For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the complete content index is available at https://we0.ai/llms.txt, the full English article bundle is available at https://we0.ai/llms-full.txt, and this page is available as Markdown at https://we0.ai/ru/articles/gpt-56-chatgpt-work-agent-control-plane.md.
GPT-5.6 предоставляет командам более четкое меню возможностей, стоимости, объема рассуждений и многозадачного выполнения. ChatGPT Work расши...
Релиз GPT-5.6 в июле 2026 года можно легко воспринять как очередной запуск модели. Sol — флагманский маршрут, Terra — сбалансированный вариант, а Luna — более быстрый и дешёвый уровень. Официальный релиз включает обширные оценки по кодингу, профессиональной работе, науке, использованию компьютера и безопасности.
Такая интерпретация точна, но неполна.
Более полезный способ понять GPT-5.6 — операционный. OpenAI раскрыл несколько решений, которые разработчикам агентов ранее приходилось скрывать внутри пользовательского оркестрационного кода: сколько ресурсов выделять на рассуждение, когда использовать параллельных агентов, как координировать инструменты без возврата каждого промежуточного результата модели и как сопоставлять возможности модели с ценностью и риском задачи.
В то же время ChatGPT Work переносит модель долгосрочных задач, связанную с Codex, в более широкое рабочее пространство, включающее документы, таблицы, слайды, веб-сайты, подключённые приложения, действия в браузере, использование компьютера и запланированные работы.
Эти возможности создают большую инженерную ответственность. Предоставление более сильной модели большего количества инструментов автоматически не создаёт надёжного цифрового работника. Это создаёт систему, способную работать дольше, в более широких границах данных и вносить более значимые изменения.
Производственный дизайн должен ответить на несколько вопросов до начала работы:
Это руководство представляет подход плоскости управления для команд, строящих на GPT-5.6, ChatGPT Work, Codex или пользовательских агентах. Оно отделяет возможности модели от операционных полномочий и предоставляет конкретные сценарии, правила маршрутизации, руководство по оценке и шаблон повторно используемой политики.
GPT-5.6 предоставляет три уровня возможностей в ChatGPT, Codex и API:
OpenAI описывает эти названия как устойчивые уровни возможностей, а не временные имена моделей с датами. Это различие полезно для производственных систем.
Такая политика, как «использовать сбалансированный уровень для рутинного обслуживания репозитория», может пережить будущее изменение снимка. Когда важна воспроизводимость, команда может зафиксировать точный снимок отдельно. Это чище, чем разбрасывать идентификаторы моделей по подсказкам, скриптам, очередям задач и переменным окружения.
GPT-5.6 также добавляет более явные элементы управления вычислениями.
max дает одному маршруту модели больше времени на рассуждение, исследование альтернатив, выполнение проверок и доработку своей работы. ultra координирует несколько агентов в параллельных потоках работы.
Это разные элементы управления:
Задача может выиграть от одного, обоих или ни одного из них. Параллельное выполнение не обязательно лучше, особенно когда подзадачи основаны на одном и том же неопределенном предположении или требуют одних и тех же ограниченных учетных данных.
OpenAI описывает программный вызов инструментов как способ для модели писать и выполнять легковесные программы, которые координируют инструменты, обрабатывают промежуточные результаты и решают, какая информация должна быть возвращена модели.
Это может сократить повторную передачу контекста. Вместо того чтобы возвращать модели каждую строку базы данных, ответ браузера или результат работы инструмента, программа в памяти может сначала отфильтровать и агрегировать данные.
Эта эффективность сопряжена с операционным компромиссом. Большая часть логики перемещается в уровень выполнения, что означает, что командам нужны четкие трассировки, ограничения и правила обработки данных для этих промежуточных шагов.
Релиз GPT-5.6 также представляет бета-версию нескольких агентов в Responses API. Таким образом, параллельное выполнение становится возможностью на уровне API, а не только шаблоном оркестрации на стороне приложения.
На момент запуска официальные цены следующие:
| Маршрут | Цена за 1 млн токенов (вход) | Цена за 1 млн токенов (выход) |
|---|---|---|
| GPT-5.6 Sol | 5,00 $ | 30,00 $ |
| GPT-5.6 Terra | 2,50 $ | 15,00 $ |
| GPT-5.6 Luna | 1,00 $ | 6,00 $ |
Эти цены являются входными данными для решения о маршрутизации, а не самим решением.
Более дешевая модель может стоить дороже за принятый результат, если она многократно повторяет попытки, читает ненужный контекст или создает работу, которую рецензенты отклоняют. Более сильная модель может быть дешевле на практике, если она выполняет задачу один раз с небольшим проверенным изменением.
Правильная метрика — это не просто стоимость за токен. Это стоимость за принятый результат.
ChatGPT Work представлен как агент, который может работать в различных приложениях и с файлами, продолжать работу часами, разбивать цели на более мелкие шаги и создавать готовые артефакты.
OpenAI заявляет, что технология Codex встроена в продукт, но цель шире, чем разработка программного обеспечения. Примеры рабочих процессов включают:
Важное изменение — это единица делегирования.
Обычный оборот чата запрашивает ответ. Задача Work запрашивает результат.
Этот результат может потребовать от системы:
появляется информация.
3. Создайте несколько артефактов.
4. Дождитесь одобрения человека.
5. Продолжите выполнение через запланированную задачу в отсутствие пользователя.
6. Используйте подключенные приложения, встроенный браузер или рабочий стол компьютера.
OpenAI также консолидирует продуктовые поверхности. Chat, Work и Codex доступны в обновленном интерфейсе рабочего стола, а функциональность браузера переходит в более широкую среду продукта.
Это создает единую границу разрешений, охватывающую локальные файлы, веб-страницы, подключенные сервисы, действия браузера и долгосрочные задачи.
Поэтому средства контроля предприятия так же важны, как и интерфейс. Административное управление коннекторами, функции соответствия требованиям и механизмы проверки указывают на одну и ту же проблему: агент должен действовать с правильной идентификацией, минимально необходимым контекстом, видимыми эффектами и путем восстановления.
Даже когда команда создает собственного API-агента, а не использует напрямую ChatGPT Work, Work является полезной эталонной операционной моделью. Она выявляет проблемы, возникающие, когда помощник становится постоянным работником:
Модель сопоставляет входной контекст с выходными данными и решениями по инструментам. Она имеет возможности, ограничения, цену, задержку и поведение безопасности.
Sol, Terra и Luna – это уровни моделей. Сама модель не определяет организационные полномочия.
Обвязка агента – это программное обеспечение, окружающее модель. Она выбирает контекст, предоставляет инструменты, выполняет команды, сохраняет состояние, повторяет неудачные попытки и решает, когда завершить выполнение.
Изменение обвязки может существенно изменить стоимость и надежность, даже если модель и задача остаются прежними. Обвязка, которая многократно отправляет большие контекстные окна, может стоить намного дороже, чем та, которая фильтрует промежуточные результаты.
По этой причине «производительность модели» неполна без указания обвязки.
Агент объединяет:
Агент может выполнять несколько шагов и реагировать на результаты инструментов. Долгосрочный агент может создавать подзадачи или под-агентов, но параллельные работники не автоматически формируют безопасную мультиагентную систему. Они по-прежнему разделяют бюджеты, разрешения и окончательное решение о принятии.
Плоскость управления – это слой политик и операций, который управляет выполнением агента.
Она:
Плоскость выполнения выполняет задачу. Разделение двух плоскостей позволяет команде менять модели без изменения того, кому разрешено развертывать производственный код или отправлять внешние сообщения.
Шлюз одобрения – это точка принятия решения, которую агент не может пройти без уполномоченного лица или детерминированной политики.
Одобрения должны быть привязаны к конкретному действию и его доказательствам.
Полезный запрос на одобрение выглядит так:
Одобрить отправку этого окончательного электронного письма этим 412 получателям с использованием приложенного списка получателей и утвержденного содержимого.
Слабый запрос на одобрение выглядит так:
Одобрить маркетинговую задачу.
Приемочный тест – это доказательство того, что
запрошенный результат завершен.
Это может быть:
Модель, говорящая «готово», — это заявление о статусе, а не приемочный тест.
Полезная производственная панель управления имеет восемь обязанностей.
Классификация должна охватывать:
«Обновить черновик FAQ» и «изменить политику аутентификации» могут включать редактирование текста, но относятся к разным маршрутам.
Самый дешевый подходящий маршрут — разумное значение по умолчанию, но соответствие требованиям должно предшествовать цене.
Примеры:
Агент должен получать краткосрочные учетные данные для точных репозиториев, папок, приложений или записей, требуемых задачей.
Он не должен наследовать полный сеанс браузера разработчика просто потому, что это удобно.
Исполнительная идентификация должна быть видна в журналах, чтобы команда могла атрибутировать каждое внешнее действие.
Это отдельные возможности:
Коннектор, который может искать в почтовом ящике, не должен автоматически иметь возможность отправлять электронные письма. Интеграция с GitHub, которая может проверять репозиторий, не должна автоматически иметь возможность объединять запросы на включение изменений.
Шлюз утверждения должен появляться непосредственно перед значимым действием и показывать краткий предварительный просмотр эффекта и подтверждений.
Для программного обеспечения подтверждения могут включать:
Для финансов они могут включать:
Трассировка должна включать:
Краткое резюме полезно для операций, но его недостаточно для расследования инцидентов.
Полезные ограничения включают:
Остановка слабого или зацикленного выполнения — это не отказ автономии. Это успешное применение политики.
Восстановление может включать:
Если система не может объяснить восстановление до выполнения, задача не готова к работе без присмотра.
Маршрутизация модели должна быть достаточно явной для чтения инженерами, продакт-менеджерами и специалистами по безопасности.
Следующая таблица является
отправная точка, а не универсальный рейтинг.
| Маршрут | Подходящая форма задачи | Требуемые доказательства | Типичный уровень доступа |
|---|---|---|---|
| Luna | Классификация, извлечение, форматирование, малозначимые сводки, узкий поиск кода | Проверка схемы, выборочная проверка, ссылки на источник | Только чтение или только черновик |
| Terra | Обычные изменения в репозитории, создание документации, известные рабочие процессы, умеренный анализ | Целевые тесты, проверка артефактов, выборочная проверка человеком | Ограниченная запись, без необратимых внешних действий |
| Sol | Неоднозначная диагностика, кросс-системный анализ, архитектурная работа, проверка безопасности, ценные исследования | Широкие детерминированные проверки, обоснование, видимое для проверяющего, происхождение источника | Ограниченная запись с явными разрешениями |
Sol max | Сложные последовательные рассуждения, где дополнительные исследования и доработки могут улучшить качество | Контрольные точки, лимит затрат, итоговая верификация | Тот же уровень доступа, что и Sol |
Sol ultra | Ценные, параллелизуемые задачи с независимыми рабочими потоками | Доказательства по каждому потоку, проверка синтеза, общий бюджетный лимит | Отдельные ограниченные удостоверения, где это возможно |
Последний столбец является самым важным.
Возможности модели не должны расширять уровень доступа.
Переход с Luna на Sol не должен незаметно добавлять права на запись. Повышение вычислительных затрат не должно превращать черновик в одобренное внешнее сообщение. Ультра (Ultra) не должен создавать несколько рабочих процессов, которые все имеют неограниченные производственные учетные данные.
Маршрут Luna может быть эскалирован, когда:
Задача по кодированию Terra может быть эскалирована, когда:
Маршрут Sol должен остановиться и запросить человека, когда требования конфликтуют или единственным оставшимся действием является необратимое действие.
Как только Sol создает план, Terra или Luna могут выполнять повторяющиеся подзадачи под узким контролем.
Сильная модель может проверить образец, а не обрабатывать каждый элемент. Это разделяет суждение и объем и может существенно снизить затраты.
Система разрешений должна начинаться с глаголов.
читать
искать
создать_черновик
изменить
отправить
слить
развернуть
удалить
купить
предоставить_доступ
Эти глаголы имеют разные последствия.
Многие интеграции продуктов помещают несколько действий в одну широкую область OAuth. Плоскость управления, следовательно, может потребовать прокси на стороне приложения, которое предоставляет более узкие операции.
«Читать Google Диск» слишком широк для многих рабочих процессов.
Более узкое правило может быть:
Читать папку планирования Q3 и одобренную папку шаблонов бренда до 18:00 UTC.
Для репозиториев доступ может быть ограничен одним рабочим деревом с отключенным сетевым доступом. Для баз данных реплика только для чтения или управляемое представление обычно безопаснее, чем производственные учетные данные.
Примеры:
смена источника данных требует прав администратора.
Агент, создающий изменение, не должен быть единственным судьей его корректности.
Полезные доказательства могут поступать из:
Вторая модель не заменяет подотчетного человека, но может выявить разногласия до того, как действие станет внешним.
Защитные меры провайдера — лишь один уровень. Они не могут знать, авторизован ли пользователь для тестирования конкретного репозитория, одобрил ли клиент изменение или открыто окно производственного обслуживания.
Авторизация приложения остается ответственностью разработчика.
Команда просит ChatGPT Work или пользовательского агента проверить:
Требуемый артефакт — отчет о готовности с указанием ответственных и блокирующих факторов.
Агент может прочитать все четыре источника и создать отчет. Но он не может редактировать статус задач или уведомлять ответственных без одобрения.
В отчете упоминается задача, которая уже решена, поскольку агент использовал кэшированный документ.
Управляющий уровень должен требовать прямые ссылки на источники и временные метки.
Агент объявляет релиз готовым, потому что каждая строка чек-листа содержит текст.
Приемочный тест вместо этого должен требовать, чтобы каждая блокирующая зависимость имела проверенного ответственного, дату и актуальный статус.
Задача — обновить библиотеку в монорепозитории.
Terra начинает работу, так как миграция документирована, а набор тестов надежен. Он создает ветку, редактирует файл блокировки и затронутые пакеты, запускает целевые проверки.
Ошибка компиляции выявляет недокументированное изменение API в модуле аутентификации. Это инициирует эскалацию к Sol.
Модель меняется, но полномочия — нет.
Sol получает то же рабочее дерево и никаких токенов для развертывания. Если diff затрагивает логику авторизации, политика добавляет шлюз проверки безопасности.
Завершение требует:
Патч, который работает, но пропускает эти проверки, не принимается.
Каждое утро агент читает новые заявки в поддержку, группирует темы и обновляет описание продукта.
Опишите идею одной фразой, и We0 AI создаст сайт-витрину, страницы и CMS, а после запуска поможет привлечь клиентов и трафик.
Одна полная генерация проекта для бесплатной регистрации
Лучше всего попробовать один полный поток генерации и быстро увидеть первый черновик проекта.
Luna может классифицировать заявки после удаления конфиденциальных полей. Terra может подготовить описание со ссылками на источники.
Ни один маршрут не может:
Новая инструкция гласит, что агент должен «также обрабатывать очевидные ответы».
Это превращает внутренний аналитический процесс во внешнюю коммуникацию.
Классификатор задач должен обнаружить новый глагол send и потребовать отдельную политику, одобренный шаблон, план выборки и ответственного человека.
Компания оценивает три варианта архитектуры.
Sol ultra назначает отдельные потоки работы для:
Параллельное выполнение оправдано, так как поток
независимое, и решение ценно. Каждый работник получает исходные требования и фиксированный бюджет.
Все работники ссылаются на один и тот же вендорский бенчмарк и, похоже, согласны друг с другом.
Шлюз синтеза должен измерять разнообразие источников, отмечать общие неподтверждённые предположения и требовать как минимум один контраргумент для каждого варианта.
Большее количество агентов может столь же легко усилить ошибочную предпосылку, как и улучшить охват.
Публичные бенчмарки полезны, но не должны напрямую определять производственные настройки по умолчанию.
Аудит OpenAI бенчмарка SWE-Bench Pro показал, что значительная доля публичных задач имеет такие проблемы, как:
Это не означает, что каждый публичный бенчмарк бесполезен.
Это означает, что оценка наследует погрешность измерения своего датасета и обвязки.
Публичные оценки полезны для:
Они не могут ответить на вопрос, внесёт ли модель безопасные изменения в конкретный монорепозиторий, бизнес-процесс или среду данных.
Плоскость управления должна хранить происхождение бенчмарка при каждом решении о маршрутизации:
Без этих деталей оценка бенчмарка превращается в маркетинговый лозунг.
Databricks приводит полезный пример оценки кодовой базы, насчитывающей миллионы строк.
Команда создала задачи на основе реальных, написанных людьми пул-реквестов на:
Она отобрала недавние и репрезентативные изменения со значимыми тестами, переписала описания задач, сохранив суть без раскрытия решения, и вручную проверила каждый образец.
Команда также обнаружила утечку в своей начальной настройке. Агенты могли восстановить будущие коммиты из Git-истории. В ходе выполнения оценки рабочее дерево было изолировано от истории репозитория.
Эта деталь важнее, чем итоговый рейтинг. Она показывает, как бенчмарк может случайно измерять способность находить обходные пути, а не инженерное мастерство.
Команда может начать с 30–60 задач.
Используйте принятые исторические изменения, которые имеют:
Включите в них сочетание:
Сохраните состояние репозитория до изменения и скройте итоговый патч.
Используйте детерминированные тесты до того, как привлекать человека или модель для оценки.
Затем добавьте человеческую проверку для:
Не позволяйте LLM-судье заменять все проверки корректности. Модель-судья может поощрить ответ, который звучит правильно.
Записывайте:
Затронутые файлы
Лучший путь — это тот, который приводит к принятой работе в рамках ограничений команды, а не тот, у которого самый высокий публичный рейтинг.
Следующий YAML — это артефакт политики, а не схема API. Адаптируйте его к вашему поставщику удостоверений, очереди заданий, коннекторам, механизмам управления репозиторием и системе аудита.
policy_version: 1
workflow: release_readiness
owner: product-operations
classification:
impact: medium
reversibility: high
data_sensitivity: internal
ambiguity: medium
verification: strong
routing:
default:
model_tier: terra
reasoning_effort: medium
escalate_to_sol_when:
- conflicting_sources
- unresolved_blocker_after_2_attempts
- security_boundary_detected
ultra:
allowed: false
budget:
max_wall_minutes: 45
max_tool_calls: 120
max_retries_per_step: 2
max_estimated_usd: 12
access:
jira:
verbs: [read]
projects: [NX]
github:
verbs: [read]
repositories: [We0 AI/product]
drive:
verbs: [read, create_draft]
folders: [launch-plans]
external_send: deny
deploy: deny
grant_access: deny
approvals:
- action: publish_report
role: product-director
evidence:
- source_links_present
- blockers_have_owner_and_date
- unresolved_conflicts_listed
acceptance:
required_checks:
- schema_valid
- all_sources_fresh_within_24h
- no_unattributed_claims
- human_approval_recorded
recovery:
on_budget_exceeded: stop_and_notify
on_tool_error_repeat: stop_and_attach_trace
on_policy_violation: revoke_credentials_and_open_incident
Этот шаблон содержит несколько осознанных решений:
Для рабочих процессов с кодом замените проверки отчета на:
Для рабочих процессов с таблицами требуется:
Структура уровня управления остается стабильной, меняются только доказательства.
Долго работающие агенты создают новую проблему наблюдаемости.
Традиционный журнал запросов может показывать один API-вызов. Трассировка агента может содержать сотни решений, вызовов инструментов, повторных попыток и промежуточных артефактов.
Командам нужно и то, и другое:
Полезный журнал включает:
Это позволяет отвечать на такие вопросы, как:
Многомерные бюджеты
Только денежное ограничение может позволить дешёвой модели зацикливаться слишком долго.
Только временное ограничение может допустить всплеск дорогостоящей параллельной работы.
Полезные измерения бюджета включают:
Восстановление следует тестировать как любую другую функцию.
Полезные тесты включают:
При разборе инцидентов следует различать:
Обвинение «ИИ» скрывает компонент, который можно улучшить.
Начните с одного рабочего процесса, который является частым, измеримым и обратимым.
Хорошие кандидаты включают:
Избегайте первого развёртывания для:
Измерьте:
Без базового уровня более быстрый вывод агента может просто переместить больше работы в исправление.
Позвольте агенту создавать артефакт, пока человек независимо выполняет реальный рабочий процесс.
Сравните результаты и пометьте режимы сбоев. Используйте эти запуски для создания частной оценки перед увеличением разрешений.
Перед переходом от доступа только к черновикам к доступу с ограниченной записью, подтвердите:
Расширяйте только одно измерение за раз.
Команда может добавить новый источник данных, сохраняя доступ только к черновикам, или добавить ограниченный доступ на запись, сохраняя ту же модель и задачу.
Одновременное изменение модели, инструментов, разрешений и расписания затрудняет выявление регрессий.
GPT-5.6 и ChatGPT Work являются доказательством того, что инфраструктура агентов становится самостоятельной категорией продуктов.
Уровень модели будет продолжать меняться. Долговечной работой является плоскость управления, которая делает
эти изменения модели безопасны.
Создайте небольшой реестр для Sol, Terra, Luna и любых кандидатов, не связанных с OpenAI.
Сохраните:
Добавьте приватную очередь оценки, чтобы новая модель не могла стать производственным стандартом только на основе впечатлений в социальных сетях.
Разместите прокси-сервер авторизации между агентами и важными инструментами.
Предоставьте:
Соблюдайте те же границы, независимо от того, начинается ли задача в ChatGPT Work, Codex, пользовательском приложении или запланированном фоновом задании.
Команда, которая может объяснить, как проверяется задача, может безопасно автоматизировать её поэтапно.
Команда, которая не может определить проверку, не готова позволить агенту работать часами, независимо от его контрольного показателя.
Отслеживайте доллары и человеко-минуты за:
Это приводит в соответствие маршрутизацию модели, эффективность обвязки и рабочую нагрузку рецензента.
Это также даёт команде обоснованный ответ, когда появится следующая флагманская модель.
Несколько утверждений в релизных материалах остаются отчётами от вендора.
Межпровайдерные сравнения контрольных показателей используют разные:
Относитесь к этим утверждениям как к гипотезам для внутреннего тестирования.
Программный вызов инструментов и многопользовательское выполнение могут уменьшить накладные расходы на контекст, но также могут сделать промежуточную логику менее заметной при слабом трейсинге.
Перед использованием этих функций в регулируемых рабочих процессах убедитесь:
Подключённые приложения и возможности использования компьютера в ChatGPT Work увеличивают полезность, расширяя при этом границы полномочий. Доступность, административные элементы управления и разрешения коннектора могут различаться в зависимости от плана и развёртывания.
Анонс продукта не заменяет проверку безопасности, специфичную для рабочего пространства.
Существует также проблема человеко-машинного взаимодействия. Когда агенты работают часами, пользователи могут утверждать работу, которую они не наблюдали внимательно. Улучшенные резюме помогают, но качество утверждения зависит от демонстрации предлагаемого эффекта, неопределённости и неудачных проверок в момент принятия решения.
Дизайн продукта должен защищать человеческое внимание, а не просто запрашивать клик.
Таким образом, самая сильная модель не является окончательной архитектурой.
Производственное качество проистекает из взаимосвязи между:
Именно эту взаимосвязь делает явной панель управления агентом.
GPT-5.6 — это семейство моделей OpenAI от июля 2026 года, разделённое на уровни возможностей Sol, Terra и Luna. Sol — это маршрут с наивысшими возможностями, Terra балансирует между возможностями и стоимостью, а Luna отдаёт приоритет скорости и доступности.
ChatGPT Work — это агентское рабочее пространство для длительных задач, работающих с файлами, приложениями, действиями браузера, использованием компьютера и
запланированная работа. В отличие от обычного чата, рабочая задача ориентирована на завершённый результат или артефакт.
Контрольная плоскость агента — это политический и операционный слой, управляющий запусками агентов. Она классифицирует задачи, выбирает маршрут модели, выдаёт ограниченные учётные данные, применяет ограничения на инструменты, требует утверждений, записывает трассировки, оценивает результаты, контролирует бюджеты и управляет восстановлением.
Оснастка — это программное обеспечение, которое собирает контекст, предоставляет инструменты, хранит состояние, выполняет действия и управляет повторными попытками. Контрольная плоскость определяет, как может работать эта оснастка, включая полномочия, маршрутизацию, бюджеты, утверждения, оценку и восстановление.
Luna подходит для извлечения данных, классификации и форматирования с низким уровнем риска. Terra подходит для рутинной работы с репозиториями, создания документов и умеренного анализа с строгими проверками. Sol более уместен для неоднозначной диагностики, архитектуры, проверки безопасности и исследований высокой ценности.
Нет. Возможности модели и операционные полномочия должны оставаться разделёнными. Переход с Luna или Terra на Sol должен изменять способность к рассуждению, но не доступ к инструментам, права на запись, права на развёртывание или требования к утверждению.
Публичные бенчмарки могут содержать некорректные задачи, предположения, специфичные для оснастки, или утечки данных. Они полезны для выявления кандидатов, но для измерения стоимости, надёжности, нагрузки на проверку и безопасности в реальной среде необходима частная оценка, построенная на основе реальных внутренних работ.
Журнал должен включать цель, маршрут модели, усилия по рассуждению, вызовы инструментов, источники, утверждения, ошибки, повторные попытки, использование токенов, стоимость, затраченное время, артефакты, результаты проверки, причины эскалации и конечное состояние.
более ранняя техническая предварительная версия модели Sol.
GPT-5.6 предоставляет командам более чёткое меню возможностей, стоимости, усилий по рассуждению и многогаентного выполнения. ChatGPT Work расширяет эти возможности до постоянных задач, охватывающих файлы, приложения, браузеры и запланированные рабочие процессы.
Производственная задача заключается не просто в выборе самой мощной модели. Командам также необходимы ограниченная идентификация, узкие разрешения для инструментов, шлюзы утверждения, независимые проверки приёмки, полные трассировки, многомерные бюджеты, приватные оценки и проверенное восстановление.
Начните с одного обратимого рабочего процесса, запишите базовый уровень человека, запустите в теневом режиме и увеличивайте только одно измерение полномочий за раз.
Производственный агент — это не просто мощная модель с инструментами. Это модель, работающая в измеримой, обратимой и подотчётной плоскости управления.
Начните с одной фразы и получите полноценный сайт за считанные минуты.
