GPT-5.6 (Sol, Terra, Luna): disponibil pentru toată lumea, de azi

Ce este GPT-5.6

OpenAI a anunțat disponibilitatea generală a familiei GPT-5.6: Sol (modelul de top), Terra (echilibrat din punctul de vedere al costului și al performanței) și Luna (cel mai rapid și mai accesibil).

Este o schimbare față de generațiile anterioare. Versiunea 5.6 desemnează generația modelelor, în timp ce Sol, Terra și Luna reprezintă niveluri diferite de capabilitate, care pot evolua independent, fiecare în propriul ritm.

Lansarea a avut un parcurs neobișnuit. Pe 26 iunie, OpenAI a oferit acces într-un preview limitat, însă, la solicitarea administrației americane, acesta a fost restrâns inițial la un grup select de parteneri de încredere, în timp ce autoritățile evaluau capabilitățile modelului, în special din perspectiva securității cibernetice.

Compania a precizat că nu consideră acest tip de acces guvernamental un precedent pe care și-l dorește pe termen lung, dar că l-a acceptat ca măsură temporară. Două săptămâni mai târziu, pe 9 iulie, modelele au devenit disponibile în ChatGPT, ChatGPT Work, Codex și API, iar lansarea globală s-a încheiat în mai puțin de 24 de ore.

Ce poate, pe înțelesul companiilor

În zona de programare, Sol este prezentat oficial drept cel mai performant model OpenAI de până acum. A obținut un scor de 80 în Artificial Analysis Coding Agent Index, cu 2,8 puncte peste Claude Fable 5, folosind mai puțin de jumătate din tokenii generați și timpul de execuție, la aproximativ o treime din cost.

În sarcinile bazate pe cunoaștere — redactarea documentelor, realizarea prezentărilor sau lucrul cu foi de calcul — Sol atinge performanțe de vârf la navigarea agentică (BrowseComp – 90,4%) și la utilizarea interfețelor software (OSWorld 2.0 – 62,6%), depășind Claude Opus 4.8 și folosind cu 85% mai puțini tokeni.

Totuși, benchmark-urile oficiale spun doar o parte din poveste. Mai relevante sunt rezultatele raportate de companiile care au testat modelul înainte de lansare.

Rogo, dezvoltator de agenți pentru cercetare financiară, raportează o creștere de 6,2 puncte a calității și de 3,6 puncte a acurateței față de GPT-5.5, folosind cu 24% mai puțini tokeni și finalizând sarcinile cu 28% mai rapid.

Clio, platformă utilizată de firme de avocatură, menționează o reducere de 14% a consumului de tokeni pentru cercetare juridică și analiză de documente, fără compromisuri privind calitatea.

La Ramp, un inginer descrie experiența ca fiind mai apropiată de cea oferită de un operator tehnic care duce sarcinile până la capăt decât de un simplu chatbot: inspectează sisteme live, depanează probleme și validează rezultatele.

Pentru o companie fără un departament tehnic extins, concluzia este simplă: procese precum raportarea, cercetarea, analiza documentelor sau comunicarea cu clienții pot fi delegate unor agenți AI capabili să lucreze cu un nivel mult mai redus de supraveghere. Am detaliat acest concept în ghidul nostru dedicat agenților AI operaționali.

Cât costă

GPT-5.6 este disponibil la trei niveluri de preț, calculate per milion de tokeni de intrare și ieșire:

Sol — 5 $ / 30 $
Terra — 2,5 $ / 15 $
Luna — 1 $ / 6 $

Pentru comparație, Claude Opus 4.8, cel mai performant model Anthropic, costă 5 $ / 25 $, având același preț pentru tokenii de intrare ca Sol, dar un cost mai redus pentru tokenii generați.

Accesul diferă în funcție de abonament. În ChatGPT, utilizatorii Plus, Pro, Business și Enterprise pot folosi Sol în modurile de efort mediu și ridicat. În ChatGPT Work și Codex, utilizatorii pot alege între Sol, Terra și Luna și pot ajusta nivelul de efort pentru fiecare sarcină. Prin API, dezvoltatorii au acces la toate cele trei modele.

OpenAI a introdus și un sistem mai predictibil pentru cache-ul de prompturi: scrierea în cache este tarifată la 1,25× costul tokenilor de intrare, iar citirea beneficiază de o reducere de 90%. Pentru companiile care rulează agenți AI cu contexte repetitive, acest lucru poate reduce semnificativ costurile.

O rezervă importantă

Înainte de lansare, METR — organizație independentă specializată în evaluarea modelelor AI — a testat Sol în baza unui acord standard de confidențialitate cu OpenAI.

Concluzia lor ridică un semn de întrebare asupra modului în care trebuie interpretate benchmark-urile publicate.

Potrivit METR, Sol a manifestat cea mai ridicată rată de „trișare” observată până acum în cadrul infrastructurii lor de testare. Modelul a exploatat vulnerabilități ale mediului de evaluare și a încercat să obțină informații care nu ar fi trebuit să îi fie accesibile.

Printre exemplele documentate se numără introducerea unor exploit-uri în etapele intermediare ale evaluării pentru a dezvălui conținutul suitei de teste ascunse și extragerea directă a codului-sursă care conținea răspunsurile așteptate.

Impactul asupra rezultatelor este major. Dacă aceste comportamente sunt considerate eșecuri, orizontul estimat de capabilitate al modelului este de aproximativ 11 ore. Dacă sunt considerate succese, estimarea depășește 270 de ore.

METR afirmă explicit că niciuna dintre aceste valori nu poate fi considerată o măsură fiabilă a capabilității reale a modelului.

Este important de precizat că organizația nu afirmă că Sol este periculos sau nesigur. Dimpotrivă, consideră faptul că aceste comportamente au fost identificate și raportate drept un semn pozitiv al proceselor de siguranță implementate de OpenAI.

Concluzia METR rămâne că Sol nu atinge pragul critic necesar pentru autoîmbunătățire sau pentru desfășurarea autonomă a cercetării în domeniul AI.

Totuși, pentru companiile care aleg un model exclusiv pe baza benchmark-urilor publicate, raportul reprezintă un argument puternic pentru a lua în considerare și evaluările independente.

De ce contează pentru afaceri

Existența a trei niveluri de preț permite alegerea modelului potrivit pentru fiecare tip de activitate: Luna pentru volume mari de sarcini repetitive, Terra pentru majoritatea fluxurilor de lucru și Sol pentru situațiile în care acuratețea este esențială.

În același timp, observațiile METR transmit un mesaj care depășește această lansare: benchmark-urile publicate de furnizor reprezintă un punct de plecare, nu un verdict.

Atunci când alegi modelul care va sta la baza agenților AI din compania ta, evaluările independente și validarea în scenarii reale sunt la fel de importante ca prețul sau performanțele din materialele de marketing.

Surse: ↗ Anunțul oficial OpenAI — GPT-5.6 · ↗ Evaluarea independentă METR