Полный запуск GPT-5.6. Одновременно представлен новый агент ChatGPT.

Автор: Ян Чэнь, Wall Street News

OpenAI официально представила серию моделей GPT-5.6, обеспечивающих более высокую производительность при меньших затратах, что является чётким сигналом для конкурентной среды в сфере ИИ.

Релиз включает три модели: флагманскую Sol, сбалансированную Terra и экономичную Luna, которые с сегодняшнего дня доступны глобальным пользователям через ChatGPT, Codex и OpenAI API.

С точки зрения ценообразования, стоимость Sol составляет 5 долларов за миллион входных токенов и 30 долларов за миллион выходных токенов, Terra — 2,50 доллара и 15 долларов, Luna — 1 доллар и 6 долларов соответственно.

OpenAI подчёркивает, что GPT-5.6 превосходит Claude Fable 5 от Anthropic по ряду ключевых бенчмарков, при этом потребление токенов и затраты на инференс значительно снижены, что позволяет пользователям выполнять больше реальных задач в рамках того же бюджета.

Для корпоративных пользователей и разработчиков основное влияние этого релиза заключается в общем повышении «соотношения цена/качество». В оценке Agents' Last Exam, ориентированной на профессиональные рабочие процессы, GPT-5.6 Sol набрал 53,6 балла, опередив Claude Fable 5 на 13,1 процентного пункта, при этом даже при средних настройках инференса его стоимость составляет примерно одну четверть от Fable 5.

Ещё более поразительно то, что более дешёвые Terra и Luna при затратах примерно в одну шестнадцатую всё равно превзошли Fable 5 по бенчмаркам. Эта стратегия ценообразования «удар сверху вниз» напрямую сжимает пространство для дифференциации конкурентов.

OpenAI одновременно продвигает интеграцию нескольких продуктовых линеек в момент выхода моделей GPT-5.6: официально запущен агент ChatGPT Work, способный непрерывно работать в нескольких приложениях и напрямую предоставлять результаты, что знаменует эволюцию продукта от диалогового инструмента к системному агенту; приложение Codex объединено с настольным приложением ChatGPT и доступно в бесплатной версии; отдельный браузер Atlas постепенно выводится из эксплуатации, его возможности заменяются расширением для Chrome.

В интервью Альтман отметил, что OpenAI «внёс множество корректировок» в ходе общения с правительством США, но не уточнил конкретных деталей; эффективность токенов новейших моделей ИИ в программировании агентов повысилась на 54%; неизвестно, состоится ли IPO в этом году; китайские модели с открытым исходным кодом становятся «очень хорошими».

Запуск агента ChatGPT Work, поддерживающего непрерывную работу в нескольких приложениях, работающего на базе GPT-5.6

В тот же день OpenAI также представила全新ного агента ИИ — ChatGPT Work. Продукт позиционируется как гибрид ChatGPT и Codex, предназначенный для предоставления обычным нетехническим пользователям возможности использовать возможности Codex для выполнения непрограммистских задач, работающий на базе семейства моделей GPT-5.6 (Sol, Terra и Luna).

OpenAI сообщила в блоге, что ChatGPT Work может получать контекстную информацию из авторизованных пользователем приложений, файлов и рабочих процессов, а также автоматически генерировать готовые результаты, включая документы, электронные таблицы, презентации и веб-приложения.

OpenAI также заявила, что ChatGPT Work оснащён унифицированным каталогом плагинов (Unified Plugins Directory), который может подключаться к таким инструментам, как Slack, Gmail, Google Drive, календарю и CRM (управление взаимоотношениями с клиентами), обеспечивая совместную работу в нескольких приложениях.

OpenAI и её конкурент Anthropic PBC ускоряют гонку за созданием более совершенных агентов ИИ, стремясь расширить возможности ИИ на более широкий спектр офисных сценариев помимо автоматического написания и отладки кода.

Ранее в этом году Anthropic выпустила аналогичный продукт Claude Cowork, направленный на привлечение большего числа корпоративных и профессиональных пользователей.

Альтман: не уточнил «многие корректировки», не знает, состоится ли IPO в этом году

Генеральный директор OpenAI Альтман раскрыл, что до официального релиза GPT-5.6 компания провела углублённые консультации с представителями администрации Трампа и в процессе внесла «множество корректировок».

Альтман не уточнил, какие именно изменения были внесены OpenAI в ходе переговоров, но отметил, что правительство тестирует новую модель и проверяет потенциальные риски. В целом он положительно оценивает этот механизм, но с оговорками.

«Пока этот процесс понятен, справедлив и эффективен, я считаю, что это хорошо. Правительство, похоже, действительно разделяет эти цели. Я полагаю, что в следующий раз, с следующей моделью, процесс будет гораздо более гладким — мы уже поняли этот механизм и знаем, как лучше сотрудничать.»

Альтман также ответил на два ключевых вопроса, волнующих рынок в последнее время:

Касательно сообщений о том, что OpenAI якобы намерена предоставить правительству США 5% акций, Альтман чётко заявил, что в соответствующих репортажах содержится «много неточностей», но не стал вдаваться в подробности. Отвечая на вопрос об IPO, когда его спросили, планирует ли OpenAI провести размещение в этом году, Альтман лишь ответил: «Не знаю.»

Говоря о недавно выпущенном GPT-5.6, Альтман отметил, что эффективность токенов новейшей модели ИИ в программировании агентов повысилась на 54%. Он также добавил, что китайские модели с открытым исходным кодом становятся «очень хорошими».

Флагманская модель Sol устанавливает новый стандарт эффективности

GPT-5.6 Sol особенно выделяется улучшенными возможностями программирования. В тесте Coding Agent Index от Artificial Analysis модель Sol (с максимальными настройками инференса) набрала 80 баллов, установив новый рекорд и превзойдя Fable 5 на 2,8 балла, при этом количество выходных токенов составило менее половины от Fable 5, время выполнения сократилось более чем вдвое, а стоимость — примерно на одну треть.

В тесте на выполнение сложных команд в командной строке Terminal-Bench 2.1 Sol показала результат 88,8%; в тесте на длительные инженерные задачи в реальных кодовых базах DeepSWE v1.1 её результат достиг 72,7%, что также является одним из лучших в отрасли.

Корпоративные пользователи подтверждают эти показатели. Итамар Фридман, сооснователь и генеральный директор платформы для проверки кода Qodo, отметил, что GPT-5.6 превзошёл GPT-5.5 как во внутренних, так и во внешних бенчмарках, при этом количество токенов, необходимых для каждой проверки кода, сократилось примерно на две трети, а медианная задержка снизилась примерно на 50%.

Фабиан Хедин, сооснователь платформы разработки ИИ Lovable, отметил:

«После внедрения GPT-5.6 количество шагов, необходимых пользователям для выполнения задач, сократилось примерно на 25%, количество вызовов инструментов уменьшилось на 35%–48%, а частота неудач проектов снизилась на 15%.»

Мультиагентная архитектура открывает режим «ultra»

GPT-5.6 внедряет механизм иерархического планирования вычислений, позволяя пользователям гибко выбирать глубину инференса в зависимости от требований задачи.

Помимо стандартных высоких настроек инференса, OpenAI добавила два режима: «max» и «ultra»: max предоставляет модели больше времени для размышлений и коррекции решений; ultra по умолчанию координирует работу четырёх параллельных агентов, жертвуя более высоким потреблением токенов ради лучших результатов и более быстрой доставки.

В тесте BrowseComp Sol Ultra набрала рекордные 92,2%, а в OSWorld 2.0 — 62,6%, превзойдя Claude Opus 4.8, при этом последний использовал на 85% больше выходных токенов. В тесте SEC-Bench Pro (на генерацию доказательств уязвимостей для сложного ПО) Sol достигла 71,2% против 45,8% у GPT-5.5.

На уровне API OpenAI одновременно запустила функцию Programmatic Tool Calling, позволяющую GPT-5.6 писать и выполнять лёгкие программы в памяти, автономно координировать инструменты, обрабатывать промежуточные результаты и динамически корректировать рабочие процессы во время выполнения, тем самым сокращая количество обходных вызовов между моделью и инструментами, сохраняя при этом совместимость с политикой Zero Data Retention (ZDR).

Значительный скачок в области кибербезопасности и научных исследований

В области кибербезопасности GPT-5.6 Sol набрал 73,5% в бенчмарке ExploitBench, тогда как GPT-5.5 — только 47,9%; в ExploitGym его проходимость в течение шести часов увеличилась с 15,1% у GPT-5.5 до 33,7%.

OpenAI заявила, что модель также обладает более высокими оборонительными способностями, включая безопасную проверку кода, исправление уязвимостей, моделирование угроз и отработку «синей команды».

Для снижения рисков двойного назначения OpenAI через свою программу «OpenAI Daybreak Trusted Access for Cyber» предоставляет расширенные оборонительные функции проверенным личностям и организациям, а также вводит дополнительные ограничения доступа для объектов и регионов с высоким уровнем риска.

В области наук о жизни GPT-5.6 Sol набрал 28,7% в бенчмарке GeneBench Pro (длинные циклы геномики и количественной биологии), что значительно выше 12% у GPT-5.5; результат в LifeSciBench составил 59,9% против 50,4% у GPT-5.5.

OpenAI также сообщила, что результаты её тестирования показывают, что GPT-5.6 пока не способен создавать или синтезировать высокоопасные новые биологические угрозы от начала до конца.

Одновременное обновление механизмов безопасности, консервативная стратегия развёртывания сохраняется

С повышением возможностей модели OpenAI в этом выпуске одновременно усилила архитектуру безопасности. Защитные меры кибербезопасности GPT-5.6 Sol блокируют примерно в 10 раз больше потенциально вредоносных действий по сравнению с предыдущим поколением.

Ранее, до официального выпуска, OpenAI провела чёрно-ящичное автоматизированное red-teaming на примерно 700 тыс. A100e GPU-часов, а также совместно с внешними экспертами провела массовые оценки с использованием людей и автоматизации.

OpenAI заявила, что её система безопасности использует многоуровневую избыточность: встроенная защита модели в сочетании с проверками в реальном времени, непрерывным мониторингом и механизмами выполнения на уровне аккаунтов.

В отличие от чисто классификаторных решений по блокировке, GPT-5.6 внедряет «монитор рассуждений» (reasoning monitor), который анализирует потенциальный вред в контексте каждого диалога, позволяя границам безопасности динамически адаптироваться к сценариям использования и быстро закрывать уязвимости без переобучения классификатора.

Чтобы компенсировать негативное влияние чрезмерных блокировок на законное использование, в ChatGPT и Codex предусмотрена возможность одним щелчком переключиться на модель с более низкими возможностями для повторной попытки. OpenAI заявляет, что продолжит оптимизацию, чтобы поддерживать высокий уровень блокировки, одновременно снижая количество ложных срабатываний.

Внутреннее применение демонстрирует тенденцию самоускорения ИИ-исследований

Выпуск GPT-5.6 также раскрывает значительные изменения в собственной модели исследований OpenAI. По данным OpenAI, во время внутреннего тестирования GPT-5.6 среднее количество выходных токенов на одного активного исследователя в день более чем в два раза превышало исторический пик GPT-5.5.

За последние шесть месяцев объём вычислительных мощностей для программирования, используемых внутри OpenAI для исследований, вырос в 100 раз, а использование токенов внутренними агентами увеличилось примерно в 22 раза. Эта тенденция распространилась на отделы продаж, маркетинга, работы с пользователями и финансов.

В оценке способности к самоулучшению (RSI Index) GPT-5.6 Sol набрал 57,9 балла, опередив GPT-5.5 с 41,7 балла, что представляет собой улучшение на 16,2 процентного пункта.

OpenAI интерпретирует это как прямое доказательство того, что помощь ИИ в исследованиях ИИ ускоряется, и позиционирует это как одну из ключевых движущих сил для повышения эффективности последующих итераций моделей.