gpt-5.6-cyber: $12.50 за input и $75 за output на 1 млн токенов — специализированная модель для security-задач.
А web search стоит $10 за 1000 вызовов, контейнер с 1 GB памяти - $0.03 за 20 минут.
https://developers.openai.com/api/docs/pricing
OpenAI обновила платформу Daybreak, разделив её на два уровня доступа для специалистов по кибербезопасности. Ключевым нововведением стал выпуск модели GPT-5.6-Cyber, которая обладает минимальными ограничениями и способна эффективно генерировать цепочки эксплойтов и искать уязвимости нулевого дня.
Данный шаг направлен на предоставление защитникам инструментов, сопоставимых по мощности с потенциальными угрозами. Модель уже продемонстрировала высокую результативность в поиске критических багов, что делает её важным элементом инфраструктуры безопасности перед будущим релизом GPT-6.
OpenAI выяснили, что низкий результат GPT-5.6 Sol на агентном бенчмарке ARC-AGI-3i (всего 7,8% в официальном рейтинге, где лидирует Claude Opus 5 с 30,2%) объясняется не слабостью модели, а стандартным тестовым harnessi'ом. Он после каждого шага удалял приватный ризонинг модели и обрезал историю по скользящему окну — а Sol специально обучена сохранять рассуждения между шагами игры.
Когда OpenAI прогнали Sol через Responses API с сохранением ризонинга и механизмом Compactioni (сжатие контекста вместо удаления — те же настройки, что в продакшене ChatGPT и Codex), результат на публичном сете ARC-AGI-3 подскочил с 13,3% до 38,3%, причём модель потратила в 6 раз меньше выходных токенов. Однако это кастомный харнесс, а не официальные условия теста, поэтому формально Opus 5 (30,2%) по-прежнему считается лидером — прямого превосходства Sol не доказывает.
ВыводСтандартный harness ARC-AGI-3 удаляет весь приватный ризонинг модели после каждого действия в игре
После твита Сэма Альтмана про новую модель GPT5.6 Soli разработчики начали тестировать её возможности, и один из них показал необычный кейс: агент в codexi получил доступ к галерее фото на телефоне, нашёл там все уникальные вещи из гардероба и с помощью встроенного gpt-imagei превратил каждую в отдельное предметное изображение на прозрачном фоне — как в каталоге интернет-магазина.
Автор довёл эксперимент до готового скилла, который автоматизирует весь процесс: поиск, реконструкцию, QA и дедупликацию вещей. Скилл выложен в открытый доступ на GitHub, и на его основе уже собрали UI, где можно не только увидеть весь свой гардероб, но и примерить на реальных фото новые сгенерированные образы.