hashtelegraph.com
OpenAI открыла доступ к новому семейству моделей — GPT‑5.6. В линейку вошли три версии: флагманская Sol, сбалансированная Terra и самая доступная Luna. Раскатка обновления в ChatGPT, Codex и API уже началась и должна завершиться в течение суток по всему миру.
Особенность этого релиза состоит в том, что впервые модель нового поколения получат и бесплатные пользователи. На тарифах Free и Go в ChatGPT Work и Codex будет доступна Terra, по производительности сопоставимая с прошлым флагманом — GPT‑5.5. Самая мощная версия, Sol, откроется с тарифа Plus, а Sol Pro — с Pro и Enterprise.
Не рекорды, а стоимость решения задач
Главный акцент компании сделан не на абсолютных показателях, а на экономике использования моделей. На индексе Artificial Analysis Sol с максимальным уровнем рассуждений набирает 58,9 балла против 59,9 у Claude Fable 5 — разница минимальна, зато задачи модель OpenAI выполняет на 61% быстрее и примерно вдвое дешевле.
На бенчмарке Agents' Last Exam, где проверяются длинные агентные задачи в 55 профессиональных областях, Sol опережает Fable 5 сразу на 13 пунктов. А по расчетам самой OpenAI, Terra и Luna показывают результат выше, чем у конкурента, при этом обходятся примерно в 16 раз дешевле.
Дополнительную информацию дал глава OpenAI Сэм Альтман (Sam Altman) в эфире CNBC: в агентном кодинге новая модель на 54% эффективнее по расходу токенов. Цены в API выглядят так: Sol — $5 за миллион входящих токенов и $30 за миллион исходящих; Terra — $2,50 и $15 соответственно; Luna — $1 и $6.
Новые режимы и инструменты для разработчиков
В обновлении появились дополнительные уровни усилий модели. Режим max дает Sol больше времени на рассуждения, чем прежний максимальный режим xhigh. Режим ultra идет дальше — по умолчанию он координирует работу четырех параллельных агентов, а в тестах OpenAI демонстрировала конфигурации до 16 агентов одновременно, разменивая расход токенов на скорость и качество решения сложных задач.
Для разработчиков в API добавили функцию Programmatic Tool Calling: модель самостоятельно пишет и запускает небольшие программы, которые управляют инструментами и отсеивают промежуточные данные, не прогоняя каждый ответ через саму модель.
Anthropic сохраняет преимущество в отдельных бенчмарках
Даже в собственных таблицах OpenAI новинка выигрывает не везде. На SWE‑Bench Pro модель Claude Mythos 5 набирает 80,3% против 64,6% у Sol. А на самом сложном уровне математического теста FrontierMath Claude Fable 5 опережает конкурента с разгромным счетом — 87,8% против 65,9%.
Первые тестеры описывают схожие впечатления: у моделей Anthropic выше «сырой интеллект», тогда как GPT‑5.6 показывает себя надежнее в повседневных задачах. Глава компании Every Дэн Шиппер (Dan Shipper) сравнил GPT‑5 с автомобилем Porsche, а Fable — с варп‑двигателем: если нужно пересечь галактику, по его словам, стоит выбирать именно Fable.
Самая необычная часть презентации — внутренний показатель под названием RSI Index. Это сводка из нескольких тестов на реальных задачах исследователей компании: отладка исследовательского кода, оптимизация вычислительных ядер и рецептов обучения, запуск ML‑экспериментов и доработка других моделей. Название отсылает к идее рекурсивного самоулучшения — сценарию, при котором ИИ ускоряет создание своих следующих версий.
По этому индексу Sol набирает 57,9% против 41,7% у GPT‑5.5. Есть и косвенные подтверждения тренда: за полгода доля исследовательских вычислений OpenAI, уходящая на внутренний кодинг‑инференс, выросла в 100 раз, а объем агентного трафика внутри компании — в 22 раза. Сама OpenAI уточняет, что эти метрики пока не означают научного прогресса как такового, однако направление обозначено достаточно четко: модели все активнее участвуют в разработке своих преемников.
Публичный запуск состоялся после двух недель ограниченного доступа, согласованного с правительством США. GPT‑5.6 стала второй моделью, прошедшей через новую процедуру предварительных государственных проверок, — после Fable 5 и Mythos 5 от Anthropic.
Параллельно OpenAI усилила меры безопасности. Киберфильтры Sol блокируют примерно в 10 раз больше потенциально опасной активности по сравнению с прежними моделями. Перед релизом систему прогнали через 700 000 GPU‑часов автоматизированного тестирования, а доступ к самым мощным киберфункциям теперь открывают только после верификации личности пользователя.