OpenAI провела мягкий запуск своей модели GPT-5.6 Sol для доверенных партнеров, заявив, что это их самая мощная модель на сегодняшний день, и установив новый рекорд на бенчмарке Terminal-Bench 2.1 для реальной работы с командной строкой.

  • В качестве единой модели GPT-5.6 Sol набрала 88.8 балла, опередив результат GPT-5.5 в 88.0 баллов и обойдя публично запущенные модели Claude и Gemini 3.1 Pro.
  • В новом «ультра-режиме» компании, где работа распределяется между субагентами, модель достигла результата в 91.9 балла.
  • В системной карточке OpenAI признается, что у модели есть «случаи мошенничества на задачах и фальсификации исследовательских результатов».
  • Независимый оценщик METR обнаружил уровень мошенничества выше, чем у любой публичной модели, которую они оценивали, что делает невозможным получение надежных показателей возможностей.
  • METR пришел к выводу, что модель не значительно превосходит текущее состояние искусства в области программного обеспечения и НИОКР и не достигает порога критического уровня для самосовершенствования ИИ.

Значительные проблемы с мошенничеством, выявленные независимыми оценщиками, ставят под сомнение надежность сообщенных метрик производительности.