Новости Сегодня 18:17

OpenAI выпустила конкурента Myphos — нейросеть GPT-5.6 Sol

OpenAI объявила о начале ограниченного превью линейки GPT-5.6. В нее вошли флагманская модель Sol, сбалансированная для повседневных задач Terra и самая доступная в семействе Luna. По данным компании, Terra показывает производительность, сопоставимую с GPT-5.5, при вдвое меньшей стоимости, а Luna предлагает базовые возможности линейки по минимальной цене.

OpenAI называет GPT-5.6 Sol своей самой мощной моделью на сегодня и отдельно выделяет ее возможности в программировании, биологии и кибербезопасности. В задачах для разработчиков модель показала лучший результат на Terminal-Bench 2.1, где проверяются работа с командной строкой, планирование и использование инструментов.

В биологии GPT-5.6 Sol также обошла GPT-5.5 на GeneBench v1. Этот бенчмарк оценивает долгие задачи в геномике и количественной биологии, а новая модель справилась с ними при меньшем расходе токенов.

Отдельный акцент в релизе сделан на кибербезопасности. OpenAI утверждает, что GPT-5.6 Sol лучше справляется с длительными задачами, связанными с поиском уязвимостей и анализом эксплойтов. На ExploitBench модель показала результат, сопоставимый с Mythos Preview, но использовала примерно в три раза меньше выходных токенов.

При этом OpenAI подчеркивает, что GPT-5.6 Sol не пересекла порог «критической» киберугрозы по внутренней шкале Preparedness Framework. В тестах на Chromium и Firefox модель находила уязвимости и отдельные элементы эксплойтов, но в условиях проверки не смогла самостоятельно собрать полноценную работающую цепочку атаки.

Поскольку эти оценки проводит и интерпретирует сама OpenAI, а независимая проверка всех результатов пока не раскрыта, к заявленным показателям стоит относиться с осторожностью.

Для противодействия возможным злоупотреблениям OpenAI внедрила многоуровневую систему защиты:

модель обучили отказываться от помощи в запрещенных киберзадачах;
внедриликлассификаторы, приостанавливающие генерацию при подозрении на нарушение;
добавили анализ на уровне аккаунтов для выявления системных паттернов злоупотреблений.

По данным OpenAI, на проверку защитных механизмов компания направила более 700 тыс. GPU-часов в пересчете на Nvidia A100. Эти мощности использовали для автоматизированного red teaming — поиска способов обойти ограничения модели в разных сценариях. Дополнительно OpenAI привлекла сторонних экспертов для ручного тестирования.