OpenAI představilo GPT-5.6 Sol, Terra a Luna: Co přináší tříúrovňová rodina modelů a proč ji vláda USA drží na krátkém vodítku

Výsledky benchmarků: kódování, biologie a kyberbezpečnost

OpenAI positioning model GPT-5.6 Sol jako novou hranici ve třech klíčových doménách .

Kódování – Terminal-Bench 2.1

Terminal-Bench 2.1 testuje práci v příkazovém řádku, která vyžaduje vícestupňové plánování, koordinaci nástrojů a iteraci . Benchmark obsahuje 89 komplexních programátorských úloh . Výsledky:

GPT-5.6 Sol Ultra stanovil nový absolutní rekord na 91,9 % . Běžný Sol s 88,8 % těsně překonává vyhrazený model Anthropicu, Claude Mythos 5, který dosáhl 88,0 % .

Biologie – GeneBench v1

Na GeneBench v1, benchmarku pro dlouhodobé genomické a kvantitativně-biologické analýzy, OpenAI uvádí, že Sol dosahuje lepších výsledků než GPT-5.5, a to při použití menšího počtu výstupních tokenů . To představuje výrazné zefektivnění pro vědecké výzkumné pracovní postupy.

Kyberbezpečnost – ExploitBench a ExploitGym

Na ExploitBench, benchmarku pro výzkum kybernetické bezpečnosti, se GPT-5.6 Sol téměř vyrovnal výkonu modelu Mythos Preview od Anthropicu, přičemž spotřeboval zhruba třetinu výstupních tokenů .

Na ExploitGym, benchmarku vytvořeném výzkumníky z UC Berkeley ve spolupráci s OpenAI a dalšími laboratořemi, všechny tři modely GPT-5.6 vykázaly zlepšené schopnosti v kybernetické bezpečnosti s rostoucí úrovní uvažování .

Důležité je, že OpenAI tvrdí, že GPT-5.6 Sol nepřekračuje kritickou hranici kybernetické bezpečnosti (Cyber Critical) podle svého rámce připravenosti (Preparedness Framework) . Při testování v prohlížečích Chromium a Firefox model identifikoval chyby a exploitační primitivy – stavební kameny zneužití – ale za testovaných podmínek nedokázal samostatně vytvořit plnohodnotný exploit . Celá řada GPT-5.6 byla interně hodnocena jako „High" riziko, nikoliv nejvyšší „Critical" .

Bezpečnostní stack: „Dosud nejrobustnější" od OpenAI

OpenAI uvádí, že GPT-5.6 Sol startuje s „dosud nejrobustnějším bezpečnostním stackem" . Bezpečnostní přístup zahrnuje:

• Posílenou ochranu v reálném čase proti vysoce rizikové kybernetické aktivitě a opakovanému zneužití .
• Nové aktivační klasifikátory pro citlivé oblasti, které mohou během generování zasáhnout a zastavit nebezpečné odpovědi .
• Lidské testování (red teaming) a přes 700 000 GPU hodin v přepočtu na A100 automatizovaného testování k odhalení technik útoku na model a jeho zpevnění .
• Vrstvený bezpečnostní systém kombinující trénink, monitorování v reálném čase, signály na úrovni účtu a odstupňovanou kontrolu přístupu .

Během náhledu může být zpracování některých dotazů zpomaleno nebo zablokováno k dodatečné kontrole, zatímco OpenAI dolaďuje poměr falešně pozitivních a falešně negativních výsledků .

Postupné zavádění a koordinace s vládou USA

Zavádění GPT-5.6 se liší od všech předchozích vydání OpenAI. Na žádost vlády USA OpenAI zpočátku omezuje přístup na malou skupinu důvěryhodných partnerů a organizací – server Axios uvedl, že náhled zahrnuje zhruba 20 schválených firem – zatímco model prochází dodatečnými kontrolami národní bezpečnosti .

Náhled není široký samoobslužný program. Během tohoto období jsou GPT-5.6 Sol, Terra a Luna k dispozici pouze přes API a Codex OpenAI této omezené skupině . Modely nejsou v náhledu k dispozici v ChatGPT . OpenAI plánuje širší dostupnost v ChatGPT, Codexu a API „v nadcházejících týdnech" .

OpenAI jasně prohlásila, že tento vládou řízený přístup považuje za dočasný: „Věříme v široký přístup a tento proces by se neměl stát dlouhodobým výchozím stavem." . V interním memoru generální ředitel Sam Altman sdělil zaměstnancům, že vláda bude „schvalovat přístup zákazník po zákazníkovi během tohoto náhledového období" a že širší vydání se očekává za několik týdnů .

Tento postup vzešel z jednání s Úřadem ředitele pro národní kybernetiku (Office of the National Cyber Director) a Úřadem pro vědeckou a technologickou politiku (Office of Science and Technology Policy) a odráží nový rámec pro modely na hranici možností, který testuje administrativa Donalda Trumpa .

API ceny

Oficiální centrum nápovědy OpenAI potvrzuje následující ceny za 1 milion tokenů :

Cena Solu odpovídá ceně GPT-5.5, zatímco Terra je zhruba 2× levnější než GPT-5.5 . Pro srovnání: Sol je cenově blíže modelu Claude Opus 4.8 (5/25 USD) než vyhrazenému Mythos 5 od Anthropicu (10/50 USD) .

Prompt caching

GPT-5.6 přináší předvídatelnější prompt caching s několika klíčovými změnami :

• Podpora explicitních bodů přerušení (breakpoints), což vývojářům umožňuje řídit, která část promptu je ukládána do mezipaměti .
• Minimální doba života cache 30 minut .
• Zápis do cache je účtován za 1,25× sazbu nekódovaného vstupu modelu .
• Čtení z cache nadále využívá 90% slevu na vstup z cache .

Nasazení na Cerebras

OpenAI také oznámila, že GPT-5.6 Sol bude v červenci nasazen na hardwaru Cerebras s rychlostí inference až 750 tokenů za sekundu .

Klíčové body

Rodina GPT-5.6 představuje výrazný odklon od předchozích vydání OpenAI. Třístupňové balení (Sol, Terra, Luna) zavádí trvalé značení, které odděluje sérii modelů od výkonnostních úrovní. Výsledky benchmarků – zejména Solovo nejmodernější skóre v kódování na Terminal-Bench 2.1 a jeho efektivita na ExploitBench – ukazují smysluplný pokrok, zejména v kybernetické bezpečnosti a biologii. Ale nejvýraznějším rysem tohoto uvedení jsou pravděpodobně vládou vyžadovaná omezení přístupu, která představují nové paradigma pro nasazování špičkových modelů umělé inteligence.