GPT-5.6 Sol стала флагманской моделью семейства GPT-5.6 и рассчитана на задачи, где требуется длительное рассуждение, работа с инструментами и проверка промежуточных результатов. Для обычных коротких запросов её возможности часто избыточны, а заметная польза раскрывается в программировании, аналитике, исследованиях, подготовке документов и многошаговой автоматизации.
GPT-5.6 Sol берёт на себя длинные рабочие цепочки
OpenAI представила GPT-5.6 Sol 9 июля 2026 года как старшую модель семейства, куда вошли также Terra и Luna. Sol ориентирована на сложную профессиональную работу: программирование, анализ документов, научные задачи, кибербезопасность, управление компьютером и создание визуальных материалов. В официальном анонсе GPT-5.6 компания описывает её как модель, способную дольше удерживать цель, использовать инструменты и доводить многоэтапную задачу до готового результата.
Обычная языковая модель может предложить фрагмент кода и объяснить идею. Sol рассчитана на более длинную цепочку: изучить структуру проекта, найти связанные файлы, внести изменения, запустить тесты, разобрать ошибки и повторить цикл. Такой сценарий близок к работе разработчика, который сначала исследует кодовую базу, затем проверяет каждое изменение.
Модель умеет писать небольшие программы для координации инструментов, обработки промежуточных данных и выбора следующего действия. Это помогает сократить количество отдельных обращений к модели в задачах, где раньше пользователю приходилось вручную передавать результаты каждого шага.
Режимы max и ultra меняют глубину обработки задачи
GPT-5.6 Sol поддерживает несколько уровней рассуждения. В ChatGPT модель используется в режимах Medium, High и Extra High. Чем выше уровень, тем больше вычислительного времени модель получает на анализ, проверку вариантов и исправление собственных ошибок.
Режим max предназначен для задач, где качество результата важнее скорости ответа. Модель может исследовать несколько подходов, запускать проверки и пересматривать решение. Такой режим полезен при поиске сложной ошибки в коде, анализе большой технической документации или подготовке финансовой модели с множеством зависимостей.
Режим ultra использует несколько агентов, которые работают параллельно над отдельными частями задачи. По данным OpenAI, стандартная конфигурация объединяет четыре агента. Один может анализировать исходные данные, второй — проверять факты, третий — строить решение, четвёртый — искать слабые места. Затем результаты сводятся в единый ответ.
Ultra расходует больше токенов и подходит для задач с высокой ценой ошибки. Использовать его для короткого письма, перевода абзаца или простого вопроса смысла нет. В таких случаях быстрые модели дают результат быстрее и обходятся дешевле.
Программирование стало главным сценарием для Sol
Самые заметные результаты GPT-5.6 Sol связаны с программированием и работой в терминале. На Terminal-Bench 2.1 модель набрала 88,8%, а версия с Ultra — 91,9%. Этот тест проверяет способность выполнять длинные командные сценарии, планировать действия, работать с файлами и исправлять ошибки после запуска команд.
На практике Sol может быть полезна в нескольких типичных задачах:
- исследование незнакомого репозитория;
- перенос проекта на новую версию языка или фреймворка;
- поиск причины падения тестов;
- настройка CI/CD;
- рефакторинг нескольких связанных модулей;
- подготовка миграций базы данных;
- анализ логов и конфигураций сервера.
Модель остаётся вероятностной системой. Она может предложить неверную команду, пропустить побочный эффект или изменить больше файлов, чем требовалось. Рабочий процесс должен включать Git, отдельную ветку, тесты и ручную проверку diff. Для команд, затрагивающих базу данных, сеть или права доступа, особенно полезна предварительная проверка в тестовой среде.
Большой контекст помогает работать с документами и кодовыми базами
GPT-5.6 Sol рассчитана на контекст до одного миллиона токенов в API. Такой объём позволяет передавать крупные наборы документов, длинные журналы событий, технические спецификации и значительные части кодовой базы.
Большой контекст полезен только при хорошей структуре исходных данных. Если загрузить тысячи страниц без пояснений, модель может уделить больше внимания второстепенным фрагментам. Лучший результат даёт понятная задача: какие документы считать главными, что сравнить, какие противоречия найти и в каком формате оформить вывод.
OpenAI сообщает высокие результаты Sol в тестах на поиск информации внутри длинного контекста. На OpenAI MRCR v2 с восемью скрытыми фрагментами в диапазоне 256–512 тысяч токенов модель получила 91,5%. При размере контекста от 512 тысяч до миллиона токенов результат снизился до 73,8%. Эти цифры показывают, что рост объёма входных данных всё ещё усложняет поиск нужных деталей.
Sol улучшает документы, таблицы и презентации
OpenAI отдельно выделяет качество готовых рабочих материалов. GPT-5.6 Sol умеет создавать редактируемые презентации, документы и электронные таблицы, сохраняя структуру исходного шаблона, иерархию заголовков, типографику и расположение элементов.
Это полезно в задачах, где недостаточно получить текстовый черновик. Например, модель может взять презентацию компании, определить повторяющиеся правила оформления и подготовить новые слайды в том же стиле. В таблицах она способна работать с формулами, финансовыми моделями и связанными листами.
Качество исходного файла сильно влияет на итог. Чёткий шаблон с едиными стилями даёт модели понятные правила. Документ с ручным форматированием, случайными шрифтами и разными отступами создаёт больше неоднозначности. Перед массовой генерацией стоит проверить один результат и зафиксировать требования к структуре.
Кибербезопасность получила усиленные возможности и ограничения
GPT-5.6 Sol показывает заметный рост в тестах по поиску уязвимостей, анализу эксплойтов и задачам формата Capture the Flag. На SEC-Bench Pro модель набрала 71,2%, а Ultra — 74,3%. На ExploitBench результат Sol составил 73,5%.
Рост возможностей сопровождается дополнительными защитными механизмами. OpenAI использует обученные ограничения, проверки ответа во время генерации, сигналы уровня аккаунта и мониторинг подозрительной активности. Некоторые запросы по биологии и кибербезопасности могут проходить дополнительную проверку или блокироваться.
Компания указывает, что модель не достигла уровня Cyber Critical по внутренней системе оценки готовности. Во время тестов с Chromium и Firefox она находила ошибки и элементы, пригодные для построения эксплойта, но не создавала полностью рабочую цепочку атаки автономно в заданных условиях. Это не исключает рисков при сочетании модели с внешними инструментами и дополнительными данными.
Для защитных задач Sol может помогать с аудитом кода, анализом конфигураций, разработкой исправлений и подготовкой тестов. Доступ к системам должен оставаться ограниченным, а действия модели — журналироваться.
Доступ к GPT-5.6 Sol зависит от продукта и тарифа
В ChatGPT модель постепенно появляется у пользователей платных тарифов. По данным справочного центра OpenAI, Plus включает режимы Medium и High. Тарифы Pro, Business и Enterprise дают доступ к Extra High, а Sol Pro доступна в планах, где предусмотрен режим Pro.
GPT-5.5 Instant остаётся моделью для быстрых повседневных ответов. ChatGPT может автоматически переключиться на GPT-5.6 Sol, если запрос требует более глубокого анализа. Пользователь может отключить автоматическое переключение и выбирать уровень рассуждения вручную.
Terra и Luna не отображаются как отдельные модели в обычных чатах. Они доступны в ChatGPT Work, Codex и OpenAI API. Terra занимает средний уровень по цене и возможностям, Luna рассчитана на быстрые массовые задачи с минимальной стоимостью.
Для работы через Codex нужны актуальные версии клиента: настольное приложение ChatGPT с режимом Codex версии 26.707.30751 или новее либо Codex CLI 0.144.0 и новее.
Бенчмарки служат ориентиром, а практические тесты демонстрируют реальную ценность
Результаты тестов помогают понять специализацию модели, но не гарантируют такое же качество в конкретном проекте. OpenAI прямо указывает, что оценки скорости и стоимости основаны на моделировании производственного поведения, а реальные показатели зависят от структуры запроса, числа вызовов инструментов и объёма выходных данных.
Перед внедрением Sol полезно собрать небольшой набор собственных задач. Для команды разработки это могут быть десять реальных багов, несколько задач на рефакторинг и один сценарий развёртывания. Для аналитиков — набор документов с известными выводами. Для редакции — несколько презентаций и таблиц, которые уже проходили ручную проверку.
Оценивать стоит не красоту ответа, а измеримые признаки:
- сколько задач модель завершила без вмешательства;
- сколько ошибок обнаружили на проверке;
- сколько времени заняла ручная доработка;
- сколько токенов и денег потребовал полный цикл;
- удалось ли повторить результат на похожей задаче.
Такой тест быстро покажет, где Sol экономит время, а где увеличивает расходы из-за долгого рассуждения и многократных вызовов инструментов.
GPT-5.6 Sol подходит для задач с высокой сложностью и ценой результата
Главная ценность GPT-5.6 Sol раскрывается в длинных рабочих процессах, где модель должна исследовать материалы, использовать инструменты, проверять промежуточные результаты и исправлять ошибки. Программирование, технический анализ, исследования, документы и автоматизация становятся естественными областями применения.
Для коротких запросов разумнее сохранять быстрый режим. Для сложной работы полезно начинать с Medium или High, подключать Extra High после неудачной попытки и оставлять Ultra для задач, где параллельная работа нескольких агентов оправдывает дополнительные расходы.
