OpenAI GPT-5.6 सोल, टेरा और लूना: बेंचमार्क स्कोर, कीमत, और सरकारी पाबंदी की पूरी कहानी

बेंचमार्क स्कोर: GPT-5.6 का प्रदर्शन कैसा है?

टर्मिनल-बेंच 2.1

यह बेंचमार्क योजना बनाने, टूल उपयोग और कमांड-लाइन एजेंटिक क्षमता का परीक्षण करता है — यह टर्मिनल वातावरण में स्वायत्त रूप से काम करने की मॉडल की क्षमता की एक 'बेहद कठिन परीक्षा' है ^Y। रिपोर्ट किए गए स्कोर:

सोल अल्ट्रा का 91.9% एक महत्वपूर्ण उछाल है — यह एंथ्रोपिक के सबसे अच्छे मॉडल से लगभग 4 प्रतिशत अंक और GPT-5.5 से 8 से अधिक अंक आगे है ^BI।

अन्य रिपोर्ट किए गए बेंचमार्क

• एक्सप्लॉइटबेंच: GPT-5.6 सोल, एंथ्रोपिक के मिथोस प्रीव्यू से केवल ~1/3 आउटपुट टोकन का उपयोग करके मेल खाता है, जो एक बड़ी दक्षता लाभ है ^AOO।
• जीनबेंच v1 (दीर्घकालिक जीनोमिक्स विश्लेषण): GPT-5.6 सोल, GPT-5.5 से बेहतर परिणाम प्राप्त करता है, जबकि कम टोकन का उपयोग करता है ^AO।
• एजेंट्स लास्ट एग्जाम (कोड मोड): GPT-5.6 सोल ने ~50.9% स्कोर किया, जो 55 डोमेन में 50% से अधिक स्कोर करने वाला पहला मॉडल है ^O।
• पोस्टट्रेनबेंच लाइट: GPT-5.6 सोल और टेरा, ट्रेनिंग डेटा को क्यूरेट करने और पोस्ट-ट्रेनिंग प्रयोगों को निष्पादित करने में GPT-5.5 से बेहतर प्रदर्शन करते हैं ^A।
• आंतरिक अनुसंधान डिबगिंग मूल्यांकन: GPT-5.6 सोल, OpenAI के आंतरिक अनुसंधान प्रयोगों से वास्तविक बग्स को डीबग करने में मजबूत प्रदर्शन दिखाता है ^A।

क्षमता जोखिम रेटिंग

OpenAI तीनों GPT-5.6 मॉडलों को साइबर सुरक्षा और जैविक जोखिम दोनों में 'उच्च' रेट करता है, लेकिन कोई भी 'गंभीर' सीमा को पार नहीं करता ^A।

मूल्य निर्धारण: GPT-5.6 की कीमत कितनी है?

कीमत प्रति 1 मिलियन टोकन, इनपुट और आउटपुट दोनों के लिए है ^HOK:

प्रॉम्प्ट कैशिंग

OpenAI ने GPT-5.6 के लिए प्रॉम्प्ट कैशिंग भी शुरू की है। कैश राइट पर मॉडल की अनकैश्ड इनपुट दर से 1.25x शुल्क लगता है, जबकि कैश रीड पर कैश्ड-इनपुट टोकन पर 90% की छूट मिलती है। GPT-5.6 स्पष्ट कैश ब्रेकपॉइंट और 30 मिनट का न्यूनतम कैश जीवन समर्थन करता है ^H।

लॉन्च को केवल ~20 संगठनों तक सीमित क्यों रखा गया?

प्राथमिक कारण: प्रत्यक्ष अमेरिकी सरकार का हस्तक्षेप। ट्रंप प्रशासन ने राष्ट्रीय सुरक्षा चिंताओं का हवाला देते हुए, OpenAI से रिलीज़ से पहले पहुंच प्रतिबंधित करने का स्पष्ट अनुरोध किया ^TAK। व्हाइट हाउस के अधिकारियों ने एक-एक करके लगभग 20 अनुमोदित भागीदार संगठनों को मंजूरी दी ^AI।

व्यापक संदर्भ

प्रशासन ने GPT-5.6 को 'मिथोस-जैसी' क्षमता वाला माना — यह एंथ्रोपिक के क्लॉड मिथोस को संदर्भित करता है, जिसके पूर्ववर्ती (क्लॉड फेबल 5) को 12 जून 2026 को वाणिज्य विभाग द्वारा निर्यात नियंत्रण नियमों के तहत दुनिया भर में जबरन निलंबित कर दिया गया था ^A। GPT-5.6 प्रतिबंध उसी नीति ढांचे से उपजा है।

OpenAI ने सार्वजनिक रूप से कहा कि इस तरह का सरकारी नियंत्रण 'सर्वोत्तम उपकरणों को उपयोगकर्ताओं, डेवलपर्स, उद्यमों, साइबर रक्षकों और वैश्विक भागीदारों से दूर रखता है जिन्हें उनकी आवश्यकता है' ^A।

प्रतिबंध का तंत्र

• प्रीव्यू एक सेल्फ-सर्विस प्रोग्राम नहीं है। भागीदारी OpenAI खाता प्रतिनिधि वाले भरोसेमंद भागीदारों के एक छोटे समूह तक सीमित है ^H।
• कोई भी एक्सेस देने से पहले भागीदारों के नाम अमेरिकी सरकार के साथ साझा किए गए ^HT।
• मॉडल केवल OpenAI API और कोडेक्स के माध्यम से उपलब्ध हैं, ChatGPT में नहीं ^H।

व्यापक उपलब्धता कब होगी?

OpenAI का कहना है कि वह 'जल्द से जल्द उपलब्धता का विस्तार करने की योजना बना रहा है' लेकिन उसने कोई सामान्य उपलब्धता तिथि घोषित नहीं की है ^H। सैम ऑल्टमैन ने कहा है कि उन्हें 'हफ्तों के भीतर' व्यापक पहुंच की उम्मीद है ^A। कंपनी के सिस्टम कार्ड में लिखा है: 'हम व्यापक पहुंच में विश्वास करते हैं, और हम आने वाले हफ्तों में GPT-5.6 सोल, टेरा और लूना को आम तौर पर उपलब्ध कराने की योजना बना रहे हैं' ^D।

अभी के लिए, OpenAI द्वारा अब तक जारी किया गया सबसे शक्तिशाली AI मॉडल केवल उन लोगों के लिए उपलब्ध है जिन्हें वाशिंगटन ने मंजूरी दी है।

मुख्य बातें

• GPT-5.6 सोल अल्ट्रा टर्मिनल-बेंच 2.1 में 91.9% के साथ शीर्ष पर है, जो क्लॉड मिथोस 5 और GPT-5.5 से बेहतर प्रदर्शन करता है।
• GPT-5.6 के लिए कोई नई गणितीय खोज रिपोर्ट नहीं की गई है।
• मूल्य निर्धारण $1/$6 (लूना) से $5/$30 (सोल) प्रति मिलियन टोकन तक है।
• एक्सेस केवल ~20 अमेरिकी सरकार-अनुमोदित संगठनों तक सीमित है, 'आने वाले हफ्तों में' व्यापक उपलब्धता की उम्मीद है।
• तीनों मॉडलों को साइबर सुरक्षा और जैविक क्षमताओं में 'उच्च' जोखिम रेट किया गया है, लेकिन 'गंभीर' नहीं।