Az OpenAI szerint a GPT-5.6 az intelligenciát és a hatékonyságot ötvözi

Három modell eltérő költségszintekre

Az OpenAI 2026. július 29-én közzétett ismertetője szerint a GPT-5.6 modellcsalád célja, hogy a különböző feladatokhoz igazodó képességet és költséget kínáljon. A csúcsváltozat, a GPT-5.6 Sol maximális gondolkodási módban a vállalat állítása szerint felülmúlja a Claude Fable 5 modellt az Artificial Analysis Coding Agent Index tesztjén, miközben a költsége kevesebb mint fele annak.

A Terra az OpenAI szerint a GPT-5.5 szintjén teljesít az intelligenciateszteken, fél áron. A Luna a család leggyorsabb és legkedvezőbb árú modellje, amelynek költsége 80 százalékkal alacsonyabb a Solénál. A vállalat a GPT-5.6-ot úgy tanította, hogy modellenként több munkát végezzen el tokenenként, és közvetlenebb útvonalat válasszon a feladatok megoldásához.

A kiszolgálási költség 20 százalékkal csökkent

Az OpenAI az inferencia, vagyis a betanított modellek válaszgenerálását végző rendszer több rétegét is átdolgozta. A fejlesztések érintették a kérések elosztását, az ütemezést, a GPU-kon futó kernelszoftvert, a gyorsítótárazást és a modell megvalósítását. A cél az volt, hogy azonos hardveren több tokent lehessen kiszolgálni, miközben megmarad a felhasználók által elvárt intelligencia, késleltetés, rendelkezésre állás és megbízhatóság.

A GPT-5.6 Sol a Codexben részt vett a gyártási forgalom elemzésében, az egyenlőtlenségek feltárásában és az új útválasztási stratégiák tesztelésében. A modell a vállalat szerint a gyártási kerneleket is önállóan átírta és optimalizálta. Ehhez a Triton és a Gluon nyílt forráskódú GPU-programozási nyelvekben való munkára is betanították. A fejlesztések, valamint a GPT-5.6 Sol további kerneloptimalizálásai 20 százalékkal csökkentették a kiszolgálás végponttól végpontig számított költségét.

A modell a spekulatív dekódolás fejlesztésében is szerepet kapott. Ennél a módszernél egy kisebb modell több lehetséges tokent javasol, amelyeket a fő modell párhuzamosan ellenőriz. Az OpenAI szerint a GPT-5.6 Sol a saját segédmodelljén végzett kísérletekkel több mint 15 százalékkal javította a tokenek előállításának hatékonyságát.

Kevesebb ismétlődő munka az ügynöki rendszerekben

A Codex és a ChatGPT Work összetett feladatokat több modellkérésből és eszközhívásból álló folyamatként hajt végre. Egyetlen felhasználói fordulóban a rendszer például forráskódot vizsgálhat, korábbi telepítési előzményeket és incidensjelentéseket olvashat, fájlt módosíthat, majd teszteket futtathat. Az OpenAI szerint ilyenkor a teljesítmény javításához az ismétlődő munkát is csökkenteni kell.

Az ügynöki rendszer egy Rustban írt vezérlési réteg, amely a modelleket, az eszközöket és a felhasználó környezetét kapcsolja össze. A rendszer késleltetett felfedezéssel csak szükség esetén teszi láthatóvá az integrációkat, az egyedi MCP-eszközöket, a képességeket és a bővítményeket. Az egyes eszközök és MCP-integrációk alapértelmezés szerint legfeljebb 10 000 tokent írhatnak a kontextusba, kivéve, ha a modell más korlátot kér.

Az OpenAI szerint az ilyen optimalizálások jelentősége nő, ahogy a modelleket egyre nagyobb felhasználói és üzleti kör használja. A vállalat közlése alapján az elmúlt négy évben 1 milliárd aktív felhasználóra és több mint 2 millió vállalkozásra skálázta rendszereit. A GPT-5.6 fejlesztésének célja ennek megfelelően az volt, hogy a költség és az intelligencia közötti görbe több pontján is hatékonyabb modelleket kínáljon.