจากบทสนทนาเดียวช่วยให้ระบบของเราจำแนกพฤติกรรมที่เป็นอันตรายอย่างต่อเนื่อง ออกจากงานด้านความปลอดภัยที่ใช้งานได้สองทาง ซึ่งอาจมีแนวคิดทางเทคนิคที่คล้ายคลึงกันปรากฏในบริบทที่แตกต่างกันอย่างสิ้นเชิง
การทำงานร่วมกันของมาตรการเหล่านี้ช่วยสร้างแนวทางโดยรวมที่มั่นคงกว่าการใช้มาตรการรักษาความปลอดภัยเพียงชั้นใดชั้นหนึ่ง พฤติกรรมของโมเดลช่วยลดโอกาสในการสร้างเนื้อหาที่เป็นอันตราย ระบบเรียลไทม์สามารถเข้าแทรกแซงในระหว่างการประมวลผล การตรวจสอบระดับบัญชีผู้ใช้ช่วยระบุรูปแบบพฤติกรรมในภาพรวมได้ และการจำกัดสิทธิ์การเข้าถึงแบบแบ่งระดับช่วยรักษาความต่อเนื่องของงานด้านความปลอดภัยที่สำคัญ โดยไม่เปิดเผยขีดความสามารถที่ละเอียดอ่อนที่สุดให้ใช้งานได้ทั่วไปเป็นค่าเริ่มต้น
ในระหว่างช่วงการเปิดทดลองใช้งาน ระบบป้องกันอาจบล็อกหรือปฏิเสธคำขอของผู้ใช้ได้เป็นบางครั้ง คำขออื่นๆ อาจใช้เวลานานขึ้น เนื่องจากการสร้างผลลัพธ์ถูกหยุดชั่วคราวเพื่อการตรวจสอบเพิ่มเติม มาตรการป้องกันอาจเข้ามาแทรกแซงงานที่ชอบด้วยกฎหมายเป็นครั้งคราว โดยเฉพาะในด้านการใช้งานสองทาง ซึ่งกิจกรรมเชิงป้องกันและเชิงโจมตีอาจดูคล้ายกันในตอนแรก
สิ่งนี้ถือเป็นส่วนหนึ่งของวัตถุประสงค์ในการเปิดให้ทดลองใช้งาน ซึ่งใช้ทดสอบการทำงานของระบบ เป้าหมายของเราไม่ได้มีเพียงแค่การประเมินว่าระบบป้องกันช่วยลดการใช้ในทางที่ผิดได้จริงหรือเปล่า แต่เราต้องการทราบด้วยว่าผู้ใช้งานทั่วไปยังคงสามารถทำงานตามปกติได้อย่างราบรื่นและมีประสิทธิภาพเพียงใด ความคิดเห็นในช่วงการทดลองใช้งานจะช่วยให้เราลดการบล็อกและลดความล่าช้าที่ไม่จำเป็น ปรับปรุงความสามารถของระบบป้องกันในการตีความบริบทให้แม่นยำยิ่งขึ้น และสร้างประสบการณ์การใช้งานที่ราบรื่นยิ่งขึ้นก่อนการเปิดตัวอย่างเป็นทางการ
นอกจากนี้เรากำลังร่วมมือกับลูกค้าองค์กรเพื่อพัฒนาแนวทางระยะยาว ซึ่งรวมถึงระบบตรวจจับที่รักษาความเป็นส่วนตัว มาตรการความปลอดภัยที่ลูกค้าควบคุมได้เอง และการจำกัดสิทธิ์การเข้าถึงที่ปรับตามความเสี่ยงของลูกค้า ผู้ใช้งาน หรือลักษณะงาน เพื่อยกระดับความปลอดภัยควบคู่ไปกับการสนับสนุนข้อกำหนดด้านความเป็นส่วนตัวขององค์กร
มาตรการป้องกันจะต้องมีประสิทธิผลอย่างต่อเนื่อง แม้ฝ่ายโจมตีจะมีการปรับเปลี่ยนรูปแบบการโจมตี มาตรการป้องกันที่ใช้ได้เฉพาะกับชุดการโจมตีที่ทราบรูปแบบแน่ชัดนั้น ยังมีความแข็งแกร่งไม่เพียงพอสำหรับโมเดลระดับแนวหน้า
นั่นคือเหตุผลที่พวกเราทุ่มเททั้งสติปัญญาและทรัพยากรการประมวลผลให้กับงานด้านความปลอดภัยมากกว่าที่เคย โดยใช้โมเดลของเราเองเพื่อค้นหาจุดอ่อนและยกระดับมาตรการป้องกันให้รวดเร็วยิ่งขึ้น เราทุ่มเททรัพยากรการประมวลผลเทียบเท่า GPU รุ่น A100 นานกว่า 700,000 ชั่วโมง เพื่อใช้ในการทำ Red Teaming แบบอัตโนมัติ ซึ่งมีจุดประสงค์หลักเพื่อตรวจหาช่องโหว่ประเภท Universal Jailbreak หรือวิธีการโจมตีที่สามารถใช้ได้ผลในหลายบริบทหรือหลายชุดคำสั่ง ไม่ใช่แค่ในสถานการณ์เฉพาะเจาะจงเพียงอย่างเดียว การให้ความสำคัญกับการโจมตีที่มีความซับซ้อนและครอบคลุมมากขึ้น ช่วยให้เราทดสอบมาตรการป้องกันได้กว้างขวางกว่าแค่การแก้ไขจุดบกพร่องที่ทราบกันดีอยู่แล้ว นอกจากนี้ยังช่วยให้เราสำรวจรูปแบบการโจมตีได้ครอบคลุมยิ่งกว่าการทดสอบโดยมนุษย์เพียงอย่างเดียว พร้อมทั้งระบุรูปแบบความผิดพลาดได้รวดเร็วขึ้น และร่นระยะเวลาจากขั้นตอนการตรวจพบช่องโหว่ไปจนถึงการจัดการแก้ไขปัญหา
นอกเหนือจากการทำ Red Teaming แบบอัตโนมัติแล้ว เรายังร่วมมือกับผู้ทดสอบจากบุคคลที่สามเพื่อดำเนินการทำ Red Teaming โดยผู้เชี่ยวชาญมนุษย์อย่างครอบคลุมซึ่งจะดำเนินต่อไปในช่วงการทดลองใช้งาน การทำ Red Teaming โดยมนุษย์ช่วยเสริมการทำงานแบบอัตโนมัติ โดยทดสอบมาตรการป้องกันเมื่อเผชิญกับผู้เชี่ยวชาญที่มีความคิดสร้างสรรค์ซึ่งพยายามใช้โมเดลในทางที่ไม่เหมาะสมซึ่งระบบของเราอาจคาดไม่ถึง
ไม่มีการประเมินผลชุดใดที่สามารถครอบคลุมการกำหนดค่าผลิตภัณฑ์ทุกรูปแบบ รูปแบบการโจมตีหลายขั้นตอน หรือกระบวนการทำงานจริงในโลกแห่งความเป็นจริงได้ทั้งหมด ดังนั้นเราจึงจัดให้มีกระบวนการตอบสนองอย่างรวดเร็ว เพื่อทำการจำลอง ประเมินผล จัดลำดับความสำคัญ และแก้ไขช่องโหว่แบบ Jailbreak ที่ถูกค้นพบใหม่ จากนั้นจะนำช่องโหว่ดังกล่าวเข้าสู่ระบบการประเมินผลของเราอย่างต่อเนื่อง เพื่อใช้ในการทดสอบและป้องกันความล้มเหลวในลักษณะเดียวกันที่อาจเกิดขึ้นในอนาคต
ระหว่างช่วงพรีวิว โมเดล GPT‑5.6 จะเริ่มเปิดให้ใช้งานเบื้องต้นผ่านทาง API และ Codex แก่กลุ่มพันธมิตรและองค์กรที่ได้รับคัดเลือกและมีความน่าเชื่อถือก่อน เราวางแผนที่จะเปิดให้ผู้ใช้งาน ChatGPT, Codex และ API เข้าถึงสิ่งเหล่านี้ได้ในวงกว้างมากขึ้นเร็วๆ นี้
ภายใต้ระบบการตั้งชื่อใหม่ที่เปิดตัวพร้อมกับ GPT‑5.6 ตัวเลขจะระบุถึงเจเนอเรชันของโมเดล ส่วน Sol, Terra และ Luna จะแบ่งระดับความสามารถของโมเดลไว้ ซึ่งสามารถพัฒนาและก้าวหน้าไปได้ตามจังหวะการพัฒนาเฉพาะของแต่ละระดับ โมเดลตระกูลนี้ช่วยให้ผู้ใช้และนักพัฒนาสามารถตัดสินใจเลือกใช้โมเดลได้อย่างชัดเจนยิ่งขึ้น โดยครอบคลุมทั้งในด้านระดับความฉลาด ความเร็ว และต้นทุน
อัตราค่าบริการของ GPT‑5.6 คิดตามจำนวนโทเค็นทุกๆ 1 ล้านโทเค็นสำหรับโมเดล 3 ระดับ โดย Sol มีราคาอินพุตที่ 5 ดอลลาร์และเอาต์พุตที่ 30 ดอลลาร์ ส่วน Terra มีราคาอินพุตที่ 2.50 ดอลลาร์และเอาต์พุตที่ 15 ดอลลาร์ ในขณะที่ Luna มีราคาอินพุตที่ 1 ดอลลาร์และเอาต์พุตที่ 6 ดอลลาร์ GPT‑5.6 ยังได้เปิดตัวระบบการแคชพรอมต์ที่มีความเสถียรยิ่งขึ้น โดยรองรับการกำหนดจุดพักแคชอย่างชัดเจน รวมถึงการรับประกันอายุของแคชขั้นต่ำที่ 30 นาที สำหรับโมเดล GPT‑5.6 และรุ่นถัดไป การเขียนข้อมูลลงแคชจะคิดค่าบริการในอัตรา 1.25 เท่าของราคาอินพุตปกติ ในขณะที่การอ่านข้อมูลจากแคชยังคงได้รับส่วนลด 90% ของราคาอินพุต
นอกจากนี้ เราจะเปิดตัว GPT‑5.6 Sol บนแพลตฟอร์ม Cerebras ในเดือนกรกฎาคมนี้ โดยสามารถประมวลผลได้สูงสุดถึง 750 โทเค็นต่อวินาที ซึ่งถือเป็นการนำขีดความสามารถระดับแนวหน้ามาสู่ผู้ใช้งานด้วยความเร็วที่ไม่เคยมีมาก่อน ในระยะแรกระบบจะเปิดให้เข้าถึงได้เฉพาะกลุ่มลูกค้าที่ได้รับการคัดเลือกเท่านั้น
เรามีความมุ่งมั่นที่จะเก็บเกี่ยวประสบการณ์จากการทดลองใช้งานในช่วงนี้ พร้อมทั้งมีแผนที่จะขยายการเข้าถึง GPT‑5.6 ทั้งสามรุ่น ได้แก่ Sol, Terra และ Luna ให้แก่ผู้ใช้งานในวงกว้างเร็วๆ นี้
1. เราประเมินค่าความหน่วงและต้นทุนของ API โดยพิจารณาจากพฤติกรรมการใช้งานจริงของโมเดลในสภาวะการทำงานปกติ ควบคู่ไปกับการจำลองสถานการณ์แบบออฟไลน์ การประมาณการดังกล่าวครอบคลุมถึงรายละเอียดของการเรียกใช้เครื่องมือ จำนวนโทเค็นที่สุ่มตัวอย่าง และจำนวนโทเค็นอินพุตทั้งหมด ผลลัพธ์ในสถานการณ์จริงอาจมีความแตกต่างอย่างมีนัยสำคัญ และขึ้นอยู่กับปัจจัยหลายประการที่ไม่ได้ถูกนำมาพิจารณาในการจำลองของเรา เราทำการจำลองค่าความหน่วงโดยใช้อัตราความเร็วของ API ระดับสูง และประเมินต้นทุนตามโครงสร้างราคาปกติของ API
2. โมเดลทั้งหมดได้รับการประเมินโดยใช้ ExploitBench API โดยกำหนดค่า seed ไว้ที่ 5 และใช้การประเมินความต่อเนื่องของการใช้เหตุผล
3. เราใช้ ExploitGym กับ API เวอร์ชันอัลฟาของเรา ซึ่งสร้างคำตอบได้เร็วกว่าบน API สาธารณะ จากนั้นจึงปรับสเกลผลลัพธ์ให้สอดคล้องกับ API สาธารณะของเรา การปรับเวลาในการตอบสนองให้สอดคล้องกับความเร็วที่คาดสำหรับ API สาธารณะ ส่งผลให้เวลาในการตอบสนองที่ประเมินได้บางส่วนเกินขีดจำกัด 2 ชั่วโมงและ 6 ชั่วโมง ทั้งที่ในการประเมินจริงยังอยู่ภายในเวลาที่กำหนด เพื่อให้ได้ความเร็วที่สูงขึ้นสำหรับงานที่ต้องการความรวดเร็วเป็นพิเศษ เรามีการประมวลผลแบบเร่งด่วนใน API และโหมดเร็วใน Codex
4. โมเดลที่ไม่มีการระบุจำนวนโทเค็นเอาต์พุต ค่าความหน่วง หรือต้นทุน จะถูกแสดงบนกราฟด้วยเส้นประแนวนอน
