OpenAI представила семейство моделей GPT-5.6, в которое вошли флагманская Sol, сбалансированная Terra и экономичная Luna. Главное отличие новой линейки — рекордная эффективность: модели показывают лучшие результаты в бенчмарках при меньшем числе токенов и более низкой расчётной стоимости. По заявлению компании, пользователи получают больше успешно выполненной работы за тот же бюджет.
В бенчмарке Agents’ Last Exam, оценивающем длительные профессиональные рабочие процессы в 55 областях, GPT-5.6 Sol набрал 53,6 балла, опередив Claude Fable 5 (40,5 балла) на 13,1 балла. Даже в режиме среднего уровня рассуждений Sol превосходит Fable 5 на 11,4 балла примерно за четверть его стоимости. В Artificial Analysis Coding Agent Index Sol в режиме максимального рассуждения установил рекорд 80 баллов — на 2,8 выше Fable 5, при этом используя менее половины выходных токенов, вдвое меньше времени и обходясь примерно на треть дешевле. Terra и Luna также превосходят Fable 5 примерно за одну шестнадцатую его стоимости.
| Модель | Режим | Баллы Agents' Last Exam |
|---|---|---|
| GPT-5.6 Sol | Высокое рассуждение | 53,6 |
| Claude Fable 5 | Адаптивное рассуждение | 40,5 |
| GPT-5.6 Sol | Среднее рассуждение | 41,6 |
Семейство GPT-5.6 получило новые технические возможности. Режим ultra координирует несколько агентов в параллельных рабочих потоках для ускорения самых сложных задач. Programmatic Tool Calling в Responses API позволяет модели писать и запускать лёгкие программы, управляющие инструментами, что снижает число обращений и токенов. Также улучшены безопасное использование компьютера и дизайнерское чутьё — модель помогает проверять и дорабатывать результаты.
В режиме максимального рассуждения Sol получил 80 баллов в Coding Agent Index, обойдя Fable 5 на 2,8 балла при вдвое меньшем числе токенов.
Перед запуском OpenAI провела самый масштабный этап оценки моделей и защитных механизмов, объединив ручной red teaming с автоматизированным тестированием. Во время предварительного доступа компания сотрудничала с экспертными организациями. Итоговая система включает защитные механизмы, встроенные в модель при обучении, и проверки в реальном времени с мониторингом по уровню доверия.
Несмотря на впечатляющие цифры, остаётся неопределённость по фактической стоимости и доступности. OpenAI подчёркивает экономическую эффективность, но конкретные цены на API пока не раскрыты. Кроме того, реальная производительность в долгосрочных рабочих процессах может отличаться от бенчмарков. Тем не менее, GPT-5.6 задаёт новый стандарт соотношения цены и качества, предлагая интеллект, который масштабируется вместе с амбициями пользователя.
