GPT-5.6 julkaistiin, mutta lähes kaikki joutuvat vielä odottamaan

Toisin sanoen GPT-5.6:n julkisuudessa esillä olevat saavutukset liittyvät ennen kaikkea tehtävien suorittamiseen ja päättelyyn – eivät nimettyyn uuteen matemaattiseen löytöön.

Benchmark-tulokset: kuinka hyvin Sol pärjää?

Terminal-Bench 2.1

Terminal-Bench 2.1 mittaa muun muassa suunnittelua, työkalujen käyttöä ja kykyä toimia itsenäisesti komentoriviympäristössä. Testi arvioi siis sitä, pystyykö malli viemään monivaiheisen tehtävän läpi terminaalissa eikä vain tuottamaan yksittäistä koodinpätkää ^Y.

Sol Ultran 91,9 prosentin tulos on noin neljä prosenttiyksikköä Anthropic-yhtiön parhaaksi raportoidun mallin edellä ja yli kahdeksan prosenttiyksikköä GPT-5.5:tä korkeampi ^BI.

Muita raportoituja tuloksia

• ExploitBench: GPT-5.6 Sol ylsi Mythos Preview -mallin tasolle käyttäen noin kolmasosan tämän tarvitsemista tulostokeneista ^AOO.
• GeneBench v1: Pitkäkestoista genomiikka- ja kvantitatiivisen biologian analyysiä mittaavassa testissä Sol saavutti GPT-5.5:tä parempia tuloksia pienemmällä tokenimäärällä ^AO.
• Agent’s Last Exam: Kooditilassa Sol sai noin 50,9 prosenttia. Se oli ensimmäinen malli, joka ylitti 50 prosentin rajan testin 55 eri osa-alueella ^O.
• PostTrainBench Lite: Sol ja Terra päihittivät GPT-5.5:n koulutusdatan kuratoinnissa ja mallien jatkokoulutukseen liittyvien kokeiden suorittamisessa ^A.
• OpenAI:n sisäinen tutkimusdebuggaus: Sol osoitti vahvaa suorituskykyä OpenAI:n tutkimuskokeista peräisin olevien oikeiden ohjelmistovirheiden etsimisessä ja korjaamisessa ^A.

OpenAI luokittelee kaikki kolme mallia kyberturvallisuuteen ja biologiaan liittyvän riskin osalta tasolle ”High” eli korkea. Yksikään niistä ei kuitenkaan ylitä yhtiön ”Critical”-kynnystä ^A.

GPT-5.6:n hinnat: Sol, Terra ja Luna

Hinnoittelu ilmoitetaan dollareina miljoonaa tokenia kohti. Syötteet ja mallin tuottama sisältö laskutetaan erikseen ^HOK.

Miten prompttien välimuisti vaikuttaa hintaan?

OpenAI tarjoaa GPT-5.6:lle myös prompttien välimuistia. Välimuistiin kirjoittaminen maksaa 1,25 kertaa mallin normaalin välimuistittoman syötehinnan, mutta välimuistista luettujen tokenien hinta on 90 prosenttia alhaisempi. Mallit tukevat erikseen määriteltäviä välimuistin rajapisteitä, ja välimuistin vähimmäissäilytysaika on 30 minuuttia ^H.

Miksi julkaisu rajattiin noin 20 organisaatiolle?

Keskeinen syy oli Yhdysvaltain hallinnon suora pyyntö. Trumpin hallinto pyysi OpenAI:ta rajoittamaan mallien saatavuutta ennen julkaisua kansalliseen turvallisuuteen liittyvien huolten vuoksi ^TAK. Raporttien mukaan Valkoisen talon viranomaiset hyväksyivät kumppanit yksitellen, ja kyse oli noin 20 organisaatiosta ^AI.

Taustalla oli arvio, että GPT-5.6:n kyberturvallisuus- ja biologiset kyvykkyydet ovat niin merkittäviä, että mallit on syytä tuoda ensin rajattuun esikatseluun. OpenAI on kuitenkin arvostellut tällaista hallinnollista portinvartijuutta ja todennut, että se estää parhaiden työkalujen pääsyn käyttäjille, kehittäjille, yrityksille, kyberturvallisuuden puolustajille ja kansainvälisille kumppaneille, jotka niitä tarvitsevat ^A.

Miten rajoitus toimii käytännössä?

• Kyse ei ole kaikille avoimesta itsepalveluohjelmasta.
• Mukaan pääsevät vain rajatut luotetut kumppanit ja organisaatiot, joilla on OpenAI:n asiakasvastaava ^H.
• Kumppaniorganisaatioiden nimet toimitettiin Yhdysvaltain hallinnolle ennen käyttöoikeuksien myöntämistä ^HT.
• GPT-5.6-mallit ovat esikatseluvaiheessa käytettävissä vain OpenAI API:n ja Codexin kautta, eivät ChatGPT:ssä ^H.

Milloin GPT-5.6 tulee kaikkien saataville?

OpenAI ei ole ilmoittanut tarkkaa yleisen saatavuuden päivää. Yhtiö sanoo aikovansa laajentaa saatavuutta mahdollisimman pian ^H. Sam Altman on arvioinut, että laajempi julkaisu voisi tapahtua ”viikkojen kuluessa” ^A.

OpenAI:n GPT-5.6-esikatselun järjestelmäkortissa todetaan, että Sol, Terra ja Luna on tarkoitus julkaista yleisesti tulevien viikkojen aikana ^D. Toistaiseksi kyse on kuitenkin edelleen rajatusta esiversiosta.

Yhteenveto

• GPT-5.6 on kolmen mallin perhe: vaativiin tehtäviin tarkoitettu Sol, tasapainoinen Terra ja edullinen Luna.
• Sol Ultra saavutti Terminal-Bench 2.1 -testissä 91,9 prosentin tuloksen, Sol tavallisessa tilassaan 88,8 prosenttia ^BI.
• Lähteissä ei raportoida GPT-5.6:n tekemää uutta matemaattista löytöä.
• Hinnat vaihtelevat Lunan 1/6 dollarista Solin 5/30 dollariin miljoonaa syöte- ja tulostokenia kohti.
• Käyttö on aluksi rajattu noin 20 Yhdysvaltain hallinnon hyväksymään organisaatioon, eikä yleisen saatavuuden tarkkaa päivää ole vielä kerrottu.