ہم اپنے محدود پری ویو کے بعد GPT‑5.6 ماڈل کی فیملی کو عام دستیابی کے لیے لانچ کر رہے ہیں: ہمارا نیا فلیگ شپ, Sol, اس کے ساتھ Terra, جو روزمرہ کے کام کے لیے ایک متوازن ماڈل ہے اور Luna, جو ہمارا سب سے کفایتی ماڈل ہے.
GPT‑5.6 Sol انٹیلیجنس اور کارکردگی دونوں کے لیے ایک نیا معیار قائم کرتا ہے، جو کوڈنگ، علمی کام، سائبر سیکیورٹی اور سائنس میں جدید ترین نتائج حاصل کرتا ہے، جبکہ کم ٹوکنز اور کم تخمینی لاگت کے ساتھ سابقہ اور مسابقتی جدید ترین ماڈلز سے بہتر کارکردگی دکھاتا ہے. نتیجہ ہر ڈالر کے بدلے بہتر کارکردگی ہے: اسی خرچ میں زیادہ کامیاب کام، یا کم کل لاگت پر قابلِ موازنہ نتائج. ہم سب سے زیادہ تقاضا رکھنے والے کام کو تیز کرنے کا ایک نیا طریقہ بھی متعارف کراتے ہیں: ultra ہماری ہائی ترین صلاحیت والی سیٹنگ ہے، جو پیچیدہ کاموں کو تیزی سے مکمل کرنے کے لیے متوازی ورک اسٹریمز میں متعدد ایجنٹس کو ہم آہنگ کرتی ہے. کمپیوٹر کے استعمال اور ڈیزائن سے متعلق بہتر فیصلہ سازی GPT‑5.6 Sol کو اب تک کا ہمارا سب سے زیادہ نکھرا ہوا معاون بناتی ہے، جو نتائج کا جائزہ لینے، انہیں بہتر بنانے اور استعمال کے لیے تیار شکل میں فراہم کرنے میں مدد کرتا ہے.
ہم نے GPT‑5.6 کو اس طرح تربیت دی ہے کہ ہر ٹوکن سے زیادہ مفید کام حاصل ہو سکے. Agents کے آخری امتحان(نئی ونڈو میں کھلتا ہے) پر، جو 55 شعبوں میں طویل دورانیے والے پیشہ ورانہ ورک فلوز کی ایک جانچ ہے، GPT‑5.6 Sol 53.6 کا نیا ہائی قائم کرتا ہے اور Claude Fable 5 (ایڈاپٹو ریزننگ) کو 13.1 پوائنٹس سے پیچھے چھوڑ دیتا ہے. اوسط ریزننگ پر بھی، یہ تخمینی لاگت کے تقریباً ایک چوتھائی پر Fable 5 کو 11.4 پوائنٹس سے پیچھے چھوڑتا ہے. یہ کارکردگی چھوٹے ماڈلز تک بھی پھیلتی ہے، جو انٹیلیجنس کو زیادہ وافر اور قابلِ استطاعت بنانے کے لیے ضروری ہیں: GPT‑5.6 Terra اور GPT‑5.6 Luna، Fable 5 کے مقابلے میں تقریباً سولہویں حصے کی لاگت پر بہتر کارکردگی دکھاتے ہیں. آرٹیفیشل اینالیسس انٹیلیجنس انڈیکس(نئی ونڈو میں کھلتا ہے) پر، جو ایجنٹک کام، کوڈنگ، سائنسی ریزننگ اور عمومی صلاحیتوں پر محیط انٹیلیجنس کا ایک وسیع پیمانہ ہے، GPT‑5.6 Sol میکس ریزننگ کے ساتھ Fable 5 سے ایک پوائنٹ کے اندر آتا ہے، جبکہ ٹاسکس کو 61% کم وقت میں اور تقریباً نصف تخمینی لاگت پر مکمل کرتا ہے.
ایجنٹس کا آخری امتحان(نئی ونڈو میں کھلتا ہے): پیشہ ورانہ شعبوں میں طویل مدتی خود مختار ورک فلو.
GPT‑5.6 اب تک کے ہمارے سب سے مضبوط حفاظتی اقدامات کے ساتھ متعارف ہو رہا ہے, جنہیں جائز کام کو وسیع پیمانے پر محدود کیے بغیر پرعزم اور بدلتے ہوئے غلط استعمال کے خلاف مزاحم بنانے کے لیے ڈیزائن کیا گیا ہے. عام دستیابی سے پہلے, ہم نے ماڈل اور حفاظتی اقدامات کو اب تک کے اپنے سب سے وسیع تشخیصی دور سے گزارا, جس میں انسانی ریڈ ٹیمنگ کو بڑے پیمانے کی خودکار ٹیسٹنگ کے ساتھ ملایا گیا. پیش نظارے کے دوران, ہم نے وسیع تر اجرا سے پہلے دفاعی اقدامات کی سخت جانچ کرنے اور تحفظاتی تدابیر کو مضبوط بنانے کے لیے ماہر تنظیموں اور قابلِ اعتماد شراکت داروں کے ساتھ قریبی تعاون کیا. نتیجے میں بننے والا سسٹم ماڈل میں ٹریننگ کے ذریعے شامل کردہ حفاظتی اقدامات کو ریئل ٹائم چیکس, نگرانی اور اعتماد و خطرے کے مطابق متعین رسائی کے ساتھ یکجا کرتا ہے.
GPT‑5.6 Sol ہمارا اب تک کا بہترین کوڈنگ ماڈل ہے. Artificial Analysis Coding Agent Index، پر GPT‑5.6 Sol میکس ریزننگ کے ساتھ 80 کے اسکور پر نیا اسٹیٹ آف دی آرٹ قائم کرتا ہے، جو Fable 5 سے 2.8 پوائنٹس زیادہ ہے، جبکہ یہ آدھے سے بھی کم آؤٹ پٹ ٹوکن استعمال کرتا ہے، آدھے سے بھی کم وقت لیتا ہے اور اس پر تقریباً ایک تہائی کم لاگت آتی ہے. یہ برتری پوری فیملی میں نظر آتی ہے: Terra، Fable 5 سے معمولی بہتر کارکردگی دکھاتا ہے، جبکہ Luna، Opus 4.8 سے بہتر کارکردگی دکھاتا ہے؛ ہر ایک یہ کارکردگی تقریباً ایک تہائی وقت میں، تقریباً نصف آؤٹ پٹ ٹوکن کے ساتھ اور تخمینی لاگت کے تقریباً ایک چوتھائی پر حاصل کرتا ہے. یہ Terminal‑Bench 2.1 اور DeepSWE پر جدید ترین معیار کے نئے نتائج بھی قائم کرتا ہے، جو حقیقی کوڈ بیسز میں پیچیدہ کمانڈ لائن ورک فلوز اور طویل المدت انجینئرنگ کو ٹیسٹ کرتے ہیں.
آرٹیفیشل اینالیسس کوڈنگ ایجنٹ انڈیکس: امپلیمنٹیشن, ٹرمینل کے استعمال, اور حقیقی کوڈبیسز میں کوڈنگ ایجنٹس کی کارکردگی کا ایک آزادانہ انڈیکس.
GPT‑5.6 ایسے ہلکے پھلکے پروگرام لکھ اور چلا سکتا ہے جو ٹولز کو مربوط کرتے ہیں، درمیانی نتائج کو پروسیس کرتے ہیں، پیش رفت کی نگرانی کرتے ہیں اور کام کے دوران اگلا عمل منتخب کرتے ہیں. اس سے ٹولز پر انحصار کرنے والے کام کم ٹوکنز، ماڈل کے ساتھ کم رفت و آمد اور کم رہنمائی کے ساتھ آگے بڑھ سکتے ہیں. ڈیولپرز سے ہر قدم کو اسکرپٹ کرنے یا ہر ٹول کے جواب کو ماڈل کے ذریعے دوبارہ گزارنے کی ضرورت کے بجائے، Responses API میں پروگرامیٹک ٹول کالنگ(نئی ونڈو میں کھلتا ہے) بڑی مقدار میں درمیانی ڈیٹا کو فلٹر کر سکتی ہے، صرف اہم چیزوں کو برقرار رکھ سکتی ہے اور راستے میں اپنے ورک فلو کو موافق بنا سکتی ہے.
ایسے مسائل کے لیے جن میں وقت اور کمپیوٹ کی زیادہ سرمایہ کاری کا بہتر صلہ ملتا ہے، GPT‑5.6 اس مؤثر ڈیفالٹ سے آگے جا سکتا ہے. max GPT‑5.6 کو xhigh کے مقابلے میں استدلال کرنے، متبادل امکانات کا جائزہ لینے، چیکس چلانے اور اپنے طریقۂ کار پر نظرِ ثانی کرنے کے لیے اس سے بھی زیادہ وقت دیتا ہے. ultra بطور ڈیفالٹ چار ایجنٹس کو متوازی طور پر مربوط کر کے ایک قدم آگے جاتا ہے، جو مشکل کاموں میں مضبوط تر نتائج اور نتیجہ حاصل کرنے کے تیز تر وقت کے لیے زیادہ ٹوکن استعمال کرتا ہے. نیچے دیے گئے چارٹس BrowseComp، SEC-Bench Pro اور Terminal-Bench 2.1 میں ultra کے ڈیفالٹ چار-ایجنٹ سیٹ اپ کا ایک-ایجنٹ بیس لائن سے موازنہ کرتے ہیں؛ BrowseComp اور SEC-Bench Pro میں 16-ایجنٹ کنفیگریشنز بھی دکھائی گئی ہیں. تینوں جائزوں میں، متوازی ایجنٹس شامل کرنے سے اسکور-تاخیر کی جدید ترین حد اوپر اور بائیں جانب منتقل ہو جاتی ہے، جس سے کم وقت میں زیادہ مضبوط نتائج حاصل ہوتے ہیں. API میں، ڈویلپرز Responses API میں ملٹی ایجنٹ بیٹا استعمال کرتے ہوئے Ultra جیسے تجربات بنا سکتے ہیں.
GPT‑5.6 ڈیزائن کے فیصلے میں ایک نمایاں تبدیلی لاتا ہے. صرف ہائی لیول رہنمائی سے، GPT‑5.6 خوش ذوق، ارگونومک اور فعال انٹرفیسز تخلیق کرتا ہے. اس کی زیادہ مضبوط کمپیوٹر استعمال کی صلاحیتیں اسے رینڈر شدہ نتیجے کا معائنہ اور بہتر بنانے دیتی ہیں—صرف بنیادی کوڈ یا مواد بنانے تک محدود نہیں—اس لیے یہ بصری اور فنکشنل مسائل پکڑ سکتا ہے اور کام واپس سپرد کرنے سے پہلے حتمی نکھار لا سکتا ہے.
پرومپٹ: کیا آپ میرے لیے ایک تھری ڈی کشتی رانی کی گیم بنا سکتے ہیں؟. ایسی کسی بھی چیز کے لیے جسے بٹ میپس/ٹیکسچرز/اسپرائٹس کی ضرورت ہو (یا اگر آپ کے بنائے گئے کسی بھی تھری ڈی ماڈل کے لیے ماک اَپ ریفرنس ہونا مددگار ہو) تو بلا جھجھک imagegen استعمال کریں.
GPT‑5.6 کی فرنٹ اینڈ صلاحیتیں قدرتی زبان کی درخواستوں کو ChatGPT کام کے اندر واضح، انٹرایکٹو وضاحتوں اور ویژولائزیشنز میں تبدیل کرتی ہیں.
پرومپٹ: ایک انٹرایکٹو سپائروگراف بنائیں جو اس کے کام کرنے کے طریقہ کار کی وضاحت کرے.
GPT‑5.6 پیشہ ورانہ کاموں کے لیے بہتر نتائج فراہم کرتا ہے. یہ آپ کی دستاویزات اور Slack، Notion، Microsoft 365 اور Google Drive جیسے روزمرہ کے ورک فلو سے بکھرے ہوئے سیاق و سباق کو لیتا ہے اور اسے ماہر سطح کے، قابلِ اشتراک آرٹیفیکٹس میں تبدیل کرتا ہے.
GPT‑5.6 کی علمی کام میں صلاحیت ایسے جائزوں میں نمایاں ہوتی ہے جو طویل افق کی پیشہ ورانہ تجزیہ کاری، براؤزنگ، ٹولز کا استعمال اور کمپیوٹر کے استعمال پر محیط ہیں. GPT‑5.6 Sol نے BrowseComp میں 92.2% اور OSWorld 2.0 میں 62.6% کے ساتھ نئے اسٹیٹ آف دی آرٹ نتائج حاصل کیے؛ OSWorld میں، یہ 85% کم آؤٹ پٹ ٹوکن استعمال کرتے ہوئے Opus 4.8 سے آگے نکل جاتا ہے. یہاں فی ڈالر کارکردگی میں بہتریاں پوری GPT‑5.6 فیملی میں پھیلی ہوئی ہیں. Luna تقریباً GPT‑5.5 سے مماثل ہے نصف سے بھی کم تخمینہ لاگت پر اعلی کارکردگی، جبکہ ٹیرا کم قیمت پر اسے پیچھے چھوڑ دیتی ہے.
BrowseComp: GPT‑5.6 Sol نے BrowseComp پر ایجنٹک براؤزنگ کے کاموں میں نیا معیار قائم کیا ہے.
GPT‑5.6 Sol پریزنٹیشنز، دستاویزات اور اسپریڈشیٹس میں معیار کو بہتر بناتا ہے، ایسے نتائج تیار کرتا ہے جو زیادہ نفیس اور درست ہوتے ہیں. یہ شروع سے مکمل طور پر قابلِ تدوین پریزنٹیشنز بنا سکتا ہے، جو ایک پرومپٹ اور ماخذ مواد کو مضبوط لے آؤٹس، درجہ بندی اور ڈیزائن کے ساتھ ایک مربوط بصری بیانیے میں ڈھال دیتا ہے.
ٹیمپلیٹس اور ریفرنس ڈیکس کی پیروی کرتے وقت بہتری خاص طور پر نمایاں ہوتی ہے. GPT‑5.6 کسی ڈیک کے ڈیزائن سسٹم—لے آؤٹس, ٹائپوگرافی, اسپیسنگ, رنگ, اور بار بار آنے والے مواد کے پیٹرنز, بشمول Slide Master میں شامل اصول—کا اندازہ لگا سکتا ہے اور ان روایات کو نئے مواد پر مسلسل طور پر لاگو کر سکتا ہے. اس مثال میں, جب ریفرنس فائل کی بنیاد پر اعداد و شمار کو اپ ڈیٹ کرنے کے لیے کہا گیا, تو GPT‑5.5 کے آؤٹ پٹ میں ماسٹر سلائیڈ کے اہم اجزا موجود نہیں تھے, جبکہ GPT‑5.6 ریفرنس اسٹرکچر کی زیادہ درست طریقے سے پیروی کی تھی.
حوالہ فائل
GPT‑5.5 آؤٹ پٹ
GPT‑5.5 میں ماسٹر سلائیڈ کے اہم اجزاء موجود نہیں ہیں
GPT‑5.6 آؤٹ پٹ
GPT‑5.6 بصری طور پر زیادہ نفیس دستاویزات اور اسپریڈ شیٹس بھی بناتا ہے. یہ پیچیدہ حوالہ جاتی فارمیٹس کی زیادہ درستگی سے پیروی کرتا ہے، جو قابلِ تکرار علمی کام کی سرگرمیوں کے لیے اہم ہے. یہ مساوات اور مالیاتی ماڈلز کو زیادہ درستگی کے ساتھ ہینڈل کرتا ہے اور ٹائپوگرافی، وقفہ کاری، درجہ بندی اور صفحہ یا ورک شیٹ لے آؤٹ کا بہتر استعمال کرتا ہے.
GPT‑5.6 کی جانچ کرنے والے ابتدائی صارفین نے مختلف شعبوں میں علمی کام کے نتائج میں بہتری دیکھی.
GPT‑5.6 ہمارا اب تک کا سب سے طاقتور سائبر سیکیورٹی ماڈل ہے، جو نمایاں طور پر کم ٹوکنز کے ساتھ جدید ترین کارکردگی حاصل کرتا ہے. ExploitBench2 پر، جو غیر محفوظ کوڈ تک پہنچنے سے لے کر من مانی کوڈ پر عمل درآمد تک پیش رفت کی پیمائش کرتا ہے، یہ GPT‑5.5 کے اسکور کے مقابلے میں 73.5% اسکور کرتا ہے. تقابلی آؤٹ پٹ ٹوکن بجٹ پر 47.9%. ExploitGym3 پر، جو ایجنٹس سے حقیقی دنیا کی کمزوریوں کو کام کرنے والی ایکسپلائٹس میں تبدیل کرنے کو کہتا ہے، یہ GPT‑5.5 کو تقریباً دوگنا کر دیتا ہے. دو گھنٹے کی حد کے تحت، کامیابی کی زیادہ سے زیادہ شرح، 15.1% سے 24.9% تک؛ چھ گھنٹے کے ساتھ، یہ 33.7% تک پہنچ جاتی ہے. SEC-Bench Pro پر، جو پیچیدہ سافٹ ویئر پر پروف-آف-کانسیپٹ جنریشن کو ٹیسٹ کرتا ہے، یہ 71.2% اسکور کرتا ہے، بمقابلہ GPT‑5.5 کے. بہتر لیٹنسی پر 45.8%.
GPT‑5.6 محفوظ کوڈ ریویو، پیچنگ، تھریٹ ماڈلنگ اور بلیو ٹیمنگ جیسے اہم دفاعی کاموں کی معاونت کرتا ہے. OpenAI Daybreak کے Trusted Access for Cyber پروگرام میں اہل افراد اور تنظیمیں مجاز ماحولوں میں تصدیق شدہ کام کے لیے مزید دقیق حفاظتی اقدامات کے ذریعے اس کی دفاعی صلاحیت تک بہتر رسائی حاصل کر سکتی ہیں، جس میں کمزوریوں کی ترجیحی چھانٹ اور توثیق، میلویئر کا تجزیہ، ڈیٹیکشن انجینئرنگ اور پیچ کی توثیق شامل ہیں.
افراد اپنی شناخت کی تصدیق کر سکتے ہیں اور قابلِ اعتماد رسائی کی درخواست کر سکتے ہیں(نئی ونڈو میں کھلتا ہے) اور تنظیمیں اپنی ٹیموں کے لیے درخواست دے سکتی ہیں. انفرادی اراکین کو ہمارے سائبر صلاحیتوں کے حامل سب سے جدید ترین ماڈلز تک رسائی برقرار رکھنے کے لیے 01.09 تک ہارڈ ویئر سے تقویت یافتہ پاس کیز کے ساتھ ایڈوانسڈ اکاؤنٹ سیکیورٹی(نئی ونڈو میں کھلتا ہے) کو فعال کرنا ہوگا؛ جو ایسا نہیں کریں گے، وہ ڈیفالٹ رسائی پر واپس چلے جائیں گے. وہ صارفین جن کے پاس پہلے سے ہارڈویئر بیکڈ پاس کیز نہیں ہیں، وہ ہمارے شراکت دار، Yubico، سے ترجیحی قیمت(نئی ونڈو میں کھلتا ہے) حاصل کر سکتے ہیں. ہم ہائی رسک اداروں اور ہائی رسک دائرۂ اختیار والے علاقوں میں رسائی کو محدود کرنے کے لیے اضافی اقدامات بھی کر رہے ہیں.
ExploitBench: بتدریج زیادہ طاقتور V8 ایکسپلائٹس بنانا؛ GPT‑5.6، GPT‑5.5 کے مقابلے میں نمایاں بہتری دکھاتا ہے. تاخیر کا چارٹ نہیں دکھایا گیا ہے کیونکہ اس بینچ مارک کے لیے تاخیر کا تخمینہ غیر قابلِ اعتماد ہے.
GPT‑5.6 Sol سائنسی تحقیق میں بھی وسیع پیمانے پر بہتری دکھاتا ہے. لائف سائنسز کی جانچوں میں، GPT‑5.6 حقیقی دنیا کی حیاتیات، لائف سائنس تحقیق کے ورک فلو اور کیمیا پر GPT‑5.5 کے مقابلے میں Pareto بہتریاں ظاہر کرتا ہے.
GeneBench Pro: جینومکس اور مقداری حیاتیات کے طویل دورانیے کے تجزیے؛ GPT‑5.6 کم ٹوکنز اور کم وقت میں زیادہ بہتر نتائج حاصل کرتا ہے. Claude Fable 5 شامل نہیں ہے کیونکہ یہ اعلیٰ درجے کے حیاتیات کے سوالات کا جواب نہیں دیتا(نئی ونڈو میں کھلتا ہے) اور اس تشخیص میں زیادہ تر سوالات کا جواب دینے سے انکار کرتا ہے..
GPT‑5.6 AI تحقیق کو تیز کرنے کے لیے ہمارا اب تک کا مضبوط ترین ماڈل ہے. OpenAI کے اندر، محققین اسے پورے ترقیاتی چکر میں استعمال کرتے ہیں: ناکامیوں کی تشخیص کرنے، تربیتی نظاموں کو بہتر بنانے، تجربات چلانے اور نتائج کی تشریح کرنے کے لیے. ہم نے GPT‑5.6 کی داخلی جانچ کی مدت کے دوران ہی اس رفتار میں اضافے اور زیادہ وسیع استعمال کو دیکھ لیا تھا، کیونکہ فی فعال محقق اوسط یومیہ آؤٹ پٹ ٹوکنز کی تعداد GPT‑5.5 کے لیے مشاہدہ کی گئی ہائی سطح سے دو گنا سے بھی زیادہ تھی.
کام کرنے کا یہ طریقہ تیزی سے معمول بنتا جا رہا ہے. گزشتہ چھ ماہ کے دوران، اندرونی کوڈنگ اِنفرنس کے لیے مختص تحقیقی کمپیوٹ کا حصہ 100 گنا بڑھ گیا، جبکہ اندرونی ایجنٹک ٹوکن کے استعمال میں تقریباً 22 گنا اضافہ ہوا. اپنانے کے یہ میٹرکس بذاتِ خود تحقیقی پیش رفت کی پیمائش نہیں کرتے، لیکن یہ ظاہر کرتے ہیں کہ تحقیق اور سیلز، مارکیٹنگ، یوزر آپریشنز، فنانس اور دیگر ٹیموں میں AI کی معاونت کتنی تیزی سے بڑھ رہی ہے.
اس صلاحیت کو براہِ راست ناپنے کے لیے، ہم نے حقیقی AI تحقیقی کاموں پر مبنی جائزوں کا ایک داخلی مجموعہ تیار کیا ہے، جن میں تحقیقی نظام کی خرابیوں کی نشاندہی، کرنلز اور تربیتی طریقہ کار کی اصلاح، مشین لرننگ کے تجربات چلانا اور ایک دوسرے ماڈل کو بہتر بنانا شامل ہے.
مجموعی RSI صلاحیت: بازگشتی خود-بہتری کی سمت پیش رفت کو ناپنے والی جانچوں کے ایک مجموعے پر، ہم دیکھتے ہیں کہ GPT‑5.6 Sol، GPT‑5.5 کے مقابلے میں 16.2 پوائنٹس کی بہتری ہے، جو داخلی تحقیق کو ہر سطح پر تیز کر رہا ہے.
جیسے جیسے ماڈل کی صلاحیتیں بڑھتی ہیں، ہم اپنی حفاظتی تدابیر کو مضبوط کرتے ہیں تاکہ اعلیٰ انٹیلیجنس وسیع پیمانے پر مفید رہے اور ہائی رسک استعمالات پر زیادہ سخت نگرانی کی جائے. GPT‑5.6 کے لیے، ہم نے اب تک کا اپنا سب سے مضبوط حفاظتی سسٹم بنایا، جسے ہر ماڈل کی صلاحیتوں کے مطابق ترتیب دیا گیا اور پہلے سے کہیں زیادہ کمپیوٹ سے تقویت دی گئی.
GPT‑5.6 ماڈل بایولوجی اور سائبر سیکیورٹی دونوں میں ہمارے پہلے کے ماڈل سے زیادہ قابل ہیں, لیکن کسی بھی زمرے میں کریٹیکل حد کو عبور نہیں کرتے. سائبر سیکیورٹی میں, ہماری جانچ سے ظاہر ہوتا ہے کہ GPT‑5.6 کمزوریاں تلاش کرنے اور انہیں دور کرنے میں زیادہ بہتر ہے, بہ نسبت اس کے کہ وہ زیادہ محفوظ بنائے گئے اہداف کے خلاف خود مختار, شروع سے آخر تک حملے قابلِ اعتماد طور پر انجام دے—جس سے دفاع کرنے والوں کو یہ موقع ملتا ہے کہ کمزوریوں کے استحصال سے پہلے سسٹمز کو مزید مضبوط بنا سکیں. حیاتیات میں, ہماری جانچ سے پتہ چلتا ہے کہ GPT‑5.6 جائز تحقیق کی حمایت کر سکتا ہے, لیکن یہ ایسا سرے سے آخر تک درکار قابلیت فراہم نہیں کرتا جو ایک انتہائی خطرناک نئے خطرے کو تخلیق, انجینئر یا سنتھیسائز کرنے کے لیے ضروری ہو.
دونوں شعبے بنیادی طور پر دوہرے استعمال کے حامل ہیں. سائبر سیکیورٹی میں، وہی صلاحیتیں جو کسی حملہ آور کو کسی کمزوری سے فائدہ اٹھانے میں مدد دے سکتی ہیں، کسی محافظ کو اسے تلاش کرنے، اسے دوبارہ پیدا کرنے اور ایک قابلِ اعتماد حل تیار کرنے میں بھی مدد دے سکتی ہیں. لہٰذا حد سے زیادہ بلاکنگ خود ایک سیکیورٹی خطرہ پیدا کرتی ہے. یہ دفاع کرنے والوں کو سسٹمز کی جانچ کرنے اور پیچز نافذ کرنے سے روک سکتا ہے، جبکہ بدنیت عناصر دوسرے ماڈلز، بشمول تیزی سے زیادہ قابل اوپن سورس ماڈلز، نیز پہلے سے قائم ٹولز کا استعمال جاری رکھتے ہیں.. مؤثر حفاظتی اقدامات کسی درخواست کے سیاق و سباق اور اس کے ممکنہ نتائج کو مدنظر رکھتے ہیں، جائز دفاعی کام کو برقرار رکھتے ہوئے وہاں زیادہ سخت کنٹرولز لاگو کرتے ہیں جہاں شواہد سنگین نقصان کے خطرے کی نشاندہی کرتے ہوں.
GPT‑5.6 کی حفاظتی تدابیر زیادہ درستگی اور ریڈنڈنسی کے لیے کئی سطحوں پر مشتمل ہیں, اور انہیں اس طرح ڈیزائن کیا گیا ہے کہ نئے حملے سامنے آتے ہی وہ تیزی سے ایڈاپٹ کر سکیں. ماڈل میں ٹریننگ کے ذریعے شامل کردہ حفاظتی اقدامات ریئل ٹائم جانچ, مسلسل نگرانی, اور اکاؤنٹ کی سطح پر نفاذ کے ساتھ مل کر کام کرتے ہیں, تاکہ سسٹم محفوظ رہے, حتیٰ کہ جب کوئی مخصوص سطح حسبِ منشا کام نہ کرے. بہت سے سسٹمز میں, صرف کلاسیفائر فلیگز ہی یہ فیصلہ کرتے ہیں کہ کس چیز کو بلاک کرنا ہے, اور نقصان سے بچنے کے لیے ایسے کم انٹیلیجنس والے ماڈل پر انحصار کرتے ہیں جنہیں تبدیل کرنا زیادہ مشکل ہوتا ہے. ہمارا طریقۂ کار ایک ریزننگ مانیٹر شامل کرتا ہے جو گفتگو کا جائزہ لیتا ہے تاکہ یہ طے کیا جا سکے کہ آیا نقصان کا کوئی امکان ہے. یہ ڈیزائن سنگین غلط استعمال کو روکنے کے ساتھ ساتھ دفاعی نوعیت کے کام کو ممکن بنانے کے لیے بنایا گیا ہے, جبکہ انتہائی حساس صلاحیتیں Trusted Access کے ذریعے تصدیق شدہ صارفین کے لیے مخصوص رکھی گئی ہیں. چونکہ کچھ حفاظتی تدابیر ٹیسٹ ٹائم ریزننگ استعمال کرتی ہیں, ہم کلاسیفائرز کو شروع سے دوبارہ ٹریننگ دیے بغیر خامیوں کو دور کرنے کے لیے انہیں تیزی سے اپ ڈیٹ کر سکتے ہیں.
ہم ایک زیادہ محتاط طریقۂ کار اپنا رہے ہیں کیونکہ ہم تطبیقی حملوں کے خلاف نظام کو مضبوط بنانا جاری رکھے ہیں. پچھلے ماڈلز کے مقابلے میں، GPT‑5.6 Sol کے لیے ہمارے سائبر حفاظتی اقدامات ممکنہ طور پر نقصان دہ سرگرمیوں کو تقریباً دس گنا زیادہ مؤثر طریقے سے روکتے ہیں. چونکہ یہ اقدامات بے ضرر استعمال میں رکاوٹ پیدا کر سکتے ہیں، ہم ChatGPT اور Codex میں ایک ایسا اختیار فراہم کرتے ہیں جس سے کم صلاحیت والے ماڈلز پر پرومپٹس کو آسانی سے دوبارہ آزمایا جا سکتا ہے. ہم حفاظتی اقدامات کے اثرات کو کم کرتے ہوئے، بے ضرر استعمال کے لیے ہائی معیار کی مضبوطی برقرار رکھیں گے. یہ ہمارے مکرر ڈپلائمنٹ کے طریقۂ کار کی عکاسی کرتا ہے: احتیاط کے ساتھ آغاز کرنا اور حقیقی دنیا کے استعمال سے حاصل ہونے والی معلومات کی بنیاد پر بہتری لانا.
عام دستیابی سے پہلے, ہم نے اب تک کی اپنی سب سے جامع حفاظتی جائزے کیے, جن میں وسیع پیمانے پر ریڈ ٹیمنگ, بیرونی ماہرین کے ساتھ صلاحیتوں اور حفاظتی اقدامات کی مضبوط جانچ, اور تقریباً 700,000 A100e GPU گھنٹوں پر مشتمل بلیک باکس خودکار ریڈ ٹیمنگ شامل تھی. اس سے ہمیں ممکنہ کمزور نکات کو منظم طریقے سے جانچنے, جیل بریک کو سامنے لانے, اور لانچ سے پہلے سسٹم کو مضبوط بنانے میں مدد ملی.
مکمل سیکیورٹی جیسی کوئی چیز نہیں ہوتی اور بڑھتی ہوئی صلاحیت کے حامل ماڈل کو محفوظ بنانے کے لیے ہمارا کام جاری ہے. نئی کمزوریاں دریافت ہوں گی اور جیل بریکس کے نئے طریقے بھی سامنے آئیں گے جو موجودہ حفاظتی اقدامات کو بائی پاس کریں گے. ماڈل کی ہر نئی جنریشن حملے اور غلط استعمال کے نئے راستے بھی پیدا کرے گی. ہم اس حقیقت کو مدنظر رکھتے ہوئے کثیر سطحی حفاظتی اقدامات، مسلسل نگرانی، فوری تدارک اور دفاعی برادری میں تعاون کے ذریعے کام کرتے ہیں. GPT‑5.6 کے لیے، ہم نے اپنے موجودہ سیکیورٹی(نئی ونڈو میں کھلتا ہے) اور بایولوجی بگ باؤنٹی پروگرامز کو ایک نئے تیز رفتار تدارکی عمل اور اب تک کی اپنی سب سے مضبوط مانیٹرنگ کوشش کے ساتھ مربوط کیا ہے. محققین، نگرانی اور حقیقی دنیا میں غلط استعمال سے حاصل ہونے والے نتائج مسلسل بنیاد پر نئی تشخیصات اور مضبوط تر حفاظتی اقدامات کی تشکیل میں معاون ہوں گے.
ہمارے حفاظتی اقدامات کے بارے میں اپ ڈیٹ کردہ GPT‑5.6 سسٹم کارڈ(نئی ونڈو میں کھلتا ہے) میں مزید پڑھیں.
GPT‑5.6 تین ماڈل درجات پر مشتمل ہے: Sol، ہمارا فلیگ شپ؛ Terra، ایک کم لاگت والا ماڈل جس کی کارکردگی GPT‑5.5 کے مقابلے کی ہے؛ اور Luna، ہمارا تیز ترین اور سب سے کفایتی ماڈل. نمبر جنریشن کی شناخت کرتا ہے، جبکہ Sol، Terra اور Luna پائیدار صلاحیتی درجات ہیں جو اپنی اپنی رفتار سے آگے بڑھ سکتے ہیں.
GPT‑5.6 آج سے ChatGPT، Codex اور OpenAI API پر دستیاب ہے. رول آؤٹ اب عالمی سطح پر شروع ہو رہا ہے اور اگلے 24 گھنٹوں کے دوران مکمل دستیابی تک بتدریج جاری رہے گا.
- چیٹ: Plus, Pro, Business اور Enterprise صارفین اوسط اور ہائی محنت کی سیٹنگز کے ذریعے GPT‑5.6 Sol تک رسائی حاصل کرتے ہیں. Pro اور Enterprise صارفین پیچیدہ کاموں میں اعلیٰ ترین معیار کے نتائج کے لیے GPT‑5.6 Sol Pro بھی منتخب کر سکتے ہیں.
- ChatGPT Work اور Codex: Free اور Go صارفین کو GPT‑5.6 Terra تک رسائی حاصل ہے. اس کے علاوہ, Plus, Pro, Business اور Enterprise صارفین GPT‑5.6 Sol, Terra اور Luna میں سے انتخاب کر سکتے ہیں اور ہر ایک کے لیے کوشش کی سطح مقرر کر سکتے ہیں.
maxان تمام صارفین کے لیے دستیاب ہے جنہیں ChatGPT کام اور Codex میں GPT‑5.6 تک رسائی حاصل ہے اور اسے سیٹنگز میں آن کیا جا سکتا ہے. ChatGPT کام میں،ultraPro اور Enterprise صارفین کے لیے دستیاب ہے. Codex میں، یہ Plus اور اس سے ہائی پلانز کے لیے دستیاب ہے. - API: ڈیولپرز OpenAI API کے ذریعے Sol، Terra اور Luna تک رسائی حاصل کر سکتے ہیں. Responses API میں، پروگرامیٹک ٹول کالنگ GPT‑5.6 کو میموری ہی میں ایسے پروگرامز لکھنے اور چلانے کی سہولت دیتی ہے جو ٹولز کو مربوط کرتے ہیں اور درمیانی نتائج پر کارروائی کرتے ہیں، جس سے یہ زیرو ڈیٹا ریٹینشن (ZDR) کے ساتھ مطابقت پذیر ہو جاتا ہے. Multi-agent، جو ابتدائی طور پر بیٹا میں دستیاب ہے، GPT‑5.6 کو ایک ہی درخواست میں بیک وقت ذیلی ایجنٹس چلانے اور ان کے کام کو یکجا کرنے دیتا ہے.
GPT‑5.6 کی قیمت تین ماڈل سائزز میں فی 1M ٹوکن کے حساب سے مقرر ہے: Sol کے لیے اِن پٹ $5 / آؤٹ پٹ $30؛ Terra کے لیے اِن پٹ $2.50 / آؤٹ پٹ $15؛ اور Luna کے لیے اِن پٹ $1 / آؤٹ پٹ $6. GPT‑5.6 مزید قابلِ پیش گوئی پرومپٹ کیشنگ بھی متعارف کراتا ہے, جس میں واضح کیش بریک پوائنٹس(نئی ونڈو میں کھلتا ہے) کے لیے سپورٹ اور 30 منٹ کی کم از کم کیش مدت شامل ہے. GPT‑5.6 اور اس کے بعد کے ماڈل کے لیے, کیش لکھنے کا بل ماڈل کے غیر کیش شدہ ان پٹ ریٹ کے ڈیڑھ گنا (ایک اعشاریہ پچیس گنا) پر کیا جاتا ہے, جبکہ کیش پڑھنے کو 90 فیصد کیشڈ ان پٹ رعایت ملتی رہتی ہے.
پیشہ ور
| Eval | GPT‑5.6 Sol | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 | Claude Fable 5 | Claude Opus 4.8 | Gemini 3.1 Pro Preview | Gemini 3.5 Flash |
| Agents' Last Exam | 52.7% | 50.4% | 50.3% | 46.9% | 40.5% | 45.2% | 32.1% | — |
| GDPval-AA v2 | 1,747.8 Elo | 1,593 Elo | 1,591.8 Elo | 1,493.7 Elo | 1,759.6 Elo | 1,600.1 Elo | 962.3 Elo | 1,348.8 Elo |
| انتظامی مشاورت کے کام (داخلی) | 43.2% | 37.2% | 35.4% | 31.3% | 35.5% | 31.6% | 13.2% | — |
| Big Finance Bench | 53% | 51% | 36% | 49% | — | 44% | — | — |
| آرٹیفیشل اینالیسس انٹیلیجنس انڈیکس v4.1 | 58.9 انڈیکس اسکور،55 انڈیکس اسکور | 51.2 انڈیکس اسکور | 54.8 انڈیکس اسکور | 59.9 انڈیکس اسکور،55.7 انڈیکس اسکور،46.5 انڈیکس اسکور،50.2 انڈیکس اسکور |
کوڈنگ
| Eval | GPT‑5.6 Sol | GPT‑5.6 Sol Ultra | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 | Claude Mythos 5 | Claude Mythos Preview | Claude Fable 5 | Claude Opus 4.8 | Gemini 3.1 Pro Preview |
| Artificial Analysis Coding Agent Index v1.1 | 80 انڈیکس اسکور،—،77.4 انڈیکس اسکور،74.6 انڈیکس اسکور،76.4 انڈیکس اسکور،—،—،77.2 انڈیکس اسکور،72.5 انڈیکس اسکور،42.7 انڈیکس اسکور | |||||||||
| SWE-Bench Pro | 64.6% | — | 63.4% | 62.7% | 59.4% | 80.3% | 77.8% | 80% | 69.2% | 54.2% |
| DeepSWE v1.1 | 72.7% | — | 69.6% | 67.2% | 67% | — | — | 69.7% | 59% | 11.8% |
| Terminal-Bench 2.1 | 88.8% | 91.9% | 87.4% | 84.7% | 85.6% | 88% | — | 83.1% | 78.9% | 70.7% |
حفاظت
| Eval | GPT‑5.6 Sol | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 | GPT‑5.4 | Claude Opus 4.8 | Claude Mythos 5 | Claude Mythos Preview |
| Healthbench Professional | 60.5% | 57.7% | 55.7% | 51.8% | 48.1% | 52.6% | 66% | 64.7% |
کمپیوٹر کا استعمال
| Eval | GPT‑5.6 Sol | GPT‑5.6 Sol Ultra | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 | Claude Mythos 5 | Claude Mythos Preview | Claude Opus 4.8 | Gemini 3.1 Pro Preview |
| OSWorld 2.0 | 62.6% | — | 50.2% | 45.6% | 47.5% | — | — | 54.8% | — |
| BrowseComp | 90.4% | 92.2% | 87.5% | 83.3% | 84.4% | 88% | 87.9% | 84.3% | 85.9% |
| BenchCAD | 70.6% | — | 62.3% | 63.1% | 44.4% | 38.4% | 35.5% | 27.3% | — |
| BenchCAD (Python ٹول) | 83.4% | — | 78.2% | 73.9% | 55.8% | 65% | 61% | 51.8% | — |
سائبر سیکیورٹی
| Eval | GPT‑5.6 Sol | GPT‑5.6 Sol Ultra | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 | Claude Mythos 5 | Claude Mythos Preview | Claude Opus 4.8 |
| Capture-the-Flag Challenges | 96.7% | — | 91.8% | 85.2% | 88.1% | — | — | — |
| SEC-Bench Pro | 71.2% | 74.3% | 57.7% | 48.9% | 45.8% | — | — | — |
| CyberGym | 84.5% | — | 81.8% | 77.9% | 81.8% | 83.8% | 83% | 78.1% |
| ExploitBench | 73.5% | — | 52.9% | 33.2% | 47.9% | 78% | 74.2% | 40% |
| ExploitGym | 33.7% | — | 23.2% | 12.4% | 15.1% | — | — | — |
ذاتی بہتری
| Eval | GPT‑5.6 Sol | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 |
| Internal Research Debugging Evaluation | 68.3% | 67.8% | 50.8% | 50% |
| KernelGen 1P | 61.1% | 49.2% | 22.4% | 29.3% |
| NanoGPT | 9.69% | 14.5% | 1.66% | 2.65% |
| PostTrainBench Lite | 50.3% | 51.5% | 29.6% | 38.8% |
| RSI اشاریہ | 57.9% | 56.3% | 41.9% | 41.7% |
ملٹی موڈل
| Eval | GPT‑5.6 Sol | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 | Claude Fable 5 | Claude Opus 4.8 | Gemini 3.1 Pro Preview |
| MMMU Pro (کوئی ٹولز نہیں) | 83% | 80.7% | 78.4% | 81.2% | — | — | 80.5% |
| MMMU Pro (ٹولز کے ساتھ) | 84.6% | 82% | 79.5% | 83.2% | — | — | — |
| gdp.pdf | 30.7% | 24.7% | 22.7% | 26% | 29.8% | 22.5% | 16.7% |
علمی
| Eval | GPT‑5.6 Sol | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 | Claude Mythos 5 | Claude Mythos Preview | Claude Fable 5 | Claude Opus 4.8 | Gemini 3.1 Pro Preview |
| GPQA Diamond | 94.6% | 92.9% | 92.3% | 93.6% | 94.1% | 94.6% | 92.6% | 92% | 94.3% |
| FrontierMath Tier 1-3 (v2) | 89% | 84.9% | 78.6% | 85.3% | — | — | 87% | 80% | 59.6% |
| FrontierMath Tier 4 (v2) | 83% | 68.3% | 58.5% | 72.5% | — | — | 87.8% | 56.1% | — |
ٹول کا استعمال
| Eval | GPT‑5.6 Sol | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 | Claude Mythos 5 | Claude Mythos Preview | Claude Fable 5 | Claude Opus 4.8 | Gemini 3.1 Pro Preview | Gemini 3.5 Flash |
| AutomationBench | 18.1% | 15.2% | 14.9% | 12.9% | — | — | 17.4% | 15.5% | — | 14.5% |
| Toolathlon | 58 % | 53.1 % | 53.4 % | 55.6 % | 61.7 % | 61.1 % | 61.7 % | 59.9 % | 48.8 % | — |
طویل سیاق و سباق
| Eval | GPT‑5.6 Sol | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 | Claude Mythos 5 | Claude Mythos Preview | Claude Opus 4.8 |
| OpenAI MRCR v2 8-needle 256K-512K | 91.5% | 89.6% | 41.3% | 81.5% | — | — | — |
| OpenAI MRCR v2 8-needle 512K-1M | 73.8% | 72.5% | 41.3% | 74% | — | — | — |
| GraphWalks BFS 256k f1 | 90.7% | 76.9% | 81.3% | 73.7% | 91.1% | 85.7% | 85.9% |
| GraphWalks BFS 1mil f1 | 77.1% | 71.2% | 51.2% | 45.4% | 79.4% | 74.3% | 68.1% |
تجریدی استدلال
| Eval | GPT‑5.6 Sol | GPT‑5.6 Terra | GPT‑5.6 Luna | GPT‑5.5 | Claude Opus 4.8 | Gemini 3.1 Pro Preview |
| ARC-AGI-3⁷ | 7.78% | 0.8% | 0.18% | 0.43% | 1.5% | 0.42% |
مصنف
حاشیہ
1. سائبر صلاحیتوں کا جائزہ کم حفاظتی اقدامات کے ساتھ لیا جاتا ہے. صارفین دفاعی سائبر صلاحیتوں تک بڑھی ہوئی رسائی کے لیے OpenAI Daybreak کے Trusted Access for Cyber پروگرام میں شامل ہو سکتے ہیں.
2. تمام ماڈلز کو ExploitBench API ہارنس کے ذریعے 5 سیڈز اور ریزننگ کنٹینیوٹی کے ساتھ جانچا گیا ہے.
3. ہم نے ExploitGym کو اپنی الفا API پر چلایا، جو ہماری پبلک API کے مقابلے میں تیز جوابات دیتا ہے اور پھر اسے ہماری پبلک API کے مطابق دوبارہ اسکیل کیا. جب تاخیروں کو ہماری پبلک API کے لیے متوقع رفتاروں کے مطابق دوبارہ اسکیل کیا جاتا ہے، تو اس کی وجہ سے کچھ تخمینی تاخیر دو اور چھ گھنٹے کی وقتی حدود سے تجاوز کر جاتی ہیں، حالانکہ ایوالیوشن رن میں ان کی درست طور پر پابندی کی گئی تھی. وقت کے لحاظ سے حساس کام کے لیے زیادہ تیز رفتار حاصل کرنے کے لیے، ہم API میں ترجیحی پروسیسنگ اور Codex میں فاسٹ موڈ پیش کرتے ہیں.
4. ہم اپنے ماڈل کے پروڈکشن طرزِ عمل کو دیکھ کر اور آف لائن نقل بنا کر تاخیر اور API لاگت کا اندازہ لگاتے ہیں. ان تخمینوں میں ٹول کال کی تفصیلات، سیمپل کردہ ٹوکن اور ان پٹ ٹوکن شامل ہیں. حقیقی دنیا کے نتائج میں نمایاں طور پر فرق ہو سکتا ہے اور ان کا انحصار بہت سے ایسے عوامل پر ہے جو ہماری سمولیشن میں شامل نہیں ہیں. ہم لیٹنسی کو تیز API رفتاروں پر اور لاگت کو معمول کی API قیمتوں کے مطابق سمولیٹ کرتے ہیں.
5. جن ماڈلز کے آؤٹ پٹ ٹوکن، تاخیر یا لاگت رپورٹ نہیں کیے گئے، انہیں افقی نقطہ دار لکیروں کے طور پر دکھایا گیا ہے.
6. ملٹی ایجنٹ کے لیے, تاخیر روٹ ایجنٹ سے اخذ کی جاتی ہے, جبکہ آؤٹ پٹ ٹوکن اور API لاگت کے کل میں تمام ٹوکن شامل ہوتے ہیں. Ultra کو چار ایجنٹس کے ساتھ چلایا جاتا ہے.
7. ہم اسکورز کا حساب HealthBench Professional مقالے میں بیان کردہ باضابطہ اسکورنگ طریقۂ کار کے مطابق لگاتے ہیں، جو Anthropic کے سسٹم کارڈ میں رپورٹ کردہ نتائج سے قابلِ موازنہ نہیں ہے.
8. Opus 4.8 کے لیے ARC-AGI-3 کو ہائی پر چلایا گیا تھا، میکس ریزننگ کوشش پر نہیں، کیونکہ یہی ARC-AGI-3 کا واحد شائع شدہ نتیجہ ہے.
