OpenAI представила три версии модели GPT-5.6 — Sol, Terra и Luna — а также платформу ChatGPT Work, предназначенную для автоматизации офисных задач. Анонс состоялся на фоне усиления конкуренции с Anthropic, чьи модели Fable 5 и Mythos 5 ранее привлекли внимание рынка. Новая линейка ориентирована на снижение стоимости и повышение скорости выполнения задач, что следует из прямых сравнений в официальных материалах компании.
GPT-5.6 Sol, флагманская модель, по заявлениям OpenAI, превзошла Claude Fable 5 на 13,1 балла в бенчмарке Agents' Last Exam — тесте, оценивающем способность моделей к длительным многошаговым рабочим процессам в 55 областях. В индексе Artificial Analysis Coding Agent Index Sol набрал 80 баллов, что на 2,8 балла выше показателя Fable 5. При среднем уровне рассуждений Sol опережает Fable 5 на 11,4 балла при примерно четверти расчётной стоимости. Кроме того, скорость выполнения задач у Sol на 61% выше, чем у Fable 5, при сопоставимом уровне производительности.
ChatGPT Work представляет собой десктопное приложение, которое может выполнять задачи в браузере и на рабочем столе — создавать таблицы, презентации, веб-сайты, а также реорганизовывать заметки. Инструмент способен работать над сложными проектами в течение нескольких часов, разбивая их на подзадачи. Ранее аналогичный функционал был доступен только в Codex — инструменте для программистов. Выделение агентного ассистента в отдельный продукт делает его доступным для пользователей без навыков кодирования, что повторяет стратегию Anthropic с Claude Cowork.
Sol превзошёл Claude Fable 5 на 13,1 балла в бенчмарке Agents' Last Exam.
OpenAI также подчёркивает улучшенные механизмы безопасности GPT-5.6, включающие комбинацию защиты модели, мониторинга в реальном времени и калибровки доступа в зависимости от уровня доверия и риска. Компания называет GPT-5.6 «самой защищённой моделью на момент запуска».
По словам Итамара Фридмана, CEO Qodo, GPT-5.6 показал лучшие результаты на агентных тестах проверки кода, превзойдя GPT-5.5 по метрике F1 при использовании примерно в три раза меньшего числа токенов на запрос и медианной задержке вдвое ниже.
