OpenAI выпустила GPT-5.6 с тремя моделями, превзойдя Fable 5 во многих бенчмарках

OpenAI представила семейство GPT-5.6 в четверг (9-го числа), представив три модели с различными профилями стоимости и возможностей. Запуск сопровождался живой демонстрацией и заявлениями генерального директора Сэма Альтмана в CNBC.

Модели GPT-5.6

Представлены три модели: Sol, самая мощная, ориентированная на сложные задачи; Terra, разработанная для повседневного и сбалансированного использования; и Luna, отличающаяся как самая быстрая и доступная.

Производительность и эффективность

Сэм Альтман заявил CNBC, что компании сосредоточены на возврате инвестиций в ИИ, и это является главным приоритетом OpenAI. В частности, GPT-5.6 Sol продемонстрировал на 54% большую эффективность токенов в задачах агентского кодирования и был оценен как 'не хуже или лучше' конкурирующих моделей.

Сравнение с конкурентами

В тестах, проведенных на бенчмарке Agents’ Last Exam, который оценивает профессиональные рабочие процессы длительного характера в 55 областях, модель Sol набрала 53,6 балла, опередив Claude Fable 5 на 13,1 балла. Даже используя режим среднего рассуждения, Sol превзошел Fable 5 на 11,4 балла, при этом стоимость составила примерно четверть от предполагаемой.

Кроме того, в индексе кодирования Artificial Analysis Sol достиг 80 баллов при максимальном рассуждении, опередив Fable 5 на 2,8 балла, при этом использовав менее половины выходных токенов, менее половины времени и имея стоимость примерно на треть ниже. Модели Terra и Luna также продемонстрировали превосходство над Fable 5 в кодировании, снизив затраты примерно на 1/16.

Нововведения и применение

GPT-5.6 включает новый режим под названием 'ultra', который по умолчанию оркеструет четыре агента одновременно для задач, требующих высокой вычислительной мощности. Этот режим отдает приоритет более мощным результатам и меньшему времени выполнения в сложных задачах, жертвуя большим потреблением токенов.

В области кибербезопасности и науки Sol продемонстрировал значительный прогресс. В кибербезопасности он достиг 73,5% в ExploitBench (по сравнению с 47,9% у GPT-5.5) при схожем бюджете токенов и почти удвоил показатель успеха предыдущей модели в ExploitGym. В бионауке Sol показал улучшения в тестах GeneBench Pro, LifeSciBench и MedChemBench по сравнению с GPT-5.5.

Доступность и цены

GPT-5.6 уже доступен с четверга в ChatGPT, Codex и через API. Стоимость за миллион токенов установлена следующим образом: Sol стоит 5 долларов США за ввод и 30 долларов США за вывод; Terra стоит 2,50 доллара США за ввод и 15 долларов США за вывод; а Luna стоит 1 доллар США за ввод и 6 долларов США за вывод. Пользователи с подписками Plus, Pro, Business и Enterprise могут получить доступ к модели Sol через ChatGPT, а также она доступна разработчикам через API OpenAI.

Меры безопасности

OpenAI гарантирует, что новые модели прошли самый продолжительный период оценки безопасности в компании. Это включало около 700 тысяч часов автоматизированного тестирования командной работы (red teaming) с использованием GPU A100e. Кроме того, фильтры кибербезопасности, внедренные в Sol, способны блокировать примерно в десять раз больше потенциально вредоносной активности по сравнению с предыдущими версиями.