9-iyul kuni OpenAI cheklangan preview'dan so'ng GPT-5.6 oilasini umumiy foydalanish (general availability) uchun ishga tushirdi. Oila uch modeldan iborat: yangi flagman Sol, kundalik ish uchun muvozanatli Terra va eng tejamkor Luna.
Kompaniyaning ma'lumotiga ko'ra, GPT-5.6 Sol kod yozish, bilim ishi, kiberxavfsizlik va fan bo'yicha eng yaxshi natijalarni o'rnatadi va buni oldingi hamda raqobatchi modellarga qaraganda kamroq token sarflab, past narxda qiladi.
Bundan tashqari, yangi ultra rejimi eng og'ir ishlarni bir nechta agentni parallel ishlatib tezlashtiradi.
Har bir tokendan ko'proq foyda
OpenAI GPT-5.6'ni har bir tokendan ko'proq foydali ish olish uchun o'qitganini aytdi. 55 kasb sohasidagi uzoq ish jarayonlarini baholaydigan Agents' Last Exam testida GPT-5.6 Sol 53,6 ball bilan yangi rekord o'rnatdi va Claude Fable 5'dan (adaptive reasoning) 13,1 ballga o'zib ketdi. Hatto o'rtacha reasoning bilan ham u Fable 5'dan 11,4 ballga yuqori natijani taxminan to'rt baravar arzonga ko'rsatdi. Kengroq intellekt o'lchovi bo'lgan Artificial Analysis Intelligence Index testida esa max reasoning'li Sol Fable 5'ga bir ballgacha yaqinlashib, vazifalarni 61 foiz kamroq vaqtda va taxminan ikki baravar arzonga bajardi.
Kod yozish
GPT-5.6 Sol OpenAI'ning eng kuchli kod yozuvchi modeli. Artificial Analysis Coding Agent Index testida max reasoning'li Sol 80 ball bilan yangi rekordni o'rnatdi, Fable 5'dan 2,8 ballga yuqori bo'lib, yarmidan kam token va yarmidan kam vaqt sarfladi. U shuningdek murakkab buyruq qatori ishlarini sinaydigan Terminal-Bench 2.1 va real kod bazalaridagi uzoq muddatli muhandislikni sinaydigan DeepSWE testlarida ham eng yaxshi natijani o'rnatdi.
DeepSWE v1.1 testida Sol 72,7 foiz bilan yangi cho'qqiga chiqdi - bu Claude Fable 5'ning 69,9 foizidan yuqori va taxminan 36 foiz arzonroq.
max va ultra
Ko'proq vaqt va hisoblash talab qiladigan masalalar uchun GPT-5.6 tejamkor standart rejimidan chetga chiqishi mumkin.
max modelga xhighdan ham ko'proq vaqt berib, muqobil yechimlarni izlash va o'z yondashuvini qayta ko'rib chiqishga imkon beradi.
ultra esa standart holatda to'rtta agentni parallel muvofiqlashtirib, ko'proq token evaziga kuchliroq natija va tezroq yakunni beradi.
Quyidagi grafik ultraning to'rt agentli rejimini bir agentli asos bilan solishtiradi; parallel agent qo'shilishi natija-kechikish chegarasini yuqoriga va chapga siljitadi, ya'ni kuchliroq natija kamroq vaqtda olinadi.
Dizayn va bilim ishi
OpenAI GPT-5.6 dizayn mulohazasida katta sakrash qilganini aytadi: faqat umumiy yo'nalish berilganda ham u ozoda, ergonomik va ishlaydigan interfeyslar yaratadi. Kuchaygan computer-use imkoniyati unga nafaqat kodni yaratish, balki tayyor natijani ko'rib chiqib, vizual va funksional kamchiliklarni tuzatishga imkon beradi.
Bilim ishida GPT-5.6 Sol BrowseComp testida 92,2 foiz va OSWorld 2.0 testida 62,6 foiz bilan yangi rekordlar o'rnatdi; OSWorld'da u Opus 4.8'dan 85 foiz kamroq token sarflab o'zib ketdi. Luna GPT-5.5'ning eng yuqori natijasiga yarmidan kam narxda deyarli yetadi, Terra esa uni past narxda ortda qoldiradi.
Kiber va fan
GPT-5.6 OpenAI'ning eng kuchli kiberxavfsizlik modeli bo'lib, u chegaraviy natijani ancha kam token bilan beradi. Zaif koddan ixtiyoriy kod bajarishga o'tishni o'lchaydigan ExploitBench testida u GPT-5.5'ning 47,9 foiziga qarshi 73,5 foiz to'pladi. Real zaifliklarni ishlaydigan ekspluatatsiyaga aylantirishni so'raydigan ExploitGym testida esa GPT-5.5'ning eng yuqori natijasini deyarli ikki baravarga oshirdi: ikki soatlik cheklovda 15,1 foizdan 24,9 foizga, olti soatda esa 33,7 foizga chiqdi. Murakkab dasturda proof-of-concept yaratishni sinaydigan SEC-Bench Pro testida u 45,8 foizga qarshi 71,2 foiz ko'rsatdi.
Model himoyaviy ishlarni - xavfsiz kod tekshiruvi, patch qo'yish va threat modeling'ni qo'llab-quvvatlaydi. Malakali shaxslar va tashkilotlar OpenAI Daybreak "Trusted Access for Cyber" dasturi orqali tekshirilgan ish uchun kengroq kirish olishlari mumkin.
Fan sohasida ham keng yaxshilanish bor: uzoq muddatli genomika testi GeneBench Pro'da GPT-5.6 GPT-5.5 ustidan Pareto yaxshilanishini ko'rsatdi.
Tanlangan benchmark natijalari
| Test | Sol | Terra | Luna | GPT-5.5 | Fable 5 |
|---|---|---|---|---|---|
| Coding Agent Index v1.1 | 80 | 77,4 | 74,6 | 76,4 | 77,2 |
| DeepSWE v1.1 | 72,7% | 69,6% | 67,2% | 67% | 69,7% |
| Terminal-Bench 2.1 | 88,8% | 87,4% | 84,7% | 85,6% | 83,1% |
| BrowseComp | 90,4% | 87,5% | 83,3% | 84,4% | 84,3% |
| OSWorld 2.0 | 62,6% | 50,2% | 45,6% | 47,5% | - |
| ExploitBench | 73,5% | 52,9% | 33,2% | 47,9% | - |
| GeneBench Pro | 28,7% | 23,3% | 10,8% | 12% | - |
BrowseComp'da Sol Ultra 92,2 foizga chiqadi. Claude Fable 5 biologiya va ekspluatatsiya testlarida baholanmagan, chunki u bunday savollarning ko'pchiligiga javob berishdan bosh tortadi.
Xavfsizlik
OpenAI GPT-5.6'ni o'zining eng mustahkam xavfsizlik tizimi bilan ishlab chiqqanini aytdi. Modellar biologiya va kiberxavfsizlikda oldingilardan qobiliyatliroq, ammo ikkala sohada ham "Critical" chegarasini kesib o'tmaydi. Kompaniyaning aytishicha, GPT-5.6 Sol'ning kiber himoyasi oldingi modellarga nisbatan taxminan o'n baravar ko'proq zararli faoliyatni bloklaydi.
Himoya ko'p qatlamli: modelga o'rgatilgan himoya real vaqtdagi tekshiruv, doimiy monitoring va hisob darajasidagi nazorat bilan birga ishlaydi. Umumiy foydalanishdan oldin OpenAI eng jiddiy xavfsizlik baholovini o'tkazdi, jumladan taxminan 700 000 A100e GPU-soatlik avtomatlashtirilgan qora quti red-teaming.
Mavjudlik va narx
GPT-5.6 bugundan ChatGPT, Codex va OpenAI API'da ochiq. Tarqatish global miqyosda boshlanib, keyingi 24 soat davomida bosqichma-bosqich to'liq ochiqlikka o'tadi.
Yangi nomlash tizimida raqam avlodni, Sol, Terra va Luna esa barqaror qobiliyat darajalarini bildiradi.
Narxlar 1 million token uchun uch o'lchamda:
- Sol: kirish 5 dollar / chiqish 30 dollar.
- Terra: kirish 2,5 dollar / chiqish 15 dollar.
- Luna: kirish 1 dollar / chiqish 6 dollar.
GPT-5.6 shuningdek yanada bashoratli prompt caching'ni joriy etadi: aniq cache breakpoint'lari va 30 daqiqalik minimal cache muddati. Cache yozuvlari uncached kirish narxining 1,25 baravarida hisoblanadi, cache o'qishlari esa 90 foizlik chegirmani oladi.