OpenAI выпустила GPT-5.6: флагман Sol и режим "ultra" с параллельными агентами

OpenAI объявила об общей доступности семейства моделей GPT-5.6 после периода ограниченного превью. В линейку входят три модели: флагманская Sol, сбалансированная для повседневной работы Terra и самая экономичная по стоимости Luna.

По утверждению компании, Sol показывает результаты уровня state-of-the-art в кодинге, работе со знаниями, кибербезопасности и науке, при этом расходует меньше токенов и обходится дешевле конкурирующих флагманских моделей. На тесте Agents' Last Exam (оценка долгих профессиональных workflow в 55 областях) Sol набрала 53,6 балла, на 13,1 балла больше, чем сравниваемая модель-конкурент в адаптивном режиме рассуждений; даже в среднем режиме рассуждений Sol обходит её на 11,4 балла примерно за четверть стоимости. Младшие модели Terra и Luna, по данным OpenAI, превосходят ту же модель-конкурент примерно за одну шестнадцатую цены. На индексе Artificial Analysis Intelligence Index Sol в режиме максимальных рассуждений почти сравнялась с конкурентом, но выполняет задачи на 61% быстрее и примерно за половину стоимости.

OpenAI называет Sol своей лучшей моделью для кодинга: на Artificial Analysis Coding Agent Index она набрала 80 баллов (новый рекорд, на 2,8 балла выше сравниваемой модели), используя менее половины выходных токенов, времени и примерно на треть меньше денег. Новые рекорды заявлены также на Terminal-Bench 2.1 и DeepSWE (сложные командно-строчные workflow и long-horizon инженерные задачи в реальных кодовых базах).

Появился новый механизм, Programmatic Tool Calling в Responses API: модель пишет и выполняет небольшие программы, которые сами координируют вызовы инструментов, обрабатывают промежуточные результаты и решают, что делать дальше, это снижает число токенов и обращений к модели. Для самых требовательных задач добавлены уровни рассуждений max (больше времени на обдумывание, чем у xhigh) и ultra, по умолчанию он координирует четыре агента параллельно (в тестах показаны конфигурации и с 16 агентами), обменивая больший расход токенов на более быстрый и качественный результат; аналогичный мультиагентный режим доступен разработчикам через бета-версию Responses API.

Модель заметно лучше работает с компьютерным интерфейсом (computer use): она не просто генерирует код или контент, но и сама проверяет и дорабатывает итоговый визуальный результат, интерфейсы, презентации, документы, таблицы, финансовые модели, следуя шаблонам и брендбукам (включая правила из Slide Master). В ChatGPT Work это же используется для превращения запросов на естественном языке в готовые интерактивные визуализации и работу с данными из Slack, Notion, Microsoft 365 и Google Drive.

В кибербезопасности GPT-5.6 названа самой сильной моделью OpenAI на сегодня: на ExploitBench2 (путь от уязвимого кода до эксплойта), 73,5% против 47,9% у предыдущей модели при сравнимом бюджете токенов; на ExploitGym3 показатель почти удвоился (с 15,1% до 24,9% за два часа, до 33,7% за шесть часов); на SEC-Bench Pro, 71,2% против 45,8%. Доступ к расширенным (offensive-грейд) возможностям кибербезопасности OpenAI даёт только через программу Trusted Access for Cyber для проверенных пользователей и организаций; при этом частным пользователям для сохранения доступа к самым "кибер-способным" моделям нужно до 1 сентября включить Advanced Account Security с аппаратными passkey (партнёр программы льготных цен на ключи, Yubico), иначе доступ понизится до стандартного. Отдельно компания заявляет об усилении ограничений для "высокорисковых" юрисдикций и субъектов.

В научной области Sol показывает, по данным OpenAI, паретианские улучшения над предыдущей моделью в биологии и химии. Внутри компании GPT-5.6 используется исследователями для диагностики сбоев, оптимизации обучающих систем и экспериментов: среднее количество токенов на одного исследователя в день более чем вдвое превысило пиковый уровень предыдущей модели, а доля вычислений, уходящих на внутренний inference для кода, за полгода выросла в 100 раз (агентное использование токенов, примерно в 22 раза).

OpenAI подчёркивает, что модель прошла самый масштабный цикл оценки безопасности за свою историю (человеческий red-teaming плюс автоматическое тестирование в сотрудничестве с внешними партнёрами) и что GPT-5.6 не пересекает "критический" порог риска ни в биологии, ни в кибербезопасности: в кибербезопасности модель лучше находит и чинит уязвимости, чем автономно доводит атаку до конца против защищённых целей; в биологии, поддерживает легитимные исследования, но не даёт полного цикла для создания опасной угрозы.

Ключевые факты

OpenAI вывела в общий доступ семейство GPT-5.6 (флагман Sol, средняя Terra, самая дешёвая Luna) после ограниченного превью
Sol на Agents' Last Exam набрала 53,6 балла, выигрыш 13,1 балла у сравниваемой модели-конкурента, при этом дешевле; на Coding Agent Index, новый рекорд 80 баллов при вдвое меньших токенах и времени
Новый режим ultra по умолчанию параллельно запускает 4 агента (тестировались конфигурации до 16), Programmatic Tool Calling в Responses API снижает число обращений к модели
В кибербезопасности резкий рост показателей (ExploitBench2 73,5% против 47,9%, ExploitGym3 почти удвоение), но расширенный доступ, только по программе Trusted Access for Cyber, а рядовым пользователям для сохранения доступа к самым мощным моделям нужно включить аппаратные passkey до 1 сентября
Компания заявляет, что модель прошла самую масштабную проверку безопасности и не пересекает критический порог риска в биологии и кибербезопасности

Почему это важно

Это не рядовое обновление, а заявка на новый порог соотношения качество/цена: OpenAI утверждает, что флагман Sol достигает или превосходит уровень главного конкурента при кратно меньшем расходе токенов и денег, а младшие модели (Terra, Luna) дают сопоставимый со старым флагманом результат в разы дешевле. Если цифры подтвердятся на практике, это меняет экономику массового использования ИИ-агентов, задачи, которые раньше были дорогими, становятся рутинными.

Кому это важно

В первую очередь, разработчикам, которые строят продукты поверх API (новый Responses API, Programmatic Tool Calling, мультиагентный beta-режим); корпоративным пользователям ChatGPT Work, работающим со Slack, Notion, Microsoft 365 и Google Drive; командам кибербезопасности (через программу Trusted Access for Cyber) и исследователям, которым важны улучшения в биологии, химии и научном ресёрче.

Как это применить

Модели доступны через ChatGPT Work и API, с уровнями рассуждений вплоть до max и ultra (параллельные агенты). Для доступа к самым мощным cyber-способностям частным пользователям нужно до 1 сентября включить Advanced Account Security с аппаратными passkey (у партнёра Yubico, льготные цены на ключи), иначе аккаунт автоматически откатится на стандартный уровень доступа. Организациям для доступа к защитным (blue team) возможностям нужно подавать заявку в программу Trusted Access for Cyber.

Можно ли доверять

Все цифры в материале, собственные бенчмарки OpenAI и партнёрского Artificial Analysis, без независимой верификации сторонними лабораториями; сравнения даны с конкретной моделью-конкурентом на конкретных тестах, что не гарантирует такого же превосходства на реальных рабочих задачах пользователей. Стоит воспринимать это как маркетинговый анонс производителя, а не как нейтральное сравнение.

Риски и подводные камни

Возможности в кибербезопасности и биологии по определению двойного назначения: те же навыки поиска и эксплуатации уязвимостей помогают и атакующим, и защитникам, а компания признаёт, что модель уже неплохо справляется именно с этапом эксплуатации, хоть и не доводит полностью автономную атаку до конца против защищённых целей. Обязательный переход на аппаратные passkey к 1 сентября рискует отрезать от продвинутых моделей пользователей без физических ключей. Заявленные ограничения для "высокорисковых юрисдикций" сформулированы расплывчато и оставляют простор для произвольного применения.