GPT-5.6: передовой интеллект, который растёт вместе с вашими амбициями

OpenAI объявила о выходе семейства GPT-5.6 в полный доступ после ограниченного превью. В семейство входят три модели: флагманская Sol, сбалансированная для повседневной работы Terra и самая экономичная по стоимости Luna. По заявлению компании, Sol задаёт новый стандарт одновременно по интеллекту и по эффективности: она показывает лучшие в отрасли результаты в кодинге, работе со знаниями, кибербезопасности и науке, обгоняя как более старые модели OpenAI, так и модели конкурентов, при этом расходуя меньше токенов и обходясь дешевле. OpenAI описывает это как рост результата в пересчёте на потраченный доллар: та же работа за те же деньги получается более успешной, либо сравнимый результат обходится дешевле. Отдельно компания представляет новый режим ultra, самый мощный из доступных: он координирует несколько ИИ-агентов, работающих параллельно, чтобы быстрее справляться со сложными задачами. Более сильные навыки работы с компьютером (computer use) и дизайнерский вкус, по словам OpenAI, делают Sol самым отточенным помощником компании на сегодня, она умеет не только выполнять работу, но и проверять и дорабатывать результат перед сдачей.

На тесте Agents' Last Exam (оценка долгих профессиональных рабочих процессов в 55 областях) Sol набрала рекордные 53,6 балла, на 13,1 балла больше модели Claude Fable 5 (адаптивное рассуждение). Даже в режиме среднего уровня рассуждений Sol обгоняет Fable 5 на 11,4 балла, расходуя примерно в четыре раза меньше денег. Эта эффективность распространяется и на младшие модели семейства: Terra и Luna обгоняют Fable 5, но обходятся примерно в 16 раз дешевле. На индексе Artificial Analysis Intelligence Index (комплексная оценка агентной работы, кодинга, научного рассуждения и общих способностей) Sol в режиме максимального рассуждения набирает результат в пределах одного балла от Fable 5, но выполняет задачи на 61% быстрее и примерно за половину стоимости.

Sol называют лучшей моделью OpenAI для программирования на сегодняшний день. На Artificial Analysis Coding Agent Index модель с максимальным рассуждением показывает новый рекорд, 80 баллов, на 2,8 балла выше Fable 5, при этом расходуя меньше половины выходных токенов, тратя меньше половины времени и обходясь примерно на треть дешевле. Terra в этом тесте показывает результат чуть выше Fable 5, а Luna обгоняет модель Opus 4.8, причём обе модели делают это примерно за треть времени, с почти вдвое меньшим числом токенов и примерно в четыре раза дешевле. Новые рекорды поставлены и на тестах Terminal-Bench 2.1 и DeepSWE, которые проверяют работу с командной строкой и долгосрочную инженерную работу в реальных кодовых базах.

GPT-5.6 умеет писать и выполнять небольшие программы, которые сами координируют вызовы инструментов, обрабатывают промежуточные результаты, следят за прогрессом и выбирают следующее действие по ходу работы. Эта функция, Programmatic Tool Calling в Responses API, позволяет решать задачи с интенсивным использованием инструментов быстрее: с меньшим числом токенов, меньшим числом обращений к модели и меньшим количеством ручных инструкций; она умеет отфильтровывать большой объём промежуточных данных, оставляя только значимое. Для задач, которые оправдывают дополнительные затраты времени и вычислений, доступен режим max, он даёт модели больше времени на рассуждение, проверку и пересмотр подхода, чем режим xhigh. Режим ultra идёт ещё дальше: по умолчанию он координирует четыре агента параллельно, жертвуя объёмом токенов ради более сильных и быстрых результатов на сложных задачах. По данным OpenAI, на тестах BrowseComp, SEC-Bench Pro и Terminal-Bench 2.1 добавление параллельных агентов (для BrowseComp и SEC-Bench Pro тестировали и конфигурацию с 16 агентами) стабильно сдвигает соотношение «результат-время» в лучшую сторону, модель показывает более высокий результат за меньшее время. Разработчики могут собирать похожие на ultra конфигурации самостоятельно через бета-версию мультиагентного режима в Responses API.

Модель заметно лучше проявляет дизайнерский вкус: получив только общее указание, GPT-5.6 создаёт стильные, удобные и функциональные интерфейсы. Благодаря более сильным навыкам работы с компьютером (computer use) модель не просто генерирует код или контент, а осматривает и дорабатывает уже отрисованный результат, то есть замечает визуальные и функциональные недочёты и вносит финальные правки перед тем, как отдать работу пользователю. Эти же способности позволяют превращать запросы на естественном языке в готовые интерактивные объяснения и визуализации внутри ChatGPT Work.

Модель лучше решает практические рабочие задачи: превращает разрозненный контекст из документов и повседневных инструментов, Slack, Notion, Microsoft 365, Google Drive, в готовые материалы экспертного уровня. Рост заметен на тестах, которые проверяют долгий профессиональный анализ, работу с браузером, инструментами и компьютером: Sol устанавливает новые рекорды на BrowseComp (92,2%) и OSWorld 2.0 (62,6%), причём на OSWorld она обгоняет модель Opus 4.8, используя на 85% меньше выходных токенов. Выигрыш по соотношению «качество-цена» касается всего семейства: Luna почти достигает пикового качества GPT-5.5 меньше чем за половину стоимости, а Terra превосходит GPT-5.5 при более низкой цене.

Sol повышает качество презентаций, документов и таблиц, они становятся более выверенными и точными. Модель умеет создавать полностью редактируемые презентации с нуля, превращая запрос и исходные материалы в связный визуальный рассказ с продуманной вёрсткой, иерархией и оформлением. Особенно заметен прогресс при работе по шаблону или референсной презентации: GPT-5.6 умеет считывать «дизайн-систему» колоды, вёрстку, типографику, отступы, цвета, повторяющиеся элементы, включая правила, встроенные в Slide Master (шаблон слайдов), и последовательно применять эти правила к новому материалу. В примере компании, где нужно было обновить цифры по референсному файлу, GPT-5.5 упустила ключевые элементы мастер-слайда, а GPT-5.6 точнее следует структуре референса. Модель также создаёт более аккуратные документы и таблицы: точнее воспроизводит сложные референсные форматы, точнее работает с формулами и финансовыми моделями, лучше выстраивает типографику, отступы, иерархию и вёрстку страницы или листа. По словам OpenAI, ранние клиенты, тестировавшие GPT-5.6, отмечали улучшение результатов офисной работы в разных областях.

GPT-5.6 называют самой сильной моделью OpenAI в области кибербезопасности, при этом она достигает топ-уровня результатов, расходуя значительно меньше токенов. На тесте ExploitBench2 (прогресс от обнаружения уязвимого кода до выполнения произвольного кода) модель набирает 73,5% против 47,9% у GPT-5.5 при сопоставимом бюджете выходных токенов. На ExploitGym3 (превращение реальных уязвимостей в рабочие эксплойты) модель почти вдвое повышает пиковый показатель GPT-5.5, с 15,1% до 24,9% в пределах двухчасового лимита, а за шесть часов достигает 33,7%. На SEC-Bench Pro (создание proof-of-concept, рабочих демонстрационных эксплойтов, для сложного ПО) результат, 71,2% против 45,8% у GPT-5.5, с лучшей задержкой ответа.

Модель поддерживает защитные задачи: анализ безопасности кода, патчинг, моделирование угроз, работу «синих команд». Проверенные пользователи и организации в программе OpenAI Daybreak «Trusted Access for Cyber» (доверенный доступ для кибербезопасности) получают более широкий доступ к защитным возможностям модели, с более точными ограничениями для проверенной работы в разрешённых средах: триаж и подтверждение уязвимостей, анализ вредоносного ПО, разработка правил обнаружения, проверка патчей. Физические лица могут подтвердить личность и запросить доверенный доступ, организации, подать заявку для своих команд. Чтобы сохранить доступ к самым мощным в части кибербезопасности моделям, участникам-физлицам нужно до 1 сентября включить усиленную защиту аккаунта (Advanced Account Security) с аппаратными ключами доступа (passkeys); те, кто этого не сделает, вернутся к доступу по умолчанию. Пользователям без аппаратных ключей OpenAI предлагает льготные цены через партнёра, компанию Yubico. Отдельно компания усиливает ограничения доступа для организаций и юрисдикций высокого риска.

Sol также показывает общий прогресс в научных приложениях. На тестах по науке о жизни модель демонстрирует Парето-улучшение относительно GPT-5.5, то есть превосходит её, не уступая ни по одному параметру, в задачах по реальной биологии, исследовательских рабочих процессах в науке о жизни и химии.

По словам OpenAI, GPT-5.6, самая сильная на сегодня модель для ускорения собственных ИИ-исследований компании. Внутри OpenAI её используют на всех этапах разработки: для диагностики сбоев, оптимизации систем обучения, проведения экспериментов и интерпретации результатов. За период внутреннего тестирования GPT-5.6 среднее число выходных токенов на одного активного исследователя в день более чем вдвое превысило максимальный уровень, зафиксированный для GPT-5.5. За последние шесть месяцев доля вычислительных ресурсов для исследований, направленная на внутренний инференс кода, выросла в 100 раз, а использование агентных токенов внутри компании, примерно в 22 раза. Сама OpenAI отмечает, что эти метрики использования не измеряют напрямую прогресс исследований, но показывают, насколько быстро ИИ-помощь распространяется в исследовательской работе и в других командах, продажах, маркетинге, поддержке пользователей, финансах и других. Для прямого измерения этой способности компания разработала собственный набор оценок на основе реальных задач ИИ-исследований: отладка исследовательских систем, оптимизация ядер и рецептов обучения, проведение экспериментов по машинному обучению, улучшение другой модели.

По мере роста возможностей моделей OpenAI усиливает систему безопасности, чтобы продвинутый интеллект оставался широко полезным, но к самым рискованным сценариям применения предъявлялись более строгие требования. Для GPT-5.6 компания построила самую надёжную на сегодня систему безопасности, откалиброванную под возможности каждой модели и работающую на большем, чем раньше, объёме вычислений. Модели GPT-5.6 превосходят по возможностям более ранние модели OpenAI и в биологии, и в кибербезопасности, но ни в одной из этих категорий не пересекают критический порог (Critical). В части кибербезопасности тестирование показывает, что GPT-5.6 лучше находит и устраняет уязвимости, чем надёжно проводит автономные атаки «под ключ» против защищённых целей, это даёт защите время укрепить системы до того, как уязвимости будут использованы. В части биологии тестирование показывает, что модель может поддерживать легитимные исследования, но не даёт полной цепочки возможностей, нужной для создания, конструирования или синтеза особо опасной новой угрозы.

Обе области компания считает принципиально двойного назначения. В кибербезопасности одни и те же возможности, которые помогают атакующему эксплуатировать уязвимость, помогают и защите её найти, воспроизвести и надёжно закрыть. Поэтому чрезмерные блокировки создают собственный риск для безопасности: они могут помешать защитникам тестировать системы и выпускать патчи, пока злоумышленники продолжают пользоваться другими моделями, включая всё более способные модели с открытым кодом, и уже существующими инструментами. По заявлению OpenAI, эффективная защита учитывает контекст и вероятные последствия запроса: она сохраняет возможность легитимной защитной работы, но применяет более жёсткие ограничения там, где есть основания подозревать серьёзный риск вреда. Механизмы защиты выстроены слоями, для большей точности и избыточности, и рассчитаны на быструю адаптацию по мере появления новых атак.

Ключевые факты

OpenAI перевела семейство GPT-5.6 в полный доступ: флагманская Sol, сбалансированная Terra и экономичная Luna, на смену ограниченному превью.
Sol устанавливает новые рекорды: 53,6 балла на Agents' Last Exam (на 13,1 балла выше Claude Fable 5) и 80 баллов на Artificial Analysis Coding Agent Index (на 2,8 балла выше Fable 5), расходуя заметно меньше токенов и денег.
Новый режим ultra по умолчанию координирует четыре ИИ-агента параллельно (для части тестов проверена и 16-агентная схема); разработчикам аналогичные схемы доступны через бета-версию мультиагентного режима в Responses API.
В кибербезопасности GPT-5.6 почти вдвое обгоняет GPT-5.5 на тестах ExploitBench2, ExploitGym3 и SEC-Bench Pro; с 1 сентября доступ к самым мощным в этой части моделям потребует аппаратных ключей доступа (passkeys) через программу Advanced Account Security.
По собственным данным OpenAI, GPT-5.6 превосходит прежние модели в биологии и кибербезопасности, но не пересекает критический порог риска ни в одной из категорий, компания подчёркивает двойное назначение обеих возможностей и риск чрезмерных блокировок.

Почему это важно

OpenAI одновременно подняла планку по нескольким направлениям: интеллект, эффективность (меньше токенов и ниже стоимость), кодинг, кибербезопасность и агентная работа. Компания впервые в этом анонсе системно сравнивает Sol с конкурирующими моделями (Claude Fable 5, Opus 4.8) на конкретных тестах и заявляет превосходство почти везде, либо по абсолютному качеству, либо по соотношению «качество-цена». Отдельно важен режим ultra: параллельная работа нескольких ИИ-агентов над одной задачей становится штатной функцией, а не экспериментом, и похожую схему разработчики могут собрать сами через мультиагентный режим в API.

Кому это важно

Разработчикам, которые строят агентов и интеграции поверх Responses API, включая Programmatic Tool Calling и мультиагентный режим. Офисным пользователям ChatGPT Work, которые готовят презентации, документы и таблицы по шаблонам и референсам. Исследователям и инженерам по безопасности, которым доступна программа OpenAI Daybreak «Trusted Access for Cyber» с расширенными защитными возможностями модели. Самой OpenAI, компания говорит, что использует GPT-5.6 для ускорения собственных ИИ-исследований, а также командам продаж, маркетинга, поддержки и финансов, которые всё активнее применяют модель внутри компании.

Как это применить

Модель выбирается по задаче и бюджету: Sol, для максимального качества, Terra, для повседневных задач, Luna, для дешёвых массовых сценариев. Уровень рассуждений можно повышать от стандартного до xhigh, max и ultra, в зависимости от того, насколько задача оправдывает дополнительное время и стоимость. Для тяжёлых задач, завязанных на инструменты, стоит использовать Programmatic Tool Calling в Responses API, чтобы не прогонять каждый шаг вручную через модель. Для презентаций и документов по шаблону эффективно давать модели референсный файл, она считывает дизайн-систему (вёрстку, типографику, Slide Master) и переносит её на новый материал. Тем, кому нужен расширенный доступ к защитным сценариям в кибербезопасности, стоит заранее подать заявку в программу Trusted Access for Cyber и до 1 сентября включить аппаратные ключи доступа через Advanced Account Security, иначе доступ к самым мощным моделям в этой части сузится до стандартного.

Можно ли доверять

Все цифры в анонсе, собственные тесты и оценки OpenAI, а сравнения выбраны самой компанией: конкретно с Claude Fable 5 и Opus 4.8, а не со всем рынком. Это самопрезентация вендора, а не независимый аудит. При этом OpenAI подробно описывает процедуру проверки перед запуском: расширенный период оценки с ручным red teaming (командой, которая намеренно ищет уязвимости) и масштабным автоматическим тестированием, а также работу с внешними экспертными организациями и доверенными партнёрами во время превью. Утверждение, что модель не пересекает критический порог риска в биологии и кибербезопасности, тоже основано на внутреннем тестировании OpenAI по собственной методике компании; независимой внешней проверки именно этих выводов анонс не приводит.

Риски и подводные камни

Возможности в кибербезопасности и биологии, которые делают модель полезной для защиты, по признанию самой OpenAI, устроены двояко: то же умение находить и чинить уязвимости годится и для атаки. Компания говорит, что чрезмерные блокировки, тоже риск: они мешают защитникам тестировать свои системы и выпускать патчи, пока злоумышленники продолжают пользоваться другими моделями, включая всё более способные модели с открытым кодом. Требование включить аппаратные ключи доступа до 1 сентября, чтобы сохранить топ-доступ к самым мощным в кибербезопасности моделям, дополнительный барьер входа и потенциальный рычаг ограничения доступа; отдельно компания говорит об ограничениях для организаций и юрисдикций высокого риска, не раскрывая критерии этой оценки. Наконец, все заявленные проценты и баллы, результаты тестов, которые выбрала и посчитала сама OpenAI, без упоминания независимой проверки.

«Модели GPT-5.6 превосходят по возможностям наши более ранние модели и в биологии, и в кибербезопасности, но ни в одной из этих категорий не пересекают критический порог.»

— OpenAI, анонс GPT-5.6