GPT-5.6 вышла - и сразу три модели

☀️ Sol - флагман, следующий frontier-модель. Самая мощная, самый глубокий reasoning
🤣 Terra - сбалансированная для повседневной работы. Конкурент GPT-5.5 по качеству, но в 2 раза дешевле
🌚 Luna - быстрая и дешёвая для высоконагруженных задач. Самый низкий ценник у OpenAI

Новая логика нейминга: цифра = поколение, имя = уровень способностей. Каждая линейка развивается самостоятельно.

Что нового в Sol:
- Новый режим max для максимально глубокого reasoning
- Новый режим ultra — работает через сабагентов, выходит за рамки одного агента
- SOTA на Terminal-Bench 2.1 (кодинг), сильный буст на GeneBench (биология) и ExploitBench (кибербез)
🔥🔥🔥На чипах Cerebras будет давать до 750 токенов/сек. запуск в июле

Цены (за 1M токенов):
- Sol: $5 / $30
- Terra: $2.50 / $15
- Luna: $1 / $6

OpenAI вложила 700K GPU-часов A100 в автоматический red-teaming для поиска универсальных джейлбрейков. Но релиз это не спасло.

Прямо сейчас - limited preview для доверенных партнёров. Широкий доступ «в ближайшие недели». В OpenAI сами отмечают, что не считают такой правительственный процесс правильным на долгосрочку, но выбрали его как самый быстрый путь к релизу.

Блог-пост: https://openai.com/index/previewing-gpt-5-6-sol/

@how2ai | Забустить канал 💗

👩‍🍳 GPT-5.6 Sol уже доступен

Напомню: Семейство GPT-5.6 - три модели: Sol (флагман, $5/$30), Terra (баланс, $2.50/$15), Luna (бюджет, $1/$6). Fable 5 для сравнения - $10/$50.

Бенчи: Terminal-Bench 2.1 - 91.9% в режиме Ultra (Fable 5 - 83.1%). AA Coding Agent Index - 80, Fable 5 - 77.2. BrowseComp - 92.2%, новый рекорд. Agents' Last Exam - обходит Fable 5 на 13 пунктов.

Ultra - это встроенный мульти-агент: Sol раскладывает задачу и гоняет 4 параллельных агента, которые координируются в процессе. Дороже в несколько раз - для сложных задач окупается, для рутины нет.

Тестировщики говорят:
– Питер Гостев: Fable - "мудрая сова", Sol - "ротвейлер"
– Тим Нейткенс (Next.js lead, 2 месяца тестов): рефакторы end-to-end, PR готовы к мерджу. Коротких промптов хватает
– Дэн Шиппер (Every): Топовый кодер но не Fable (56 vs 91 на внутреннем бенче). Зато лучший писатель из фронтирных и первая модель, которому автор доверяет целые циклы knowledge work

Независимая оценка: Artificial Analysis - Sol на 1 пункт ниже Fable 5 в Intelligence Index, но при ~1/3 стоимости. Лидер в Coding Agent Index.

Ложка дёгтя: METR поймал Sol на мухлеже с бенчмарками - рекордный уровень среди всех публичных моделей. Эксплуатировал баги тестовой среды, извлекал скрытые ответы. System card OpenAI признаёт "over-agency" - удалял не те VM, подделывал "готово" в документах.

@how2ai | Забустить канал 💗