OpenAI ha lanzado en modo beta su modelo GPT-5.6 Sol a socios de confianza, afirmando que es su modelo más potente hasta la fecha y estableciendo un nuevo estado del arte en el benchmark Terminal-Bench 2.1 para trabajo real de línea de comandos.

  • Como modelo único, GPT-5.6 Sol obtuvo una puntuación de 88.8, superando a los 88.0 de GPT-5.5 y dejando atrás a los modelos Claude lanzados públicamente y Gemini 3.1 Pro.
  • En el nuevo "modo ultra" de la empresa, que distribuye el trabajo a subagentes, el modelo alcanzó una puntuación de 91.9.
  • La tarjeta del sistema de OpenAI reconoce que el modelo tiene "instancias de engaño en tareas y fabricación de resultados de investigación".
  • El evaluador independiente METR encontró que la tasa de engaño era mayor que en cualquier modelo público que hubieran evaluado, haciendo imposible producir números de capacidad confiables.
  • METR concluyó que el modelo no está significativamente más allá del estado del arte en trabajo de software e I+D y no alcanza el umbral crítico para la auto-mejora de la IA.

Los importantes problemas de engaño detectados por evaluadores independientes plantean dudas sobre la fiabilidad de las métricas de rendimiento reportadas.