ہم GPT‑5.6 سیریز کا محدود پیش منظر شروع کر رہے ہیں: Sol، ہمارا فلیگ شپ ماڈل؛ Terra، روزمرہ کے کام کے لیے ایک متوازن ماڈل؛ اور Luna، ایک تیز اور کفایتی ماڈل. Terra کی کارکردگی GPT‑5.5 کے مقابلے کی ہے جبکہ یہ 2x سستا ہے، اور Luna ہماری سب سے کم لاگت پر مضبوط صلاحیت فراہم کرتا ہے.
GPT‑5.6 Sol اب تک ہمارے سب سے مضبوط حفاظتی اسٹیک کے ساتھ لانچ ہو رہا ہے. ہم نے زیادہ خطرے والی سرگرمی، حساس سائبر درخواستوں، اور بار بار غلط استعمال کے لیے تحفظات مضبوط کیے، اور کئی ہفتے کمزوریاں تلاش کرنے، اپنے سسٹم کو سخت جانچنے، اور حقیقی دنیا کے حملوں کے خلاف اسے مضبوط بنانے میں صرف کیے.
ہم وسیع رسائی پر یقین رکھتے ہیں، اور آنے والے ہفتوں میں GPT‑5.6 Sol، Terra، اور Luna کو عام طور پر دستیاب بنانے کا ارادہ رکھتے ہیں. امریکی حکومت کے ساتھ اپنی جاری شمولیت کے حصے کے طور پر، ہم نے آج کے لانچ سے پہلے اپنے منصوبوں اور ماڈلز کی صلاحیتوں کا پیش منظر دیا. ان کی درخواست پر، ہم وسیع اجرا سے پہلے قابل اعتماد پارٹنرز کے ایک چھوٹے گروپ کے لیے محدود پیش منظر سے آغاز کر رہے ہیں، جن کی شرکت حکومت کے ساتھ شیئر کی گئی ہے. اس پیش منظر کے دوران، ہم وسیع دستیابی کی طرف کام کرتے ہوئے ٹیسٹنگ جاری رکھیں گے اور پارٹنرز کے ساتھ قریبی ہم آہنگی رکھیں گے. ہمارا خیال نہیں کہ اس قسم کا حکومتی رسائی عمل طویل مدت کا معمول بننا چاہیے. یہ بہترین ٹولز کو ان صارفین، ڈویلپرز، اداروں، سائبر محافظوں، اور عالمی پارٹنرز سے دور رکھتا ہے جنہیں ان کی ضرورت ہے. ہم یہ مختصر مدتی قدم اس لیے اٹھا رہے ہیں کہ ہمارے خیال میں آنے والے ہفتوں میں وسیع دستیابی تک پہنچنے کا یہ سب سے مضبوط راستہ ہے، جبکہ ہم انتظامیہ کے ساتھ مل کر سائبر Executive Order فریم ورک اور مستقبل کے ماڈل ریلیزز کے لیے دہرائے جا سکنے والا عمل تیار کر رہے ہیں.
GPT‑5.6 Sol اب تک ہمارا سب سے مضبوط ماڈل ہے. ماڈل کی کارکردگی کا پیش منظر دینے کے لیے، ہم جائزوں کا ایک مجموعہ شیئر کر رہے ہیں جو کوڈنگ، حیاتیات، اور سائبر سیکیورٹی میں بہتر ایجنٹ نما صلاحیتوں کو نمایاں کرتا ہے، جبکہ اضافی حفاظتی اور تیاری کے جائزے ہمارے سسٹم کارڈ(نئی ونڈو میں کھلتا ہے) میں دستیاب ہیں. جب ہم ماڈل کو وسیع طور پر دستیاب بنائیں گے تو جائزہ نتائج کا ایک وسیع تر مجموعہ شیئر کریں گے.
GPT‑5.6 کے ساتھ، ہم ایک نئی `max` ریزننگ کوشش متعارف کرا رہے ہیں تاکہ Sol کو گہری ریزننگ کے لیے سب سے زیادہ وقت ملے. اس کے علاوہ، ہم ایک نیا `ultra` موڈ متعارف کرا رہے ہیں جو ذیلی ایجنٹس سے فائدہ اٹھا کر پیچیدہ کام کو تیز کرتا ہے اور ایک ہی ایجنٹ کی صلاحیتوں سے آگے جاتا ہے.
کوڈنگ ورک فلوز کے لیے، GPT‑5.6 Sol Terminal‑Bench 2.1 پر ایک نیا بہترین معیار قائم کرتا ہے، جو ایسے کمانڈ لائن ورک فلوز کو جانچتا ہے جن میں منصوبہ بندی، تکرار، اور ٹول کوآرڈینیشن کی ضرورت ہوتی ہے.
GPT‑5.6 Sol حیاتیات کے ورک فلوز میں بھی وسیع بہتری دکھاتا ہے. GeneBench v1 پر، جو طویل افق والی جینومکس اور مقداری حیاتیات کی تحلیلوں کا جائزہ لیتا ہے، یہ کم ٹوکن استعمال کرتے ہوئے GPT‑5.5 سے زیادہ مضبوط نتائج حاصل کرتا ہے.
GPT‑5.6 Sol سائبر سیکیورٹی کے لیے اب تک ہمارا سب سے زیادہ قابل ماڈل ہے. یہ طویل افق والے سیکیورٹی کاموں، بشمول کمزوریوں کی تحقیق اور ایکسپلائٹیشن، کے لیے کارکردگی اور افادیت کی حد کو آگے بڑھاتا ہے. ExploitBench² پر، GPT‑5.6 Sol صرف ~1/3 آؤٹ پٹ ٹوکن استعمال کرتے ہوئے Mythos Preview کا مقابلہ کرتا ہے. ExploitGym(نئی ونڈو میں کھلتا ہے)3 پر، جو UC Berkeley کے محققین نے OpenAI اور دیگر فرنٹیئر لیبز کے تعاون سے بنایا ہوا بینچ مارک ہے، GPT‑5.6 Sol، Terra، اور Luna ماڈلز سبھی دکھاتے ہیں کہ ریزننگ بڑھانے پر سائبر صلاحیتوں میں مضبوط بہتری آتی ہے.
ہم نے GPT‑5.6 Sol، Terra اور Luna کو اب تک اپنی سب سے مضبوط حفاظتی تدابیر کے ساتھ تیار کیا ہے، جن کی کنفیگریشنز ہر ماڈل کی صلاحیتوں کے مطابق ہیں. جیسے جیسے ماڈل زیادہ قابل ہوتا ہے، ہم حفاظتی تدابیر اس طرح ڈیزائن کرتے ہیں کہ وہ حقیقی دنیا کے مخالفانہ دباؤ میں زیادہ مضبوط رہیں، جبکہ کوڈ ریویو، کمزوریوں کی تحقیق، پیچ ڈیولپمنٹ، ڈیبگنگ، سیکیورٹی تعلیم، اور دفاعی ٹیسٹنگ جیسے جائز کاموں تک رسائی برقرار رہے. ہمارا مقصد ممنوعہ جارحانہ سرگرمی کو زیادہ مشکل، غیر یقینی، اور قابل شناخت بنانا ہے، بغیر ان فائدہ مند استعمالات کو غیر ضروری طور پر محدود کیے. ماڈل اور حفاظتی تدابیر کے ہمارے جائزے کی بنیاد پر، ہمیں جائز دفاعی کام کے لیے قابل ذکر فائدے کی توقع ہے، جبکہ ممنوعہ جارحانہ استعمال کو معنی خیز طور پر محدود کیا جائے گا.
GPT‑5.6 Sol لوگوں کو کمزوریاں تلاش کرنے اور ٹھیک کرنے میں مدد دینے میں، آخر سے آخر تک حملے قابل اعتماد طور پر انجام دینے کے مقابلے میں بہتر ہے. جیسے جیسے یہ صلاحیتیں آگے بڑھتی رہیں گی، ہماری ترجیح یہ یقینی بنانا ہے کہ وہ محافظوں تک پہنچیں اور انہیں فائدہ دیں، تاکہ وہ ان ٹولز کو کمزوریاں تلاش کرنے، پیچ تیار کرنے، اور نظاموں کو زیادہ وسیع طور پر مضبوط بنانے کے لیے استعمال کر سکیں.
GPT‑5.6 Sol ہمارے Preparedness Framework کے تحت Cyber Critical حد عبور نہیں کرتا. Chromium اور Firefox سے متعلق جائزوں میں، اس نے بگز اور ایکسپلائٹیشن پرمیٹوز، یعنی ایک ایکسپلائٹ کے بنیادی اجزا، کی نشاندہی کی، لیکن آزمائی گئی شرائط کے تحت خودکار طور پر فعال فل چین ایکسپلائٹ تیار نہیں کیا. پھر بھی، بینچ مارک حدیں ہر اس طریقے کو نہیں سمیٹ سکتیں جس سے کوئی ماڈل استعمال ہو سکتا ہے یا دوسرے ٹولز کے ساتھ ملایا جا سکتا ہے. یہ غیر یقینی صورتحال، ماڈل کی صلاحیتوں میں وسیع مرحلہ وار تبدیلی کے ساتھ، اسی لیے ہے کہ ہم ماڈل کی بڑھی ہوئی صلاحیتوں کو مضبوط حفاظتی تدابیر اور مرحلہ وار ریلیز کے ساتھ جوڑ رہے ہیں. ہم اپنی حفاظتی تدابیر کے بارے میں مزید تفصیلات GPT‑5.6 Preview سسٹم کارڈ(نئی ونڈو میں کھلتا ہے) میں شیئر کرتے ہیں.
پرعزم یا خود کو ڈھالنے والے غلط استعمال کے خلاف کوئی ایک حفاظتی تدبیر کافی نہیں ہوتی. GPT‑5.6 پیش منظر میں، ہم تہہ دار حفاظتی تدابیر استعمال کرتے ہیں، جن کی درست کنفیگریشنز ماڈلز کے لحاظ سے بدلتی ہیں، اور انہیں حقیقی دنیا کے حملوں کے لیے پریشر ٹیسٹ کرتے ہیں. ان میں ماڈل میں تربیت دی گئی حفاظتیں، جنریشن کے دوران ریئل ٹائم چیکس، اکاؤنٹ سطح کے اشارے، مختلف رسائی، نگرانی، نفاذ، اور مسلسل ٹیسٹنگ شامل ہیں.
GPT‑5.6 کو ممنوعہ سائبر مدد سے انکار کرنے کے لیے تربیت دی گئی ہے، بشمول اس وقت جب صارفین اپنا ارادہ چھپانے یا ماڈل کو جیل بریک کرنے کی کوشش کریں. ماڈل سطح کی یہ حفاظتی تدابیر اس بات کے گرد پہلی حد قائم کرتی ہیں کہ ماڈل کو کس چیز میں مدد کرنی چاہیے اور کس میں نہیں.
ریئل ٹائم سائبر اور حیاتیاتی غلط استعمال کے کلاسیفائرز آؤٹ پٹ بنتے وقت اس کا جائزہ لے کر ایک اور تہہ فراہم کرتے ہیں. زیادہ خطرے والے معاملات میں، اگر وہ ممکنہ خلاف ورزی کا پتہ لگائیں، تو جنریشن کو اس وقت تک روکا جا سکتا ہے جب تک ایک بڑا ریزننگ ماڈل گفتگو اور اس کے سیاق و سباق کا جائزہ نہ لے. اگر آؤٹ پٹ کو ممنوع قرار دیا جائے، تو اسے صارف تک پہنچنے سے پہلے روک لیا جاتا ہے.
فلیگ کی گئی سرگرمی متعلقہ گفتگوؤں اور خطرے کے اشاروں میں اکاؤنٹ سطح کے ریویو کو بھی شروع کر سکتی ہے، جو مواد برقرار رکھنے اور ریویو سے متعلق ہماری شرائط اور پالیسیوں کے مطابق ہوتا ہے. ایک ہی گفتگو سے آگے دیکھنا ہمارے سسٹمز کو مسلسل بدنیتی پر مبنی رویے اور جائز دوہری استعمال والے سیکیورٹی کام میں فرق کرنے میں مدد دیتا ہے، جہاں ملتے جلتے تکنیکی تصورات بہت مختلف سیاق و سباق میں سامنے آ سکتے ہیں.
یہ تہیں مل کر مجموعی طریقہ کار کو کسی بھی ایک حفاظتی تدبیر کے مقابلے میں زیادہ مضبوط بناتی ہیں. ماڈل کا برتاؤ نقصان دہ جوابات کے امکان کو کم کرتا ہے، ریئل ٹائم سسٹمز جنریشن کے دوران مداخلت کر سکتے ہیں، اکاؤنٹ سطح کا ریویو وسیع تر نمونوں کی نشاندہی کر سکتا ہے، اور مختلف رسائی اہم دفاعی کام کو برقرار رکھتی ہے بغیر انتہائی حساس صلاحیتوں کو پہلے سے ہی وسیع طور پر دستیاب کیے.
خاص طور پر پیش منظر کے دوران، صارفین کو ایسی حفاظتی تدابیر کا سامنا ہو سکتا ہے جو کچھ درخواستوں کو بلاک یا مسترد کر دیں. کچھ دیگر درخواستوں میں زیادہ وقت لگ سکتا ہے کیونکہ اضافی ریویو کے لیے جنریشن روکی جاتی ہے. حفاظتی تدابیر کبھی کبھار جائز کام میں مداخلت کر سکتی ہیں، خاص طور پر دوہری استعمال کے شعبوں میں جہاں دفاعی اور جارحانہ سرگرمی ابتدا میں ایک جیسی لگ سکتی ہے.
یہ اسی چیز کا حصہ ہے جسے جانچنے کے لیے پیش منظر ڈیزائن کیا گیا ہے. ہم صرف یہ نہیں سمجھنا چاہتے کہ حفاظتی تدابیر غلط استعمال کو محدود کرتی ہیں یا نہیں، بلکہ یہ بھی کہ جائز صارفین اپنا معمول کا کام اب بھی قابل اعتماد اور مؤثر طریقے سے مکمل کر سکتے ہیں یا نہیں. پیش منظر کے دوران ملنے والی رائے ہمیں غیر ضروری بلاکس اور تاخیر کم کرنے، حفاظتی تدابیر کے سیاق و سباق سمجھنے کے طریقے کو بہتر بنانے، اور وسیع ریلیز سے پہلے زیادہ ہموار تجربہ بنانے میں مدد دے گی.
ہم انٹرپرائز صارفین کے ساتھ طویل مدتی طریقوں پر بھی کام کر رہے ہیں، جن میں پرائیویسی محفوظ رکھنے والی شناخت، صارف کے زیر انتظام حفاظتی کنٹرولز، اور رسائی کو صارف، یوزر، یا ورک لوڈ کے خطرے کے مطابق ڈھالنا شامل ہے، تاکہ انٹرپرائز پرائیویسی کی ضروریات کی حمایت کرتے ہوئے حفاظت کو آگے بڑھایا جا سکے.
جب حملہ آور اپنی حکمت عملیاں بدلیں تب بھی حفاظتی تدابیر کو مؤثر رہنا چاہیے. ایسا تحفظ جو صرف معلوم حملوں کے ایک مقررہ مجموعے پر کام کرے، کسی فرنٹیئر ماڈل کے لیے کافی مضبوط نہیں ہے.
اسی لیے ہم حفاظت پر پہلے سے کہیں زیادہ ذہانت اور کمپیوٹ لگا رہے ہیں، اور اپنے ماڈلز کو کمزوریاں تلاش کرنے اور حفاظتی تدابیر کو تیزی سے بہتر بنانے کے لیے استعمال کر رہے ہیں. ہم نے 700,000 سے زیادہ A100 کے مساوی GPU گھنٹے خودکار ریڈ ٹیمنگ کے لیے مختص کیے، جس کا مقصد یونیورسل جیل بریکس تلاش کرنا تھا: ایسے حملے جو صرف ایک محدود ماحول نہیں بلکہ بہت سے پرومپٹس یا سیاق و سباق میں کام کر سکتے ہیں. ان زیادہ مشکل اور عمومی حملوں پر توجہ دینے سے ہمیں حفاظتی تدابیر کو معلوم ناکامیوں کے مقررہ مجموعے سے آگے جا کر جانچنے کا موقع ملا. اس سے ہمیں حملوں کے اتنے زیادہ نمونے دیکھنے کا موقع بھی ملتا ہے جتنے صرف انسانی جانچ سے کور نہیں ہو سکتے، ناکامی کے نمونوں کو پہلے شناخت کرنے، اور کمزوری ملنے سے اسے دور کرنے تک کا راستہ مختصر کرنے میں مدد ملتی ہے.
خودکار ریڈ ٹیمنگ کے علاوہ، ہم نے تیسرے فریق کے ٹیسٹرز کے ساتھ مل کر انسانی ماہرین کی وسیع ریڈ ٹیمنگ بھی کی، جو پیش منظر کی مدت میں جاری رہے گی. انسانی ریڈ ٹیمنگ خودکار کام کی تکمیل کرتی ہے، کیونکہ تخلیقی ماہرین حفاظتی تدابیر کو ایسے طریقوں کے خلاف آزماتے ہیں جن میں ماڈل کے غلط استعمال کی کوشش ہو سکتی ہے اور جن کا ہمارے سسٹمز پہلے سے اندازہ نہ لگا سکیں.
کوئی بھی جائزہ ہر پروڈکٹ کنفیگریشن، کئی مراحل والے حملے، یا حقیقی دنیا کے ورک فلو کی نمائندگی نہیں کر سکتا. اسی لیے ہم نئے دریافت شدہ جیل بریکس کو دوبارہ پیدا کرنے، جانچنے، ترجیح دینے اور ٹھیک کرنے کے لیے تیز ردعمل کا عمل برقرار رکھتے ہیں، پھر انہیں اپنی جاری جانچوں میں شامل کرتے ہیں تاکہ مستقبل میں ملتی جلتی ناکامیوں کے خلاف ٹیسٹ کر سکیں.
پیش منظر کے دوران، GPT‑5.6 ماڈلز ابتدا میں API اور Codex کے ذریعے قابل اعتماد پارٹنرز اور تنظیموں کے منتخب گروپ کو دستیاب ہوں گے. ہم جلد ہی انہیں ChatGPT، Codex، اور API استعمال کرنے والے لوگوں کے لیے زیادہ وسیع طور پر دستیاب بنانے کا ارادہ رکھتے ہیں.
GPT‑5.6 کے ساتھ متعارف کرائے گئے اس نئے نامی نظام میں، نمبر ماڈل کی نسل بتاتا ہے، جبکہ Sol، Terra، اور Luna پائیدار صلاحیتی درجوں کی شناخت کرتے ہیں جو اپنی رفتار سے آگے بڑھ سکتے ہیں. یہ خاندان مجموعی طور پر لوگوں اور ڈویلپرز کو ذہانت، رفتار، اور لاگت کے لحاظ سے زیادہ واضح انتخاب دیتا ہے.
GPT‑5.6 کی قیمت تین ماڈل سائزز میں فی 1M ٹوکن مقرر ہے: Sol کے لیے $5 ان پٹ / $30 آؤٹ پٹ؛ Terra کے لیے $2.50 ان پٹ / $15 آؤٹ پٹ؛ اور Luna کے لیے $1 ان پٹ / $6 آؤٹ پٹ. GPT‑5.6 زیادہ قابل پیش گوئی پرومپٹ کیشنگ بھی متعارف کراتا ہے، جس میں واضح کیش بریک پوائنٹس اور 30 منٹ کی کم از کم کیش لائف کی سہولت شامل ہے. GPT‑5.6 اور بعد کے ماڈلز کے لیے، کیش رائٹس کا بل ماڈل کی اَن کیشڈ ان پٹ شرح کے 1.25x پر لگے گا، جبکہ کیش ریڈز پر 90% کیشڈ ان پٹ ڈسکاؤنٹ جاری رہے گا.
ہم جولائی میں Cerebras پر GPT‑5.6 Sol بھی لانچ کر رہے ہیں، جس کی رفتار 750 ٹوکن فی سیکنڈ تک ہوگی، تاکہ فرنٹیئر ذہانت صارفین تک بے مثال رفتار سے پہنچ سکے. ابتدا میں رسائی منتخب صارفین تک محدود رہے گی جبکہ ہم گنجائش بڑھاتے ہیں.
ہم اس پیش منظر کی مدت سے سیکھنا جاری رکھنے، اور GPT‑5.6 Sol، Terra اور Luna کو جلد مزید لوگوں تک پہنچانے کے لیے پرجوش ہیں.
1. ہم اپنے ماڈلز کے پروڈکشن برتاؤ کو دیکھ کر اور آف لائن نقل بنا کر تاخیر اور API لاگت کا اندازہ لگاتے ہیں. ان اندازوں میں ٹول کال کی تفصیلات، سیمپل کیے گئے ٹوکن، اور ان پٹ ٹوکن شامل ہوتے ہیں. حقیقی دنیا کے نتائج کافی مختلف ہو سکتے ہیں، اور بہت سے ایسے عوامل پر منحصر ہوتے ہیں جو ہماری نقل میں شامل نہیں. ہم تیز API رفتاروں پر تاخیر، اور عام API قیمتوں پر لاگت کی نقل بناتے 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 اپنے الفا API پر چلایا، جو ہمارے عوامی API سے زیادہ تیزی سے جوابات آؤٹ پٹ کرتا ہے، اور پھر اسے ہمارے عوامی API سے ملانے کے لیے دوبارہ اسکیل کیا. ہمارے عوامی API کے لیے متوقع رفتاروں کے مطابق تاخیروں کو دوبارہ اسکیل کرنے پر کچھ تخمینی تاخیریں 2h اور 6h گھنٹے کی وقت حدوں سے بڑھ جاتی ہیں، حالانکہ جائزہ رن میں ان کی درست پابندی کی گئی تھی. وقت کے لحاظ سے حساس کام کے لیے تیز رفتار حاصل کرنے کی خاطر، ہم API میں ترجیحی پروسیسنگ اور Codex میں فاسٹ موڈ پیش کرتے ہیں.
4. جن ماڈلز کے آؤٹ پٹ ٹوکن، تاخیر یا لاگت رپورٹ نہیں کیے گئے، انہیں افقی نقطہ دار لکیروں کے طور پر دکھایا گیا ہے.
