Серия OpenAI GPT-5.6 включает три уровня моделей: Sol, Terra и Luna. Вместо единой модели для всех задач OpenAI разделила серию по возможнос...
Серия GPT-5.6 от OpenAI включает три уровня моделей: Sol, Terra и Luna.
Вместо единой модели для всех рабочих нагрузок OpenAI дифференцирует серию по возможностям, стоимости и пропускной способности:
OpenAI впервые представила серию в июне 2026 года, а полный запуск состоялся 9 июля. Оригинальная статья AIBase была опубликована 30 июля и посвящена эффективности, лежащей в основе этого запуска: лучшая производительность на токен, более дешёвые уровни моделей, а также оптимизация инфраструктуры и агентских циклов, направленная на снижение общей стоимости выполнения реальных задач.
Этот акцент имеет решающее значение. Для производственных систем ИИ всё более важным показателем становится не только то, насколько умной выглядит модель в изоляции, но и какой объём полезной работы она может выполнить за заданное время, вычислительные ресурсы и деньги.
OpenAI описывает Sol, Terra и Luna как постоянные уровни возможностей, а не временные суффиксы.
Номер поколения идентифицирует серию GPT-5.6, а названия различают ожидаемые уровни производительности и стоимости.
| Модель | Позиционирование | Цена API (ввод) | Цена API (вывод) | Контекстное окно | Макс. вывод |
|---|---|---|---|---|---|
| GPT-5.6 Sol | Флагманская модель для сложных профессиональных задач | $5 за 1 млн токенов | $30 за 1 млн токенов | 1 050 000 токенов | 128 000 токенов |
| GPT-5.6 Terra | Баланс интеллекта и стоимости | $2,50 за 1 млн токенов | $15 за 1 млн токенов | 1 050 000 токенов | 128 000 токенов |
| GPT-5.6 Luna | Чувствительные к стоимости высокопроизводительные нагрузки | $1 за 1 млн токенов | $6 за 1 млн токенов | 1 050 000 токенов | 128 000 токенов |
На страницах всех трёх моделей указана дата завершения знаний: 16 февраля 2026 года, и они поддерживают ввод текста с изображениями и вывод текста.
Псевдоним API gpt-5.6 направляет к GPT-5.6 Sol.
Sol — самый мощный уровень GPT-5.6 от OpenAI.
OpenAI позиционирует его для:
Согласно рейтингу Artificial Analysis Coding Agent Index v1.1, OpenAI сообщает, что GPT-5.6 Sol в режиме максимального рассуждения набрал 80 баллов, в то время как Claude Fable 5 в той же таблице получил 77,2 балла.
OpenAI также утверждает, что в этом сравнении Sol использовал менее половины выходных токенов и менее половины времени, при этом его предполагаемая стоимость задачи была ниже.
Это не означает, что Sol превосходит всех по каждому показателю. Собственные таблицы OpenAI показывают, что модели конкурентов лидируют в некоторых оценках. Более последовательным преимуществом GPT-5.6 является производительность на токен и на доллар, а не абсолютное лидерство в каждой категории задач.
Terra — промежуточная модель в серии.
OpenAI описывает её возможности как сопоставимые с уровнем GPT-5.5, при этом тарифы составляют:
Это вдвое меньше цены в $5/$30, соответствующей предыдущему флагманскому уровню.
Таким образом, Terra подходит для рабочих нагрузок, где командам требуются мощные рассуждения и агентские возможности, но нет необходимости задействовать Sol для каждого запроса.
Типичные примеры включают:
Модель поддерживает такое же контекстное окно в 1,05 млн токенов и максимальный вывод в 128 000 токенов, как и Sol.
Luna разработана для рабочих нагрузок, где пропускная способность и стоимость имеют первостепенное значение.
Её цена API составляет:
Это делает ввод и вывод на 80% дешевле, чем у Sol.
OpenAI описывает Luna как свою самую быструю и самую доступную модель GPT-5.6. Она подходит для следующих рабочих нагрузок:
Более низкая цена не означает, что Luna — это просто практическая модель без рассуждений. Она по-прежнему поддерживает функции рассуждения GPT-5.6 и экосистему инструментов OpenAI, но её пиковые возможности ниже, чем у Sol.
В статье AIBase подчёркивается, что GPT-5.6 — это не просто обновление качества модели.
Более масштабная инженерная цель — увеличить объём полезной работы, производимой на один токен, и уменьшить накладные расходы на выполнение агентских задач.
Официальные материалы OpenAI поддерживают это более широкое направление.
Компания утверждает, что GPT-5.6 обучена выполнять полезную работу с меньшим количеством выходных токенов, и её руководство для разработчиков рекомендует при миграции с GPT-5.5 или GPT-5.4 тестировать ту же степень усилий рассуждения — обычно снижая уровень на одну ступень.
Это важно, потому что рекламируемая цена на токены — лишь часть стоимости агентских задач.
Многошаговый рабочий процесс может потреблять бюджет через:
Поэтому модель, требующая меньше шагов, даже если её номинальная ставка за токен кажется сопоставимой, может на практике оказаться дешевле.
Основное внимание в статье уделено производительности кодирующего агента Sol.
Текущая эталонная таблица OpenAI
Отчет:
| Оценка кодирования | GPT-5.6 Sol | GPT-5.6 Terra | GPT-5.6 Luna | GPT-5.5 |
|---|---|---|---|---|
| Индекс кодирующего интеллекта AI-анализа v1.1 | 80 | 77,4 | 74,6 | 76,4 |
| SWE-Bench Pro | 64,6% | 63,4% | 62,7% | 59,4% |
| DeepSWE v1.1 | 72,7% | 69,6% | 67,2% | 67,0% |
| Terminal-Bench 2.1 | 88,8% | 87,4% | 84,7% | 85,6% |
Эти данные взяты из стартовой таблицы, опубликованной OpenAI, и должны рассматриваться в контексте конкретных оценочных фреймворков и настроек.
Например, результаты бенчмаркинга могут варьироваться в зависимости от:
OpenAI также отмечает, что часть сравнений стоимости и задержки основана на автономных оценках производственного поведения, а не на прямых счетах от каждого конкурирующего сервиса.
Практический урок заключается в том, что модели следует тестировать на репрезентативных производственных задачах, а не выбирать только на основе рейтингов.
В источнике AIBase описывается оптимизация всего стека сервисов, включая:
Также сообщается, что работа вывода повысила эффективность генерации токенов более чем на 15%.
Эти детали инфраструктурного обслуживания представлены в отчете AIBase. Текущая публичная стартовая страница GPT-5.6 от OpenAI подтверждает более широкие усилия по улучшению сервиса и эффективности исследований, но точные базовые данные следует рассматривать как отчет источника, если они не воспроизведены в технических публикациях OpenAI или бенчмарках, документирующих полную методологию.
Из документации OpenAI можно независимо подтвердить, что GPT-5.6 добавил множество механизмов, направленных на сокращение ненужной работы модели.
К ним относятся:
Инженерное направление последовательно: уменьшение избыточной работы вокруг каждого успешного задания.
GPT-5.6 вводит более предсказуемый кэш подсказок.
Документация OpenAI поддерживает явные точки разрыва кэша, позволяя разработчикам решать, какие повторно используемые префиксы подсказок следует кэшировать.
Для моделей GPT-5.6:
Это меняет подход разработчиков к долгоживущим агентам.
Если большие системные подсказки, каталоги инструментов, разделы политик или стабильный контекст проекта многократно отправляются как некэшированный ввод, затраты могут быть высокими.
Когда повторно используемые префиксы остаются стабильными, кэш может снизить эти затраты.
В то же время ненужная запись в кэш может увеличить расходы. Поэтому OpenAI рекомендует отслеживать использование как кэшированных токенов, так и токенов записи в кэш, а не предполагать, что кэш всегда дешевле.
Вторая основная область эффективности — фреймворк агента.
Традиционный цикл инструментов обычно выглядит так:
Модель решает вызвать
Приложение выполняет этот инструмент.
Полный результат инструмента возвращается модели.
Модель читает результат и решает, что делать дальше.
Вызывается другой инструмент.
Цикл повторяется.
Хотя этот метод гибок, он может стать дорогим.
Большие промежуточные результаты инструментов могут многократно попадать в контекст модели, даже если нужна лишь небольшая часть данных.
Программные вызовы инструментов GPT-5.6 предлагают альтернативу.
Документация OpenAI показывает, что GPT-5.6 может писать JavaScript в управляемой среде выполнения, чтобы:
Для ограниченных рабочих процессов это может сократить:
OpenAI отмечает, что эта модель особенно полезна, когда код может обрабатывать множество предсказуемых результатов инструментов без необходимости повторного семантического суждения после каждого вызова.
Она подходит не для всех задач агента.
Прямое взаимодействие модели с инструментом остается лучшим выбором в случаях, когда:
Цель — не минимизировать количество вызовов любой ценой, а избегать передачи ненужной информации через модель.
В статье AIBase также отмечается, что более строгое управление историей разговора является способом повышения коэффициента повторного использования кэша.
Текущие руководства для разработчиков GPT-5.6 от OpenAI предоставляют соответствующий официальный механизм: персистентный вывод.
Разработчики могут настраивать, как сделать рассуждения предыдущих раундов доступными.
Это важно для долгоживущих рабочих процессов, поскольку не все предыдущие идеи одинаково полезны всегда.
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.
Если задача остается стабильной, более ранние рассуждения могут улучшить непрерывность.
Если цель меняется, сохранение всех предыдущих рассуждений увеличивает затраты и вносит устаревшие предположения.
Поэтому OpenAI позволяет приложениям управлять контекстом рассуждений и рекомендует правильно сохранять необходимые элементы ответа при ручном управлении историей.
Это дает разработчикам еще один рычаг для баланса между:
Руководства для разработчиков GPT-5.6 от OpenAI особенно рекомендуют упрощение подсказок.
В образцах внутренних оценок кодирующего агента OpenAI сообщает, что упрощение подсказок и описаний инструментов:
OpenAI прямо указывает, что эти цифры предназначены только для справки и результаты могут варьироваться в зависимости от рабочей нагрузки.
Рекомендация не заключается в удалении полезных ограничений.
Ее цель — устранить дублирование.
Практический процесс миграции выглядит следующим образом:
Это особенно важно для продуктов-агентов, где одна и та же системная подсказка и описания инструментов могут отправляться тысячи раз в день.
Серия GPT-5.6 предлагает разработчикам три основных варианта по соотношению стоимости и качества.
Выбирайте Sol, когда задача может получить существенную выгоду от передовых возможностей.
Сценарии применения включают:
Когда задача требует сильных рассуждений, но не уровня Sol, Terra является прагматичным выбором.
Она подходит для:
Luna — естественный выбор для следующих сценариев:
Типичная архитектура направляет стандартные задачи на Luna или Terra, передавая на Sol только самые сложные.
Для агентных систем простое сравнение по токенам может вводить в заблуждение.
Рассмотрим две модели.
Модель A дешевле за выходной токен, но требует:
У модели B цена выше, но для выполнения задачи требуется вдвое меньше шагов.
Вторая модель всё равно может оказаться дешевле в пересчёте на выполненную задачу.
Поэтому командам, оценивающим GPT‑5.6, следует отслеживать:
Вот что на самом деле означает «интеллект на токен».
Для команд, уже использующих GPT‑5.5 или более ранние модели, контролируемое сравнение полезнее немедленной полной миграции.
Включите:
OpenAI рекомендует начинать с того же усилия рассуждения, что и для предыдущей модели.
Затем протестируйте на один уровень ниже.
GPT‑5.6 может сохранять качество при меньшем числе токенов рассуждения, но это нужно подтвердить на вашей нагрузке.
Не предполагайте, что флагманская модель автоматически является лучшим производственным выбором.
Оцените, могут ли Terra или Luna удовлетворить те же критерии приемки с меньшими затратами.
Отслеживайте чтение и запись кэша.
При высокой частоте повторного использования стабильный контекст может стать значительно дешевле, но часто меняющийся префикс подсказки может не дать большого выигрыша.
Применяйте его к чётко ограниченным этапам обработки, например:
Сравните результаты с обычным прямым вызовом инструментов.
Более низкий счёт за токены имеет смысл только в том случае, если конечная задача по‑прежнему достигает стандартов качества.
Правильная цель оптимизации — не минимальное количество токенов.
А получение успешного результата с наименьшей надёжной стоимостью.
В течение нескольких лет конкуренция на переднем крае моделей определялась одним вопросом: какая модель мощнее?
Этот вопрос всё ещё важен.
Но с выходом ИИ в крупномасштабное производство не менее важен другой вопрос:
Сколько полезной работы система выполняет на единицу вычислений и на каждый потраченный доллар?
Агентные системы усиливают это давление.
Один пользовательский запрос может запустить:
Без тщательной оркестрации общий счёт быстро растёт.
GPT‑5.6 отражает переход от простого наращивания интеллектуальных возможностей к более экономичному развёртыванию интеллекта.
Sol продвигает интеллектуальные способности на высший уровень.
Terra снижает стоимость мощных универсальных задач.
Luna выводит модельное семейство в область высокопроизводительных нагрузок.
Кэширование подсказок и программная оркестрация инструментов нацелены на системные накладные расходы вокруг самой модели.
В результате получается модельное семейство, разработанное не только вокруг бенчмарков, но и вокруг производственной экономики.
GPT‑5.6 — это семейство моделей OpenAI для сложного рассуждения, программирования, профессиональной работы, агентных рабочих процессов и высокопроизводительных AI‑приложений. В серию входят Sol, Terra и Luna.
Sol — флагманский, самый мощный уровень. Terra обеспечивает баланс между интеллектом и стоимостью, а Luna оптимизирована для низкозатратных высокопроизводительных нагрузок.
OpenAI устанавливает цены: Sol — 5 долларов за миллион входных токенов и 30 долларов за выходные; Terra — 2,50 доллара / 15 долларов; Luna — 1 доллар / 6 долларов. Входной кэш дешевле; для очень длинных подсказок могут действовать особые правила.
Текущая страница моделей API OpenAI указывает контекстный окно в 1 050 000 токенов для Sol, Terra и Luna. Каждая модель поддерживает до 128 000 выходных токенов.
OpenAI сообщает, что Sol набирает более высокие баллы в нескольких оценках программирования с агентами, включая Artificial Analysis Programming Agent Index, SWE‑Bench Pro, DeepSWE и Terminal‑Bench 2.1. Реальная производственная производительность по‑прежнему зависит от репозитория, агентного фреймворка, подсказки и инструментов.
Программный вызов инструментов позволяет GPT‑5.6 писать код для координации подходящих инструментов и обработки промежуточных результатов в управляемой среде выполнения. Он может сократить количество циклов модели и использование токенов в чётко определённых рабочих процессах.
Например, такие операции, как фильтрация, объединение, сортировка и агрегация.
Да. GPT‑5.6 поддерживает автоматическое кэширование и явные точки кэширования. OpenAI заявляет о 90% скидке на чтение из кэша, тогда как запись нового кэша стоит в 1,25 раза дороже цены некэшированных входных данных.
Обычно нет. Если Terra или Luna могут удовлетворить те же оценочные критерии с меньшими затратами, использование меньшего уровня модели улучшает экономику приложения. Сложные задачи следует направлять на Sol только тогда, когда более высокая способность приносит измеримую выгоду.
Официальный каталог моделей и их основные характеристики.
GPT-5.6 — это серия моделей, состоящая из трех уровней, а не единая универсальная модель. Sol ориентирован на максимальную производительность, Terra предлагает более экономичный баланс для обычных производственных задач, а Luna оптимизирована для сценариев с высокой пропускной способностью.
Главная тема — эффективность. OpenAI снижает вычислительную нагрузку при выполнении сложных задач за счет сочетания более эффективных по токенам моделей, явного кэширования подсказок, непрерывного логического вывода, настраиваемого объема потребления при логическом выводе и вызова инструментов программирования.
Источник сообщений AIBase также сообщает о дальнейших оптимизациях стека логического вывода, включая спекулятивное декодирование и работу с ядрами GPU, что увеличивает скорость генерации токенов более чем на 15%.
Эффективность. Эти низкоуровневые данные следует рассматривать как сообщения источников, если они не воспроизводятся в полностью задокументированных технических публикациях OpenAI.
Наилучшее понимание GPT-5.6 заключается не просто в выпуске более мощной модели, а в попытке улучшить экономику интеллекта во всем рабочем процессе агентов.
Начните с одной фразы и получите полноценный сайт за считанные минуты.
