OpenAI представила GPT-5.6: три модели, рекордные бенчмарки и беспрецедентный контроль со стороны властей США

Производительность в бенчмарках: кодинг, биология и кибербезопасность

OpenAI позиционирует GPT-5.6 Sol как новый рубеж в трех ключевых областях: кодинг, биология и кибербезопасность .

Кодинг — Terminal-Bench 2.1

Terminal-Bench 2.1 тестирует рабочие процессы в командной строке, требующие многоэтапного планирования, координации инструментов и итераций . Бенчмарк включает 89 сложных задач по программированию . Результаты:

GPT-5.6 Sol Ultra установил новый рекорд (state of the art) — 91,9% . Стандартный результат Sol — 88,8% — обходит ограниченную флагманскую модель Anthropic Claude Mythos 5 (88,0%) почти на целый пункт .

Биология — GeneBench v1

На GeneBench v1 — бенчмарке, оценивающем задачи долгосрочного геномного анализа и количественной биологии, — OpenAI сообщает, что Sol достигла более высоких результатов, чем GPT-5.5, используя при этом меньше выходных токенов . Это означает значительное повышение эффективности для научно-исследовательских рабочих процессов.

Кибербезопасность — ExploitBench и ExploitGym

На ExploitBench — бенчмарке для исследований в области кибербезопасности — GPT-5.6 Sol почти сравнялась с производительностью Anthropic Mythos Preview, используя примерно треть выходных токенов .

На ExploitGym — бенчмарке, созданном исследователями Калифорнийского университета в Беркли в сотрудничестве с OpenAI и другими передовыми лабораториями ИИ, — все три модели GPT-5.6 показали улучшенные возможности в области кибербезопасности по мере увеличения уровня рассуждений .

Важно отметить, что OpenAI заявляет, что GPT-5.6 Sol не пересекает критический порог Cyber Critical в соответствии со своей системой оценки готовности (Preparedness Framework) . В ходе оценки с участием Chromium и Firefox модель выявляла ошибки и примитивы эксплуатации — строительные блоки эксплойта, — но не смогла автономно создать полноценный функциональный эксплойт в протестированных условиях . Все три модели семейства GPT-5.6 были внутренне оценены как имеющие «высокий» риск (в отношении кибербезопасности и биооружия), но не самый высокий «критический» уровень .

Стек безопасности: «самый надежный» от OpenAI

OpenAI заявляет, что GPT-5.6 Sol запускается с «самым надежным стеком безопасности на сегодняшний день» . Подход к безопасности включает:

• Усиленную защиту в реальном времени от высокорисковой киберактивности и повторного неправомерного использования .
• Новые активационные классификаторы для чувствительных областей, которые могут вмешиваться, чтобы остановить небезопасные ответы во время генерации .
• Человеческое красно-командное тестирование (red-teaming) и более 700 000 GPU-часов (в эквиваленте A100) автоматизированного тестирования для выявления методов джейлбрейка и укрепления системы .
• Многоуровневую систему безопасности, сочетающую обучение, мониторинг в реальном времени, сигналы на уровне учетных записей и трехуровневый контроль доступа .

В ходе предварительного просмотра некоторые запросы могут быть замедлены или заблокированы для дополнительной проверки, пока OpenAI настраивает частоту ложных срабатываний и пропусков .

Поэтапный запуск и координация с правительством США

Развертывание GPT-5.6 не похоже ни на один предыдущий релиз OpenAI. По запросу правительства США OpenAI изначально ограничивает доступ небольшой группой доверенных партнеров и организаций — по данным Axios, в предварительный просмотр включено около 20 одобренных компаний, — пока модель проходит дополнительные проверки национальной безопасности .

Предварительный просмотр не является широкой программой самообслуживания. В этот период GPT-5.6 Sol, Terra и Luna доступны только через OpenAI API и Codex для этой ограниченной группы . Модели недоступны в ChatGPT во время предварительного просмотра . OpenAI планирует сделать их широко доступными в ChatGPT, Codex и API «в ближайшие недели» .

OpenAI четко заявила, что рассматривает подход с контролем со стороны правительства как временную меру: «Мы верим в широкий доступ, и этот процесс не должен стать долгосрочным стандартом» . Во внутренней служебной записке генеральный директор Сэм Альтман сообщил сотрудникам, что правительство будет «одобрять доступ для каждого клиента в течение этого предварительного периода», а более широкий релиз ожидается через пару недель .

Это стало результатом переговоров с Управлением национального директора по кибербезопасности и Управлением научно-технической политики , отражая новую систему регулирования передовых моделей, тестируемую администрацией Трампа .

Цены API

Официальный центр помощи OpenAI подтверждает следующие цены за 1 миллион токенов :

Цена Sol соответствует цене GPT-5.5, а Terra примерно в 2 раза дешевле GPT-5.5 . Для контекста: Sol стоит ближе к Claude Opus 4.8 ($5/$25), чем к ограниченной модели Mythos 5 от Anthropic ($10/$50) .

Обновления кэширования промптов

GPT-5.6 вводит более предсказуемое кэширование промптов с несколькими ключевыми изменениями :

• Поддержка явных точек разрыва кэша, позволяющих разработчикам контролировать, какая часть промпта кэшируется .
• Минимальное время жизни кэша — 30 минут .
• Запись в кэш тарифицируется по ставке 1,25x от некэшированной цены ввода модели .
• Чтение из кэша по-прежнему получает 90% скидку от кэшированной цены ввода .

Развертывание на Cerebras

OpenAI также объявила, что GPT-5.6 Sol будет развернута на оборудовании Cerebras в июле со скоростью вывода до 750 токенов в секунду .

Ключевые выводы

Семейство GPT-5.6 знаменует собой значительный отход от предыдущих запусков OpenAI. Трехуровневая упаковка (Sol, Terra, Luna) вводит долгосрочный брендинг, который отделяет серию моделей от уровней возможностей. Результаты бенчмарков — особенно рекордный показатель Sol в кодинге на Terminal-Bench 2.1 и повышение эффективности на ExploitBench — демонстрируют значительные достижения, особенно в кибербезопасности и биологии. Но самой определяющей особенностью этого запуска могут стать ограничения доступа, введенные правительством, которые представляют собой новую парадигму развертывания передовых моделей ИИ.